投稿日: Dec 20, 2022
Amazon SageMaker 自動モデルチューニングでは、ランダムなハイパーパラメータを生成するようにシードを設定して、より再現性の高いチューニング結果を得られるようになりました。これにより、コンプライアンスや規制上の理由など、チューニングジョブの結果を再現する必要があるユースケースが可能になります。
SageMaker 自動モデルチューニングを使用すると、ハイパーパラメータ構成の最適なセットを検索することで、機械学習モデルの最も正確なバージョンを見つけられます。以前は、同じチューニングジョブを複数回実行すると、検索戦略の確率的な性質により、推奨されるハイパーパラメータ構成が異なる可能性がありました。つまり、同じアルゴリズム、データセット、同じ構成でチューニングジョブを実行した場合でも、以前のチューニング結果を常に再現できるとは限りませんでした。
本日より、ハイパーパラメータを生成するためのハイパーパラメータチューニングのランダムシードとして整数を指定できるようになりました。同じチューニングジョブを再度実行する場合、同じシードを使用して、以前の結果とより一貫したハイパーパラメータ構成を生成できます。ランダム戦略とハイパーバンド戦略では、同じランダムシードを使用すると、同じチューニングジョブの以前のハイパーパラメータ構成を最大 100% 再現できます。ベイズ戦略では、同じランダムシードを使用すると、同じチューニングジョブの再現性が大幅に向上します。