SageMaker 自动模型调优会自动选择调优配置

Amazon SageMaker 自动模型调优现在能够根据您提供的目标指标，自动选择超参数范围、搜索策略、调优作业的最长运行时间、训练作业的提前停止类型、重试训练作业的次数以及用于停止调优作业的模型融合标志。 这样可以最大限度地减少您启动调优过程所需的时间，并增加以更低的预算找到更准确的模型的机会。

选择正确的超参数需要机器学习技术方面的经验，并且会极大地影响模型性能。即使进行了超参数调优，您仍然需要指定多个调优配置，例如超参数范围、搜索策略和要启动的训练作业数量。纠正这样的设置很复杂，通常需要进行多次实验，这可能会产生额外的训练成本。

从今天开始，Amazon SageMaker 自动模型调优提供自动调优功能，这是一种新的配置，无需指定诸如超参数范围、调整策略或作业定义中所需的作业数量之类的设置。这加快了您的实验过程，减少了评估次优调优配置时浪费的资源。您还可以查看和覆盖自动调优自动选择的任何设置。自动调优选项可以在 CreateHyperParameterTuningJob API 和 HyperparameterTuner SageMaker Python SDK 中找到。

在所有商业 AWS 区域中，该新功能现已可用于 SageMaker 自动模型调优。要了解更多信息，请访问技术文档、API 参考指南、博客文章或 SageMaker 自动模型调优网页。