Publicado en: Dec 20, 2022
El ajuste automático de modelos de Amazon SageMaker ahora le ofrece la opción de configurar la semilla para generar hiperparámetros aleatorios y obtener resultados de ajuste con mayor capacidad de reproducción. Esto permite casos de uso en los que necesite poder reproducir los resultados de la tarea de ajuste, por ejemplo, por motivos reglamentarios o de cumplimiento.
El ajuste automático de modelos de SageMaker le permite encontrar la versión más precisa de su modelo de machine learning mediante la búsqueda del conjunto óptimo de configuraciones de hiperparámetros. Anteriormente, ejecutar la misma tarea de ajuste más de una vez podía provocar diferentes configuraciones de hiperparámetros recomendadas debido a la naturaleza estocástica de las estrategias de búsqueda. Esto significaba que no siempre podía reproducir los resultados de ajuste anteriores, incluso cuando ejecutaba una tarea de ajuste en el mismo algoritmo, conjunto de datos y con las mismas configuraciones.
A partir de hoy, puede especificar un número entero como una semilla aleatoria para el ajuste de hiperparámetros a fin de generar hiperparámetros. Cuando vuelva a ejecutar la misma tarea de ajuste, podrá utilizar la misma semilla para producir configuraciones de hiperparámetros que sean más coherentes con los resultados anteriores. Para las estrategias aleatoria e hiperbanda, el uso de la misma semilla aleatoria puede ofrecer hasta un 100 % de capacidad de reproducción de la configuración de hiperparámetros anterior para la misma tarea de ajuste. Para la estrategia bayesiana, usar la misma semilla aleatoria mejorará significativamente la capacidad de reproducción para la misma tarea de ajuste.
La posibilidad de especificar una semilla aleatoria ahora está disponible para el ajuste automático de modelos de Amazon SageMaker en todas las regiones comerciales de AWS. Para obtener más información, consulte la documentación técnica o visite la página web de ajuste automático de modelos de SageMaker.