Publié le: Dec 20, 2022
L'ajustement automatique des modèles Amazon SageMaker vous donne désormais la possibilité de définir la graine pour générer des hyperparamètres aléatoires afin d'obtenir des résultats d'ajustement plus reproductibles. Cela vous donne accès à des cas d'utilisation pour lesquels vous devez pouvoir reproduire les résultats de vos tâches d'ajustement, par exemple, pour des raisons de conformité ou de réglementation.
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. Auparavant, exécuter la même tâche d'ajustement à plusieurs reprises pouvait entraîner des configurations recommandées différentes des hyperparamètres en raison de la nature stochastique des stratégies de recherche. Cela signifiait que vous n'étiez pas toujours capable de reproduire vos résultats d'ajustement précédents même en exécutant une tâche d'ajustement sur le même algorithme ou le même jeu de données avec les mêmes configurations.
À compter d'aujourd'hui, vous pouvez préciser un entier comme graine aléatoire pour l'ajustement des hyperparamètres afin d'en générer. Lorsque vous exécutez à nouveau la même tâche d'ajustement, vous pouvez utiliser la même graine pour produire des configurations d'hyperparamètres plus cohérentes par rapport à vos résultats précédents. En ce qui concerne les stratégies « Random » et « Hyperband », utiliser la même graine aléatoire peut vous apporter une reproductibilité allant jusqu'à 100 % de la configuration d'hyperparamètres précédente pour la même tâche d'ajustement. En ce qui concerne la stratégie « Bayesian », utiliser la même graine aléatoire améliorera considérablement la reproductibilité pour la même tâche d'ajustement.
La capacité à préciser une graine aléatoire est désormais disponible pour l'ajustement automatique des modèles Amazon SageMaker dans toutes les régions AWS commerciales. Pour en savoir plus, consultez la documentation technique ou rendez-vous sur la page web relative à l'ajustement automatique des modèles Amazon SageMaker.