Publié le: Dec 28, 2022
L'ajustement automatique des modèles Amazon SageMaker prend désormais en charge des limites 30 fois plus élevées pour le nombre de valeurs d'hyperparamètres catégoriels pouvant être recherchées par tâche d'ajustement.
L'ajustement automatique des modèles SageMaker permet de trouver la version la plus précise de votre modèle de machine learning en cherchant un ensemble optimal de configuration des hyperparamètres. À compter d'aujourd'hui, vous pouvez exécuter des tâches d'ajustement comportant jusqu'à 900 valeurs catégorielles, soit 30 fois la limite précédente de 30 valeurs catégorielles au total. La possibilité d'utiliser un plus grand nombre total de valeurs catégorielles 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 de votre modèle. Cette augmentation du nombre d'hyperparamètres catégoriels 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 catégoriels.
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 connaître les nouvelles limites, consultez les pages des limites de ressources, de définition des plages d'hyperparamètres et des tâches de réglage à chaud. 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. Pour en savoir plus, consultez la page web sur l'ajustement automatique de modèles SageMaker.