Veröffentlicht am: Dec 13, 2018
Die automatische Modelloptimierung von Amazon SageMaker unterstützt jetzt den verfrühten Stopp von Trainingsjobs. Beim verfrühten Stopp werden Trainingsjobs automatisch während der Hyperparameterabstimmung gestoppt, wenn sich abzeichnet, dass diese die Modellgenauigkeit wahrscheinlich nicht verbessern werden. Der verfrühte Stopp reduziert Ihre Kosten für die Hyperparameterabstimmung.
Bei der Hyperparameterabstimmung steht die Anzahl möglicher Konfigurationen in exponentiellem Verhältnis zur Anzahl der Hyperparameter. Aufgrund der großen Anzahl an Variablen besteht die Möglichkeit, dass ein neuer Trainingsjob ein weniger genaueres Modell erzeugt, als zuvor bereits erzielt wurde. Wenn sich abzeichnet, dass dies der Fall ist, sollte der Trainingsjob gestoppt und mit einer weiteren Iteration fortgefahren werden. Mit dieser neuen Verbesserung vergleicht Amazon SageMaker regelmäßig einen laufenden Trainingsjob mit vorherigen Trainingsjobs, um zu besitmmen, ob er gestoppt werden sollte. Solange Sie Ihr Abstimmungsbudget nicht überschritten haben, wird automatisch ein neuer Job erstellt, um eine andere Hyperparameterkombination auszuwerten.
Der verfühte Stopp für Trainingsjobs ist jetzt in allen AWS-Regionen verfügbar, in denen Amazon SageMaker heute zur Verfügung steht. Weitere Informationen finden Sie in der Funktionsdokumentation hier.