Publié le: Jan 31, 2023
L'ajustement automatique des modèles Amazon SageMaker prend désormais en charge trois nouveaux critères d'achèvement pour vous aider à personnaliser vos tâches d'ajustement en fonction du compromis souhaité entre précision, coût et durée d'exécution.
Avec l'ajustement automatique des modèles SageMaker, vous pouvez optimiser votre modèle de machine learning (ML) en utilisant différentes stratégies de recherches pour une configuration optimale de l'ensemble des hyperparamètres liés à votre jeu de données. Avant ce lancement, vous pouviez choisir de spécifier soit un nombre maximum de tâches d'entraînement, soit une métrique d'objectif cible pour effectuer les tâches d'ajustement. Cependant, si votre tâche d'ajustement doit être terminée avant un certain temps, il n'est pas facile de décider du nombre de tâches d'entraînement à exécuter. Il se peut également que vous ne sachiez pas quelle métrique d'objectif est raisonnable et que vous préfériez que la tâche d'ajustement soit terminée lorsque la métrique d'objectif cesse de s'améliorer.
À compter d'aujourd'hui, l'ajustement automatique des modèles SageMaker propose trois critères d'achèvement supplémentaires pour vos tâches d'ajustement. Vous pouvez désormais spécifier MaxRuntimeInSeconds, qui terminera automatiquement une tâche d'ajustement après un certain laps de temps. Pour arrêter une tâche d'ajustement lorsque le meilleur objectif ne s'améliore pas assez rapidement, vous pouvez désormais spécifier MaxNumberOfTrainingJobsNotImproving. De plus, si vous n'êtes pas sûr des paramètres à utiliser pour ces critères d'achèvement, vous pouvez désormais spécifier un paramètre CompleteOnConvergence pour arrêter automatiquement la tâche d'ajustement lorsque la métrique d'objectif ne s'améliore pas lors des essais suivants. Tous ces nouveaux critères d'achèvement vous permettent de trouver l'équilibre souhaité entre coût, durée d'exécution et précision.
En outre, l'ajustement automatique des modèles SageMaker inclut désormais des informations dans la réponse de l'API Describe pour évaluer ces critères d'achèvement. Il s'agit notamment de la durée d'exécution totale en secondes, du nombre de tâches d'entraînement n'améliorant pas l'objectif à ce jour, et d'un indicateur permettant de savoir si la tâche d'ajustement a convergé. Ces informations sont disponibles quels que soient vos paramètres de critères d'achèvement, ce qui simplifie votre processus de prise de décision et vous aide à déterminer quand arrêter vos tâches d'ajustement.
La nouvelle fonctionnalité est maintenant disponible pour l'ajustement automatique des modèles Amazon SageMaker dans toutes les régions AWS commerciales. Pour en savoir plus, consultez le guide de référence de l'API, la documentation technique ou la page web relative à l'ajustement automatique des modèles SageMaker.