Veröffentlicht am: Jul 13, 2021
Amazon SageMaker Pipelines, der erste speziell entwickelte Continuous Integration and Continuous Delivery (CI/CD)-Service für Machine Learning (ML), ist jetzt in die automatischeModelloptimierungsfunktion von SageMaker integriert. Kunden können ihren SageMaker-Pipelines einen Modell-Tuning-Schritt (TuningStep) hinzufügen, der automatisch einen Hyperparameter-Tuning-Job aufruft. Das Hyperparameter-Tuning findet die beste Version eines Modells, indem viele Trainingsjobs für das Dataset unter Verwendung des Algorithmus und der vom Kunden angegebenen Bereiche der Hyperparameter ausgeführt werden. Anschließend können sie die beste Version des Modells mithilfe des Schritts RegisterModel in der Modellregistrierung registrieren.
Die native Unterstützung für die SageMaker-Modelloptimierung als Schritt in Pipelines ermöglicht es Kunden, die automatische Modelloptimierung als Teil des Modellerstellungsworkflows zu integrieren, ohne benutzerdefinierten Integrationscode schreiben zu müssen. Außerdem werden Informationen zum TuningStep wie der Standort der Datenquellen und Modellartefakte automatisch von Amazon SageMaker ML-Lineage-Tracking gespeichert, einem Service, der Informationen zu den Schritten eines ML-Workflows erstellt und speichert. Weitere Informationen finden Sie auf unserer Dokumentationsseite.