Publicado en: Aug 23, 2022
El ajuste automático de modelos de Amazon SageMaker ahora reduce en un promedio de 20 veces (de 2,5 minutos a 8 segundos) el tiempo de puesta en marcha de cada trabajo de entrenamiento iniciado para ajustar sus modelos. Cuando hay muchas evaluaciones de hiperparámetros, la reutilización de las instancias de entrenamiento puede ahorrar acumulativamente 2 horas cada 50 evaluaciones secuenciales.
El ajuste automático de modelos de SageMaker encuentra la mejor versión de un modelo mediante la ejecución de muchos trabajos de entrenamiento en el conjunto de datos con los intervalos específicos de hiperparámetros que usted proporciona para su algoritmo. Luego, el ajuste automático de modelos de SageMaker elige los valores de hiperparámetros más óptimos que dan como resultado un modelo que funciona mejor.
Antes de este lanzamiento, cada trabajo de entrenamiento que se iniciaba como parte del ajuste necesitaba 2,5 minutos de sobrecarga para ponerse en marcha y preparar un nuevo clúster de instancias de entrenamiento de SageMaker. Esto podía provocar un cuello de botella, especialmente cuando los trabajos de entrenamiento tardaban solo unos minutos en completarse y su trabajo de entrenamiento se ralentizaba en forma generalizada. A partir de hoy, el ajuste automático de modelos de SageMaker reutiliza automáticamente un clúster fijo de instancias de entrenamiento dentro de cada trabajo de entrenamiento, de modo que se reduce 20 veces el tiempo promedio de puesta en marcha de cada trabajo de entrenamiento.
Los clústeres reutilizables del ajuste automático de modelos de SageMaker ahora están disponibles en todas las regiones comerciales de AWS. Esta nueva característica está activada en forma predeterminada cuando se inician los trabajos de entrenamiento. Para obtener más información sobre el ajuste automático de modelos de SageMaker, consulte la documentación técnica.