Veröffentlicht am: Dec 28, 2022
Die automatische Modelloptimierung von Amazon SageMaker unterstützt jetzt 30-mal höhere Grenzwerte für die Anzahl kategorialer Hyperparameterwerte, die pro Optimierungsauftrag gesucht werden können.
Die Modelloptimierung von Amazon SageMaker ermöglicht Ihnen, die genaueste Version Ihres Machine-Learning-Modells zu finden, indem der optimale Satz von Hyperparameterkonfigurationen ermittelt wird. Ab heute können Sie Optimierungsaufträge mit bis zu 900 kategorialen Werten ausführen. Das ist das 30-fache des bisherigen Grenzwerts von insgesamt 30 kategorialen Werten. Die Fähigkeit, eine erhöhte Gesamtanzahl an kategorialen Werten pro Optimierungsauftrag zu verwenden, ermöglicht die Erkundung zusätzlicher Hyperparameterkombinationen und optimiert den Ausgleich zwischen Zeitbedarf, prädiktiver Performance und Gesamtkosten.
Wenn zusätzliche Kombinationen untersucht werden, erhöht sich die Chance, hochwertige Hyperparameterkonfigurationen zu finden. So kann die Qualität des Modells verbessert werden. Diese höhere Anzahl kategorialer Hyperparameter ermöglicht die Verwendung der automatischen Modelloptimierung von SageMaker für Anwendungsfälle wie Neural Architecture Search, ein Verfahren, bei dem in der Regel eine größere Anzahl an Hyperparametern nötig ist.
Die erhöhten Grenzwerte für die automatische Modelloptimierung von SageMaker sind nun in allen kommerziellen AWS-Regionen verfügbar und gelten für alle Optimierungsaufträge. Sie finden die neuen Grenzwerte auf der Seite mit den Ressourcengrenzwerten, der Definitionsseite für Hyperparameterbereiche und der Seite für Optimierungsaufträge mit Warmstart. Sie können Aufträge zur automatischen Modelloptimierung von SageMaker mit höheren Grenzwerten über die AWS-Konsole, mit dem AWS-SDK oder dem Sagemaker-SDK starten. Weitere Informationen finden Sie auf der Webseite für die automatische Modelloptimierung von SageMaker.