Amazon SageMaker 자동 모델 튜닝, 이제 SageMaker 교육 인스턴스 재사용을 통해 스타트업 오버헤드 20배 감소

Amazon SageMaker 자동 모델 튜닝을 통해 모델을 튜닝하기 시작한 각 교육 작업의 스타트업 시간을 20배 줄일 수 있습니다(2.5분에서 8초). 많은 수의 하이퍼파라미터 평가가 있는 경우 교육 인스턴스를 재사용하면 50개의 모든 순차 평가에서 총 2시간이 감소할 수 있습니다.

SageMaker 자동 모델 튜닝은 고객이 운용 중인 알고리즘에 대해 직접 선택한 특정 범위의 하이퍼파라미터를 사용해 데이터 세트에서 많은 수의 교육 작업을 실행하는 방식으로 가장 뛰어난 버전의 모델을 찾아냅니다. 그런 다음 SageMaker 자동 모델 튜닝은 가장 뛰어난 성능의 모델이 나온 결과로 최적의 하이퍼파라미터 값을 선택합니다.

이번 출시 이전에는 튜닝의 일부로 시작된 모든 교육 작업은 SageMaker 교육 인스턴스의 새로운 클러스터를 스핀업 및 준비하는 데 평균 2.5분의 오버헤드가 발생했었습니다. 이는 특히 교육 작업이 완료되는 데 몇 분밖에 걸리지 않는 상황에서 전반적으로 튜닝 작업이 느려질 때 병목 현상으로 나타날 수 있었습니다. 오늘부터 SageMaker 자동 모델 튜닝이 각 튜닝 작업 내에서 교육 인스턴스의 고정 클러스터를 자동으로 재사용함으로써 각 교육 작업의 평균 스타트업 시간을 20배 줄일 수 있게 되었습니다.

SageMaker 자동 모델 튜닝의 재사용 가능한 클러스터는 모든 상용AWS 리전에서 사용할 수 있습니다. 이 새로운 기능은 튜닝 작업을 시작할 때 기본적으로 수행됩니다. SageMaker 자동 모델 튜닝에 대한 자세한 내용은 설명서를 참조하세요.