Publicado: Jul 15, 2022
O Amazon SageMaker Automatic Model Tuning permite que você encontre a versão mais precisa de um modelo de machine learning (ML), localizando o conjunto ideal de configuração de hiperparâmetros para um conjunto de dados. Agora, o SageMaker Automatic Model Tuning oferece maiores limites para duas cotas de serviço, aumentando em até 50% o número total de trabalhos de treinamento executados e o número máximo de hiperparâmetros que podem ser pesquisados por trabalho de ajuste.
A partir de hoje, você já pode executar até 750 trabalhos de treinamento em um único trabalho de ajuste (1,5 vezes mais que o limite padrão anterior de 500) quando o usa os métodos de pesquisa “Bayesian” ou “random”. A possibilidade de executar mais trabalhos de treinamento por trabalho de ajuste permite explorar mais combinações de hiperparâmetros e ajuda a otimizar o equilíbrio ente tempo de execução, performance preditiva e custo geral. A exploração de mais combinações aumenta a probabilidade de encontrar configurações de hiperparâmetros de alta qualidade, aprimorando assim a qualidade do modelo de ML. Além disso, o SageMaker Automatic Model Tuning continuará a oferecer a exploração de até 10.000 configurações de hiperparâmetros para a estratégia “random search” por meio de uma solicitação de aumento de limite usando o AWS Support Center.
E agora é possível ajustar até 30 hiperparâmetros em qualquer estratégia de pesquisa, um limite 1,5 vezes superior ao limite anterior de 20. Com esse número tão elevado de hiperparâmetros, o SageMaker Automatic Model Tuning pode ser utilizado em casos de uso como pesquisa de arquitetura neural, que normalmente exige um grande número de hiperparâmetros para ajuste.
Os limites aumentados do SageMaker Automatic Model Tuning já estão disponíveis em todas as regiões comerciais da AWS para todos os trabalhos de ajuste. Os novos limites podem ser encontrados na página de limites de recursos e na lista de cotas padrão do Amazon SageMaker na página de cotas de serviço. Você pode iniciar trabalhos do SageMaker Automatic Model Tuning com os limites ampliados no Console da AWS ou usando o AWS SDK ou o SageMaker SDK. Para saber mais, acesse a documentação técnica do SageMaker Automatic Model Tuning.