Publicado en: Oct 26, 2022
El ajuste automático de modelos de Amazon SageMaker ahora admite la búsqueda por cuadrículas para habilitar los casos de uso que requieren la capacidad de reproducción de los ajustes de hiperparámetros. La búsqueda por cuadrícula cubrirá todas las combinaciones de los valores específicos de hiperparámetros y producirá resultados reproducibles de ajustes.
El ajuste automático de modelos de Amazon SageMaker le permite ajustar y encontrar la versión más precisa de un modelo de machine learning mediante la búsqueda del conjunto óptimo de configuraciones de hiperparámetros para su conjunto de datos mediante el uso de diferentes estrategias de búsqueda. Antes de este lanzamiento, usted tenía la opción de ajustar sus modelos a través de las estrategias de búsqueda «aleatoria», «bayesiana» o por medio de «hiperbanda". Desde hoy, puede elegir la búsqueda por cuadrícula para la optimización de hiperparámetros. Cuando se la compara con la «aleatoria» la «bayesiana» o la que se hace por medio de «hiperbanda», la búsqueda por cuadrícula determina qué regiones del espacio de búsqueda del hiperparámetro son más prometedoras; esto lo hace mediante la exploración exhaustiva de cada una de las combinaciones de los hiperparámetros específicos. Esto hace que la búsqueda por cuadrícula sea la opción preferida para casos de uso donde es importante la capacidad de reproducción de los ajustes de hiperparámetros.
Grid Search, la búsqueda por cuadrículas, ya está disponible para el ajuste automático de modelos de SageMaker en todas las regiones comerciales de AWS. Para obtener más información, consulte la publicación del blog o la página web del ajuste automático de modelos de SageMaker.