Publicado: Jan 24, 2023
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, você podia especificar variáveis de ambiente para o tempo de execução do algoritmo em trabalhos de treinamento do SageMaker, mas não podia fazer isso em trabalhos de ajuste. A partir de hoje, você tem a flexibilidade de especificar variáveis de ambiente de tempo de execução para scripts na API CreateTuningJob.
Com esse lançamento, você pode especificar diferentes comportamentos e configurações para trabalhos de treinamento usando as variáveis de ambiente passadas para a solicitação de CreateTuningJob. Isso também facilita a reutilização das definições do trabalho de treinamento para iniciar um trabalho de ajuste. Por exemplo, você pode se beneficiar de um registro em log mais detalhado para todas as tarefas de treinamento, configurando uma variável de ambiente para o ajuste, ou especificar a origem dos dados e personalizar diretamente a divisão treinamento/teste usando as variáveis de ambiente.
A capacidade de fornecer variáveis de ambiente no Ajuste Automático de Modelos do SageMaker já está disponível em todas as regiões comerciais da AWS e pode ser aplicada a todos os trabalhos de ajuste. Para saber mais, acesse o guia de referência da API, a documentação técnica ou a página do Ajuste Automático de Modelos do SageMaker.