Publicado: Jan 31, 2023
Agora, o Ajuste Automático de Modelos do Amazon SageMaker oferece suporte a três novos critérios de conclusão para ajudar você a personalizar trabalhos de ajuste com base no equilíbrio desejado entre precisão, custo e tempo de execução.
Com o Ajuste Automático de Modelos do SageMaker, você pode ajudar a otimizar modelos de machine learning (ML) pesquisando o conjunto ideal de configurações de hiperparâmetros para um conjunto de dados usando várias estratégias de pesquisa. Antes desse lançamento, você poderia optar por especificar o máximo de trabalhos de treinamento ou uma métrica de objetivo pretendido para concluir os trabalhos de ajuste. No entanto, quando o trabalho de ajuste precisava ser concluído dentro de um determinado prazo, não era trivial decidir quantos trabalhos de treinamento executar. Além disso, talvez você não saiba qual métrica de objetivo pretendido é razoável e prefere que o trabalho de ajuste seja concluído quando essa métrica deixe de melhorar.
A partir de hoje, o Ajuste Automático de Modelos do SageMaker oferece três critérios adicionais de conclusão para trabalhos de ajuste. Agora, você pode especificar MaxRuntimeInSeconds para concluir automaticamente um trabalho de ajuste após um determinado período. Para interromper um trabalho de ajuste quando o melhor objetivo não é aprimorado com rapidez suficiente, você também pode especificar MaxNumberOfTrainingJobsNotImproving. Além disso, se você não tiver certeza sobre quais configurações usar para esses critérios de conclusão, já pode especificar um parâmetro CompleteOnConvergence para interromper automaticamente o trabalho de ajuste quando a métrica de objetivo não melhora em testes subsequentes. Todos esses novos critérios de conclusão permitem que você alcance o equilíbrio desejado entre custo, tempo de execução e precisão.
Além disso, o Ajuste Automático de Modelos do SageMaker agora inclui informações na resposta da API de descrição para avaliar esses critérios de conclusão. Essas informações incluem o tempo total de execução em segundos, o número de trabalhos de treinamento que não aprimoraram o objetivo até o momento e um indicador de se o trabalho de ajuste convergiu. Elas estão disponíveis independentemente das configurações dos critérios de conclusão, o que simplifica o processo de tomada de decisão e ajuda a determinar quando interromper os trabalhos de ajuste.
A nova funcionalidade já está disponível para o Ajuste Automático de Modelos do SageMaker em todas as regiões comerciais da AWS. Para saber mais, acesse o guia de referência da API, a documentação técnica ou a página do Ajuste Automático de Modelos do SageMaker.