게시된 날짜: Jul 15, 2022
Amazon SageMaker 자동 모델 튜닝을 사용하면 데이터 세트에 대한 최적의 하이퍼파라미터 구성 세트를 찾아 가장 정확한 기계 학습(ML) 모델 버전을 찾을 수 있습니다. SageMaker 자동 모델 튜닝은 이제 튜닝 작업당 실행할 수 있는 총 교육 작업 수와 튜닝 작업당 검색할 수 있는 최대 하이퍼파라미터 수를 최대 50% 증가시켜 두 가지 Service Quotas에 대한 한도 증가를 지원합니다.
오늘부터 단일 튜닝 작업의 일부로 총 750개의 교육 작업을 실행할 수 있는데, 이는 ‘베이지안’ 또는 ‘무작위’ 검색 방법을 사용할 경우 이전의 기본 한도인 500개의 1.5배입니다. 튜닝 작업당 증가된 총 교육 작업 수를 실행할 수 있는 기능을 통해 더 많은 하이퍼파라미터 조합을 탐색할 수 있고, 이는 실제 경과 시간, 예측 성능 및 전체 비용 간의 절충을 최적화하는 데 도움이 됩니다. 더 많은 조합을 탐색할수록 고품질 하이퍼파라미터 구성을 찾을 가능성이 높아지고 그 결과 ML 모델의 품질을 향상시킬 수 있습니다. 또한 AWS Support 센터를 사용한 한도 증가 요청을 통해 SageMaker 자동 모델 튜닝은 "무작위 검색" 전략의 경우 최대 10,000개의 하이퍼파라미터 구성 탐색을 계속 지원합니다.
또한 모든 검색 전략에 대해 이전 한도인 20개의 1.5배인 최대 30개의 하이퍼파라미터를 튜닝할 수 있습니다. 이렇게 더 많은 수의 하이퍼파라미터를 사용하면 일반적으로 더 많은 수의 하이퍼파라미터를 튜닝해야 하는 Neural Architecture Search과 같은 사용 사례에 SageMaker 자동 모델 튜닝을 이용할 수 있습니다.
이제 SageMaker 자동 모델 튜닝에 대한 한도 증가를 모든 상용 AWS 리전에서 사용할 수 있으며 모든 튜닝 작업에 적용할 수 있습니다. 리소스 한도 페이지에서 새 한도를 찾고 Service Quotas 페이지에서 Amazon SageMaker 기본 할당량의 목록을 찾을 수 있습니다. AWS SDK 또는 Sagemaker SDK를 사용하여 AWS Console에서 더 높은 한도로 SageMaker 자동 모델 튜닝 작업을 시작할 수 있습니다. 자세한 내용은 SageMaker 자동 모델 조정 기술 설명서를 참조하세요.