Publicado: Jul 13, 2021
O Amazon SageMaker Pipelines, o primeiro serviço de integração contínua e entrega contínua (CI/CD) para machine learning (ML), agora está integrado ao recurso de ajuste de modelo automático do SageMaker. Os clientes podem adicionar uma etapa de ajuste de modelo (TuningStep) em seus Pipelines do SageMaker, que invocará automaticamente um trabalho de ajuste de hiperparâmetros. O ajuste de hiperparâmetros encontra a melhor versão de um modelo, executando muitos trabalhos de treinamento no conjunto de dados com o uso do algoritmo e dos intervalos de hiperparâmetros especificados pelos clientes. Eles podem então registrar a melhor versão do modelo no registro do modelo usando a etapa RegisterModel.
O suporte nativo para o ajuste de modelo do SageMaker como uma etapa em Pipelines permite que os clientes incorporem o ajuste de modelo automático como parte do fluxo de trabalho de construção do modelo sem escrever código de integração personalizado. Além disso, informações sobre a TuningStep, como a localização das fontes de dados e os artefatos de modelo, são automaticamente armazenadas pelo rastreamento de linhagem de ML do Amazon SageMaker, um serviço que cria e armazena informações sobre as etapas de um fluxo de trabalho de ML. Para saber mais, acesse nossa página de documentação.