Publicado en: May 7, 2021
El ajuste automático de modelos de Amazon SageMaker permite encontrar la mejor versión de un modelo mediante la búsqueda del conjunto óptimo de configuración de hiperparámetros para el conjunto de datos. A partir de hoy, el ajuste automático de modelos de SageMaker ahora admite la ejecución de hasta 100 trabajos de entrenamiento en paralelo para el ajuste de hiperparámetros, lo que le proporciona un aumento de hasta 10 veces en los trabajos de entrenamiento en paralelo para que pueda completar el ajuste más rápidamente. Adicionalmente, para la estrategia de búsqueda “aleatoria”, el ajuste automático de modelos de SageMaker ahora admite la exploración de hasta 10 000 configuraciones de hiperparámetros, un aumento de 20 veces sobre el límite anterior de 500, lo que permite mejorar la cobertura del espacio de búsqueda y así obtener un rendimiento predictivo potencialmente mejor del modelo.
Ejecutar más trabajos de entrenamiento en paralelo es el enfoque preferido con la estrategia de búsqueda “aleatoria”, ya que reduce el tiempo transcurrido sin afectar al rendimiento predictivo de los modelos. En el caso de la estrategia de búsqueda “bayesiana”, puede resultar beneficioso explorar más combinaciones de hiperparámetros al aumentar el número de trabajos de entrenamiento en paralelo, con el fin de gestionar la compensación entre el tiempo transcurrido, el rendimiento predictivo y el costo total.
El aumento de los límites para el ajuste automático de modelos de Amazon SageMaker ahora está disponible bajo demanda en todas las regiones existentes en las que está disponible el ajuste automático de modelos de SageMaker, excepto en AWS GovCloud. Para comenzar, solicite un aumento del límite a través del Centro de soporte de AWS o consulte nuestra documentación para obtener más información sobre el ajuste automático de modelos de SageMaker.