Amazon SageMaker 的自動模型調校現在普遍可用。憑藉該功能，Amazon SageMaker 透過調整數千種不同的演算法參數組合來自動調校您的模型，讓模型得以產生最準確的預測結果。

您調校模型以提高準確性時，有兩大項目必須調整：首先是修改您提供給模型的資料輸入 (例如，使用特定數量的日誌)，其次是調整演算法的參數。這些稱為超參數，要想找出正確的值相當困難。通常，您會從隨機值開始下手，之後反覆進行調整，看看有什麼變化。視您的模型有多少超參數而定，這整個過程可能相當漫長。

Amazon SageMaker 透過在訓練期間提供自動模型調校選項，以簡化這個程序。Amazon SageMaker 會確實使用機器學習來調整您的機器學習模型。整個程序包括了解哪些項目會影響模型上的不同資料類型，還有在多個模型副本套用該知識，以快速找出最佳的可能結果。如果您是開發人員或資料科學家，這表示您只須留意對提供給模型的資料想做的調整，如此能大幅減少您在訓練期間必須留意的事項。啟動自動模型調校時，您只需透過 API 指定訓練作業的數量，然後 Amazon SageMaker 處理其餘部分。

自動模型調校現已在 AWS 區域美國東部 (維吉尼亞北部)、美國東部 (俄亥俄)、美國西部 (奧勒岡)、歐洲 (愛爾蘭) 和亞太區域 (東京) 提供。請造訪文件頁面以取得更多有關自動模型調校的更多資訊，並閱讀部落格貼文了解如何在您的訓練作業中使用自動模型調校。