Veröffentlicht am: Dec 3, 2019
Amazon SageMaker Experiments ist eine neue Funktion, mit der Sie Ihre Machine Learning-Schulungsexperimente in Amazon SageMakerorganisieren, überwachen und vergleichen können.
Maschinelles Lernen ist ein sich wiederholender Prozess. Sie müssen mit mehreren Kombinationen von Daten, Algorithmen und Parametern experimentieren, während Sie gleichzeitig die Auswirkungen solcher inkrementellen Änderungen auf die Modellgenauigkeit beobachten. Im Laufe der Zeit kann dieses iterative Experimentieren zu Hunderten und Tausenden von Modellschulungsläufen und Modellversionen führen, was es schwierig macht, die leistungsstärksten Modelle und ihre Eingangskonfigurationen zu verfolgen. Es ist auch schwierig, die aktiven Experimente mit früheren Versuchen zu vergleichen, um Möglichkeiten für weitere schrittweise Verbesserungen zu erkennen.
Amazon SageMaker Experiments macht es Ihnen leicht, Ihre Machine Learning-Experimente zu verwalten. Das Programm verfolgt automatisch die Eingaben, Parameter, Konfigurationen und Ergebnisse aller Ihrer Wiederholungen als Versuche. Sie können diese Versuche auch zu Experimenten zuordnen, gruppieren und organisieren. SageMaker Experimente ist in Amazon SageMaker Studio integriert und bietet Ihnen eine visuelle Benutzeroberfläche, mit der Sie Ihre aktiven und vergangenen Experimente durchsuchen, Experimente mit wichtigen Leistungskennzahlen vergleichen und die besten identifizieren können. SageMaker Experiments wird auch mit einem Python-SDK geliefert, das die Such- und Analysefunktionen in SageMaker Notebooks einfacher verfügbar macht. Da SageMaker Experiments die Verfolgung aller Schritte und Artefakte ermöglicht, die bei der Erstellung und Zertifizierung eines Modells anfallen, können Sie die Herkunft eines Modells schnell verfolgen, wenn Produktionsprobleme behoben oder die Modelle auf Konformität geprüft werden.
Amazon SageMaker Experiments ist ohne Aufpreis in allen AWS-Regionen auf der ganzen Welt, in denen Amazon SageMaker erhältlich ist, verfügbar. Für mehr Informationen, lesen Sie bitte den Blogbeitrag hier und die Dokumentation, um zu starten.