Publié le: Jun 2, 2022
Amazon SageMaker JumpStart prend désormais en charge l'ajustement de modèles grâce à l'ajustement automatique de modèles SageMaker à partir de son modèle préformé, sa solution de modèles préconçus et des carnets modèles. Cela signifie que les clients peuvent ajuster automatiquement leurs modèles de machine learning afin de trouver les valeurs d'hyperparamètres les plus précises parmi celles fournies par l'API SageMaker.
SageMaker JumpStart permet aux clients d'ajuster et de déployer une grande variété de modèles préformés dans diverses tâches populaires de ML, ainsi qu'une vaste sélection de solutions bout en bout pour la résolution de problèmes métiers. Ces fonctionnalités supprime les tâches fastidieuses de chaque étape du processus de ML pour faciliter le développement de modèles de qualité supérieure et réduire le temps de déploiement. Par quelques clics, les clients peuvent accéder à JumpStart via les API dans le bloc-notes et à UI dans SageMaker Studio.
L'intégration de l'ajustement automatique des modèles de SageMaker permet aux carnets d'exemples de l'API JumpStart d'inclure une étape permettant de trouver la meilleure version du modèle en exécutant des tâches d'entraînement sur le jeu de données fourni avec plusieurs configurations d'hyperparamètres. Cette étape permet de réduire le temps d'ajustement des modèles, par une recherche automatique de la meilleure configuration d'hyperparamètre dans la plage d'hyperparamètres par défaut ou dans la plage que vous indiquez.
Pour en savoir plus sur l'ajustement automatique de modèles SageMaker, consultez la documentation. Pour démarrer avec SageMaker JumpStart, consultez la page démarrer et le blog de publications d'API.