게시된 날짜: Dec 20, 2022
Amazon SageMaker 자동 모델 튜닝은 이제 더 재현성 있는 튜닝 결과를 위해 무작위 하이퍼파라미터를 생성하도록 시드를 설정하는 옵션을 제공합니다. 이를 통해 규정 준수 또는 규제상의 이유로 조정 작업 결과를 재현할 수 있어야 하는 사용 사례가 가능해집니다.
Amazon SageMaker 자동 모델 튜닝을 사용하면 최적의 하이퍼파라미터 구성 세트를 검색하여 가장 정확한 기계 학습 모델 버전을 찾을 수 있습니다. 이전에는 검색 전략의 확률적 특성으로 인해 동일한 조정 작업을 두 번 이상 실행하면 권장되는 하이퍼파라미터 구성을 변경할 수 있었습니다. 즉, 동일한 알고리즘, 데이터 세트 및 동일한 구성으로 조정 작업을 실행하더라도 이전 조정 결과를 항상 재현할 수 있는 것은 아닙니다.
오늘부터 정수를 하이퍼파라미터 조정을 위한 랜덤 시드로 지정하여 하이퍼파라미터를 생성할 수 있습니다. 동일한 조정 작업을 다시 실행할 때 동일한 시드를 사용하여 이전 결과와 더 일치하는 하이퍼파라미터 구성을 생성할 수 있습니다. 랜덤 및 하이퍼밴드 전략의 경우 동일한 랜덤 시드를 사용하면 동일한 튜닝 작업에 대해 이전 하이퍼파라미터 구성을 최대 100% 재현할 수 있습니다. Bayesian 전략의 경우 동일한 무작위 시드를 사용하면 동일한 조정 작업의 재현성이 크게 향상됩니다.