Publicado: May 7, 2021
O Amazon SageMaker Automatic Model Tuning permite que você encontre a melhor versão de um modelo, localizando o conjunto ideal de configuração de hiperparâmetros para seu conjunto de dados. A partir de hoje, o SageMaker Automatic Model Tuning oferece suporte para a execução de até 100 trabalhos de treinamento paralelos para ajuste de hiperparâmetros, o que proporciona um aumento de 10X de tarefas de treinamento paralelas para que você possa concluir seu ajuste com mais rapidez. Além disso, para a estratégia de pesquisa “Aleatória”, o SageMaker Automatic Model Tuning agora oferece suporte para explorar até 10.000 configurações de hiperparâmetros, o que equivale a um aumento de 20x em relação ao limite anterior de 500, permitindo que você melhore a cobertura do espaço de pesquisa, que resulta em uma performance preditiva potencialmente melhor do seu modelo.
Executar mais trabalhos de treinamento em paralelo é uma abordagem preferencial com a estratégia de pesquisa “Aleatória”, uma vez que reduz o tempo espera sem afetar a performance preditiva dos modelos. Para a estratégia de pesquisa “Bayesiana”, você pode se beneficiar de explorar mais combinações de hiperparâmetros ao aumentar o número de trabalhos de treinamento paralelos, a fim de gerenciar as compensações entre tempo de espera, performance preditiva e custo geral.
Os limites aumentados para o Amazon SageMaker Automatic Model Tuning agora estão disponíveis mediante solicitação em todas as regiões existentes em que o SageMaker Automatic Model Tuning está disponível, exceto nas regiões AWS GovCloud. Para começar, solicite um aumento de limite usando o AWS Support Center ou leia nossa documentação para saber mais sobre o Ajuste automático de modelos do SageMaker.