Publicado: Dec 20, 2022
O Ajuste Automático de Modelos do Amazon SageMaker agora oferece a opção de definir a semente para gerar hiperparâmetros aleatórios para obter resultados de ajuste mais reproduzíveis. Isso permite casos de uso em que você precisa reproduzir os resultados do trabalho de ajuste, como por motivos de conformidade ou regulatórios.
O Ajuste Automático de Modelos do SageMaker permite que você encontre a versão mais precisa de um modelo de machine learning, localizando o conjunto ideal de configurações de hiperparâmetros. Anteriormente, executar o mesmo trabalho de ajuste mais de uma vez poderia levar a diferentes configurações recomendadas de hiperparâmetros devido à natureza estocástica das estratégias de pesquisa. Isso significava que você nem sempre conseguia reproduzir seus resultados de ajuste anteriores, mesmo ao executar um trabalho de ajuste no mesmo algoritmo, conjunto de dados e com as mesmas configurações.
A partir de hoje, você pode especificar um número inteiro como uma semente aleatória para ajuste de hiperparâmetros para gerar hiperparâmetros. Ao executar o mesmo trabalho de ajuste novamente, você pode usar a mesma semente para produzir configurações de hiperparâmetros que sejam mais consistentes com os resultados anteriores. Para as estratégias Random e Hyperband, usar a mesma semente aleatória pode oferecer até 100% de reprodutibilidade da configuração anterior de hiperparâmetros para o mesmo trabalho de ajuste. Para a estratégia Bayesian, usar a mesma semente aleatória melhorará significativamente a reprodutibilidade para o mesmo trabalho de ajuste.
A capacidade de especificar uma semente aleatória agora está disponível para o Ajuste Automático de Modelos do Amazon SageMaker em todas as regiões comerciais da AWS. Para saber mais, consulte a documentação técnica ou visite a página da web do Ajuste Automático de Modelos do SageMaker.