Publié le: Aug 2, 2019
De nouvelles fonctionnalités de suivi des modèles pour Amazon SageMaker sont désormais disponibles dans toutes les régions AWS dans lesquelles Amazon SageMaker est disponible. Grâce à ces nouvelles fonctionnalités, vous pouvez rapidement et facilement trouver et comparer vos expériences de formation de modèle de machine learning (ML). Grâce à AWS Management Console ou au kit SDK AWS, vous pouvez rapidement rechercher dans des milliers d'expériences de formation des modèles et comparer des mesures pour évaluer les performances à travers différentes itérations, ce qui accélère votre capacité à identifier les modèles les plus performants.
L'élaboration de modèles ML est un processus itératif. Vous expérimentez différentes combinaisons de données, d'algorithmes et de paramètres pour affiner le modèle. Cette expérimentation continue aboutit souvent à un grand nombre de versions de modèles, ce qui rend difficile le suivi des expériences et ralentit la découverte du modèle le plus efficace. De plus, le suivi des variables d'une version de modèle spécifique devient fastidieux au fil du temps, ce qui nuit à l'audit et à la vérification de la conformité. Grâce aux nouvelles fonctionnalités de suivi des modèles d'Amazon SageMaker, vous pouvez identifier rapidement le modèle le plus pertinent en recherchant différents paramètres, y compris l'algorithme d'apprentissage, les paramètres des hyperparamètres et les balises qui ont été ajoutées pendant les entraînements. Vous pouvez également comparer et classer les séries d'entraînement en fonction de leurs mesures de performance, telles que les pertes d'entraînement et la précision de validation, afin d'identifier rapidement les modèles les plus performants.
Vous pouvez commencer à utiliser nos exemples de blocs-notes, et en savoir plus sur cette fonctionnalité dans le blog et le Guide du développeur.