게시된 날짜: Apr 4, 2019
기계 학습 모델의 빌드, 교육 및 배포를 위한 완전관리형 서비스인 Amazon SageMaker가 이제 자동 모델 튜닝을 사용할 때 임의 검색(튜닝 전략) 및 다양한 하이퍼파라미터 크기 조정 옵션을 지원합니다.
자동 모델 튜닝의 임의 검색을 사용하면 기본적으로 채택되는 반복적인 접근 방식 대신 검색 공간에서 하이퍼파라미터의 조합을 임의로 선택하여 모든 튜닝 시도를 동시에 실행함으로써 결과를 더 빨리 얻을 수 있습니다. 두 방법 모두 고도로 정확한 모델을 생성할 수 있지만 임의 검색의 경우 기본값과 동일한 정확도 레벨을 생성할 수는 없습니다. 따라서 고객은 정확도를 극대화하는 것보다 속도가 중요한 경우에 임의 검색을 사용해야 합니다.
Amazon SageMaker에는 자동 모델 튜닝 도중 로그 크기 조정 및 역방향 로그 크기 조정 하이퍼파라미터 크기 조정 방법을 사용하는 옵션도 도입되었습니다. SageMaker에서는 기본적으로 하이퍼파라미터 값이 균일하게 분포되어 있다고 가정하며, 선형 크기 조정을 바탕으로 검색 범위에서 값을 선택합니다. 하지만 일반적인 값이 몇 십 배 범위에 걸쳐 있고 균일하게 분포되어 있지 않은 학습 속도 같은 일부 하이퍼파라미터 유형의 경우에는 이러한 방법이 가장 효과적이지는 않을 수 있습니다. 고객은 SageMaker를 활용하여 크기 조정 방법을 자동으로 결정할 수도 있고, 튜닝할 하이퍼파라미터마다 수동으로 선택할 수도 있습니다.
자동 모델 튜닝의 하이퍼파라미터 자동 크기 조정 및 임의 검색은 현재 Amazon SageMaker를 사용할 수 있는 모든 AWS 리전에서 제공됩니다. 자세한 내용은 여기 관련 블로그를 참조하십시오.