Publié le: Dec 13, 2018
Amazon SageMaker Automatic Model Tuning prend désormais en charge l’arrêt anticipé des tâches de formation Grâce à la prise en charge de l’arrêt anticipé, les tâches de formation sont automatiquement interrompues lors du réglage de l'hyperparamètre lorsqu'il devient évident qu'elles ne sont pas susceptibles d'améliorer la précision des modèles. Un arrêt précoce réduira vos coûts liés au réglage de l’hyperparamètre.
Lors du réglage d'hyperparamètre, le nombre de configurations possibles est exponentiel au nombre d'hyperparamètres. Le grand nombre de variables signifie qu'il est possible qu'une nouvelle tâche de formation produise un modèle moins précis que ce qui avait été réalisé auparavant. Lorsque cela devient évident, vous pouvez arrêter la tâche de formation et passer à une autre itération. Avec cette nouvelle amélioration, Amazon SageMaker comparera périodiquement une tâche de formation en cours avec des tâches de formation antérieurs afin de déterminer s’il convient de l’interrompre. Tant que vous n'avez pas dépassé votre budget de réglage, une nouvelle tâche est automatiquement créée pour évaluer une combinaison d'hyperparamètre différente.
L’arrêt anticipé pour les tâches de réglage d’hyperparamètre est désormais disponible dans toutes les régions AWS dans lesquelles Amazon SageMaker est disponible aujourd'hui. Pour en savoir plus, reportez-vous à la documentation disponible ici.