게시된 날짜: Jan 31, 2023
이제 Amazon SageMaker 자동 모델 튜닝에서는 정확성, 비용 및 런타임 간에 원하는 절충점을 기반으로 튜닝 작업을 사용자 지정하는 데 도움이 되는 3가지 새로운 완료 기준을 지원합니다.
SageMaker 자동 모델 튜닝을 사용하면 다양한 검색 전략을 이용하여 데이터 세트에 가장 적합한 하이퍼파라미터 구성 세트를 검색함으로써 기계 학습(ML) 모델을 최적화할 수 있습니다. 이번 출시 전에는 최대 훈련 작업 수 또는 목표 지표를 지정하여 튜닝 작업을 완료하도록 선택할 수 있었습니다. 그러나 튜닝 작업을 특정 시간 전에 완료해야 하는 경우 실행할 훈련 작업의 수를 결정하는 것은 쉽지 않습니다. 또한 어떤 목표 지표가 합리적인지 모르기 때문에 목표 지표가 더 이상 개선되지 않으면 튜닝 작업을 완료하는 것이 더 나을 수 있습니다.
오늘부터 SageMaker 자동 모델 튜닝은 튜닝 작업을 위한 3가지 추가 완료 기준을 제공합니다. 이제 MaxRuntimeInSeconds를 사용하여 지정한 시간이 지나면 튜닝 작업을 자동으로 완료하도록 할 수 있습니다. 그리고 MaxNumberOfTrainingJobsNotImproving을 지정하여 최상의 목표 지표가 충분히 빠른 속도로 개선되지 않을 때 튜닝 작업을 중지할 수도 있습니다. 또한 이러한 완료 기준에 어떤 설정을 사용해야 할지 잘 모르는 경우 이제 CompleteOnConvergence 파라미터를 지정하여 후속 시도에서 목표 지표가 개선되지 않을 때 튜닝 작업을 자동으로 중지할 수 있습니다. 이러한 모든 새로운 완료 기준을 통해 비용, 런타임 및 정확성 간에 원하는 균형을 맞출 수 있습니다.
또한 SageMaker 자동 모델 튜닝은 이제 이러한 완료 기준을 평가할 수 있도록 설명 API 응답에 정보를 포함합니다. 여기에는 총 런타임(초), 지금까지 목표를 개선하지 못한 훈련 작업 수, 튜닝 작업의 수렴 여부를 나타내는 지표가 포함됩니다. 이 정보는 완료 기준 설정에 관계없이 사용할 수 있으므로 의사 결정 프로세스를 간소화하고 튜닝 작업을 중지할 시점을 결정하는 데 도움이 됩니다.
새로운 기능은 이제 모든 상용AWS 리전에서 SageMaker 자동 모델 튜닝에 사용할 수 있습니다. 자세한 내용은 API 참조 가이드, 기술 설명서 또는 SageMaker 자동 모델 튜닝 웹 페이지를 참조하세요.