Publié le: Jul 15, 2022
L'ajustement automatique de modèles Amazon SageMaker permet de trouver la version la plus précise d'un modèle de machine learning (ML) en trouvant une configuration optimale des hyperparamètres de votre jeu de données. L'ajustement automatique de modèles SageMaker prend désormais en charge les limites augmentées pour deux quotas de service. Le nombre total de tâches d'entraînement pouvant être exécutées par tâche d'ajustement est jusqu'à 50 % supérieur, tout comme le nombre maximal d'hyperparamètres pouvant être consultés par tâche d'ajustement.
À compter d'aujourd'hui, vous pouvez exécuter jusqu'à 750 tâches d'entraînement au total dans le cadre d'une seule tâche d'ajustement, soit 1,5 fois plus que les 500 tâches auparavant réalisables, et ce que vous utilisez la méthode de recherche « bayésienne » ou « aléatoire ». La possibilité d'exécuter un plus grand nombre total de tâches d'entraînement par tâche d'ajustement permet d'explorer davantage de combinaisons d'hyperparamètres pour optimiser le ratio temps décompté/performances prédictives/coûts globaux. Lorsque vous explorez davantage de combinaisons, vous avez plus de chances de trouver des configurations d'hyperparamètres de meilleure qualité, ce qui améliore la qualité du modèle de ML. De plus, avec une demande d'augmentation de limite réalisée via le centre AWS Support, l'ajustement automatique de modèles SageMaker pour la stratégie « recherche aléatoire » continuera de prendre en charge l'exploration d'un maximum de 10 000 configurations d'hyperparamètres.
Sans oublier que jusqu'à 30 hyperparamètres peuvent à présent être ajustés pour n'importe quelle stratégie de recherche, soit 1,5 fois que la limite précédente fixée à 20. Cette augmentation du nombre d'hyperparamètres permet d'utiliser l'ajustement automatique de modèles SageMaker sur des cas d'utilisation comme la recherche sur l'architecture neuronale, qui requiert généralement l'ajustement d'un plus grand nombre d'hyperparamètres.
Les augmentations de limites pour l'ajustement automatique de modèles SageMaker sont désormais disponibles dans toutes les régions commerciales AWS et applicables à toutes les tâches d'ajustement. Pour pouvez vous renseigner sur les nouvelles limites sur la page limites de ressources et consulter la liste de quotas par défaut d'Amazon SageMaker sur la page Services Quotas. Vous pouvez lancer des tâches d'ajustement automatique de modèles SageMaker avec les limites augmentées dans la console AWS à l'aide des kits AWS SDK ou SageMaker SDK. Pour en savoir plus, consultez la documentation technique sur l'ajustement automatique de modèles SageMaker.