Publicado en: Jan 24, 2023
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, solo se podían especificar variables de entorno para el tiempo de ejecución del algoritmo en los trabajos de entrenamiento de SageMaker, pero no en los trabajos de ajuste. A partir de hoy, tendrá la flexibilidad de especificar variables de entorno en tiempo de ejecución para sus scripts en la API CreateTuningJob.
Con este lanzamiento, puede especificar diferentes comportamientos y configuraciones para sus trabajos de capacitación a través de las variables de entorno que incluye en la solicitud de CreateTuningJob. Esto también facilita la reutilización de las definiciones de los trabajos de entrenamiento para iniciar un trabajo de ajuste. Por ejemplo, puede beneficiarse de un registro más detallado para todos sus trabajos de entrenamiento configurando una variable de entorno en el nivel de ajuste o puede especificar el origen de los datos y personalizar la división de entrenamiento o de prueba directamente mediante las variables de entorno.
La posibilidad de proporcionar variables de entorno en el ajuste automático de modelos de SageMaker ya se encuentra disponible en todas las regiones comerciales de AWS y se aplica a todos los trabajos de ajuste. Para obtener más información, visite la guía de referencia de la API, la documentación técnica o la página web del ajuste automático de modelos de SageMaker.