Publié le: Jul 8, 2022
Nous avons le plaisir de vous annoncer qu'à compter d'aujourd'hui, les expérimentations Amazon SageMaker Autopilot s'exécutent 2 fois plus vite pour la génération de modèles de ML avec des performances élevées. Amazon SageMaker Autopilot est un produit de machine learning (ML) low-code qui crée, entraîne et ajuste automatiquement les meilleurs modèles de ML en fonction de vos données, tout en vous permettant de conserver un contrôle et une visibilité totale. Toutefois, comme les tailles des jeux de données augmentent, l'entraînement et l'ajustement des modèles peuvent devenir coûteux en matière de calcul.
À compter d'aujourd'hui, SageMaker Autopilot va utiliser une méthode d'initialisation d'hyperparamètre zero-shot ainsi que des instances ml.m5.12xlarge (48 vCPU, 192 Gio de mémoire) qui vont permettre de faire passer le nombre d'essais par défaut de 250 à 100. Par conséquent, les expérimentations SageMaker Autopilot s'achèveront 2 fois plus vite qu'auparavant pour fournir le modèle de ML le plus performant. Pour évaluer les améliorations de performances, nous avons utilisé plusieurs jeux de données de référence OpenML de tailles variables allant de 0,5 Mo à 1 Go. D'après nos résultats, les petits jeux de données (< 100 Mo) ont montré une amélioration du temps d'exécution de tâches Autopilot allant jusqu'à 45 % (230 à 120 minutes en moyenne) les jeux de données moyens (entre 100 Mo et 1 Go) et grands (> 1 Go) ont montré une amélioration du temps d'exécution de 40 % (540 à 430 minutes en moyenne). Ces améliorations vous permettent d'exécuter des expérimentations SageMaker Autopilot sans apporter le moindre changement aux configurations de tâches existantes.
Pour en savoir plus sur SageMaker Autopilot, consultez la page produit SageMaker Autopilot et la documentation.