Publié le: Aug 23, 2022
Le réglage de modèle automatique Amazon SageMaker réduit désormais de 20x en moyenne le temps de démarrage de chaque tâche d'entraînement lancée pour régler vos modèles (de 2,5 minutes à 8 secondes). Dans les situations où vous avez de nombreuses évaluations d'hyperparamètres, la réutilisation d'instances d'entraînement peut vous faire gagner cumulativement 2 heures pour chaque série de 50 évaluations séquentielles.
Le réglage de modèle automatique SageMaker trouve la meilleure version d'un modèle en exécutant de nombreuses tâches d'entraînement sur votre jeu de données au moyen de plages d'hyperparamètres spécifiques que vous choisissez pour votre algorithme. Le réglage de modèle automatique Amazon SageMaker choisit ensuite les valeurs d'hyperparamètres les plus optimales pour obtenir le modèle le plus performant.
Avant le lancement de cette nouvelle fonctionnalité, chaque tâche d'entraînement lancée dans le cadre du réglage entraînait en moyenne 2,5 minutes de frais généraux pour créer et préparer un nouveau cluster d'instances d'entraînement SageMaker. Cela pouvait devenir problématique, surtout lorsque les tâches d'entraînement ne prenaient que quelques minutes et ralentissaient globalement votre tâche de réglage. À présent, le réglage de modèle automatique Amazon SageMaker réutilise automatiquement un cluster fixe d'instances d'entraînement dans chaque tâche de réglage, ce qui réduit de 20x le temps de démarrage moyen de chaque tâche d'entraînement.
Les clusters réutilisables du réglage de modèle automatique SageMaker sont désormais disponibles dans toutes les régions commerciales AWS . Cette nouvelle fonctionnalité est activée par défaut lorsque vous lancez vos tâches de réglage. Pour en savoir plus sur le réglage de modèle automatique Amazon SageMaker, consultez la documentation technique.