投稿日: Jul 15, 2022
Amazon SageMaker 自動モデルチューニングを使用すると、データセットに最適なハイパーパラメータ設定のセットを探すことで、最も正確なバージョンの機械学習 (ML) のモデルを見つけられます。SageMaker 自動モデルチューニングでは 2 つのサービスクォータの上限が引き上げられ、チューニングジョブごとに実行できるトレーニングジョブの合計数とチューニングジョブごとに検索できるハイパーパラメータの最大数が最大 50% 増えました。
本日より、「ベイジアン」または「ランダム」検索方法を使用した場合、500 回 であった以前のデフォルト制限が 1.5 倍になり、1 回のチューニングジョブとして合計で最大 750 回のトレーニングジョブを実行できるようになりました。1 回のチューニングジョブで実行できるトレーニングジョブ数を増やすことができるため、より多くのハイパーパラメータの組み合わせを検討でき、実際の経過時間、予測パフォーマンス、全体的なコストの間でのトレードオフを最適化するのに役立ちます。より多くの組み合わせを試すと、高品質のハイパーパラメータ構成を見つけられる可能性が高くなり、ML モデルの品質を向上させられるようになります。また、AWS サポートセンターを使用して上限引き上げのリクエストを行うと、「ランダム検索」戦略について、SageMaker 自動モデルチューニングで引き続き最大 10,000 のハイパーパラメータ構成の検討をサポートします。
さらに、最大 30 件のハイパーパラメータを任意の検索戦略に合わせてチューニングできるようになりました。これは以前の制限である 20 件の 1.5 倍です。このようにハイパーパラメータの数が多いと、ニューラルアーキテクチャ検索などのユースケースで SageMaker 自動モデルチューニングを使用できます。通常、Neural Architecture Search ではより多くのハイパーパラメータをチューニングする必要があります。
SageMaker 自動モデルチューニングの上限の引き上げが、すべての商用 AWS リージョンで利用可能になり、すべてのチューニングジョブに適用できるようになりました。新しい制限はリソースの制限のページで、Amazon SageMaker のデフォルトのクォータのリストはサービスクォータのページで確認できます。AWS SDK または Sagemaker SDK を使用して、AWS コンソールでより上限の高い SageMaker 自動モデルチューニングジョブを起動できます。詳細については、SageMaker 自動モデルチューニングの技術文書をご覧ください。