Publicado en: Jan 31, 2023
El ajuste automático de modelos de Amazon SageMaker ahora admite tres nuevos criterios de finalización que lo ayudan a personalizar sus trabajos de ajuste en función del equilibrio deseado entre precisión, costo y tiempo de ejecución.
Con el ajuste automático de modelos de SageMaker, puede ayudar a optimizar su modelo de machine learning (ML) al buscar el conjunto óptimo de configuraciones de hiperparámetros para su conjunto de datos mediante diversas estrategias de búsqueda. Antes de este lanzamiento, podía optar por especificar la cantidad máxima de trabajos de entrenamiento o una métrica de destino objetiva para finalizar los trabajos de ajuste. Sin embargo, si el trabajo de ajuste debe finalizarse antes de un tiempo determinado, no es fácil decidir cuántos trabajos de entrenamiento ejecutar. Es posible que tampoco sepa qué métrica de destino objetiva es razonable y que prefiera finalizar el trabajo de ajuste una vez que la métrica objetiva deje de mejorar.
A partir de hoy, el ajuste automático de modelos de SageMaker ofrece tres criterios de finalización adicionales para este tipo de trabajos. Ahora puede especificar MaxRuntimeInSeconds, que finalizará automáticamente un trabajo de ajuste después de un período de tiempo especificado. Para detener un trabajo de ajuste cuando el objetivo recomendado no es mejorar con la suficiente rapidez, ahora también puede especificar maxNumberOfTrainingJobsImproving. Además, si no está seguro de la configuración que debe utilizar para estos criterios de finalización, puede especificar el parámetro CompleteOnConvergence para detener automáticamente el trabajo de ajuste cuando la métrica objetiva no mejora en las pruebas posteriores. Todos estos nuevos criterios de finalización le permiten lograr el equilibrio deseado entre costo, tiempo de ejecución y precisión.
Además, el ajuste automático de modelos de SageMaker ahora incluye información en la respuesta de la API de descripción para evaluar estos criterios de finalización. Esto incluye el tiempo de ejecución total en segundos, la cantidad de trabajos de entrenamiento que no han mejorado el objetivo hasta el momento y un indicador de si el trabajo de ajuste ha convergido. Esta información está disponible independientemente de la configuración de los criterios de finalización, lo que simplifica el proceso de toma de decisiones y lo ayuda a determinar cuándo detener los trabajos de ajuste.
La nueva funcionalidad ya está disponible para el ajuste automático de modelos de SageMaker en todas las regiones comerciales de AWS. 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.