Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Ein Optimierungsjob kann viele Schulungsjobs enthalten, und das Erstellen und Verwalten dieser Jobs und ihrer Definitionen kann zu einer komplexen und aufwändigen Aufgabe werden. SageMaker KI bietet Tools, die die Verwaltung dieser Jobs erleichtern. Auf die von Ihnen ausgeführten Tuning-Jobs kann über die Amazon SageMaker AI-Konsole unter zugegriffen werden https://console.aws.amazon.com/sagemaker/
Um zu sehen, wie die Trainingsjobs Teil eines Tuning-Jobs sind, wählen Sie einen der Hyperparameter-Tuning-Jobs aus der Liste aus. Mithilfe der Registerkarten auf der Tuning-Job-Seite können Sie die Trainingsjobs, ihre Definitionen, die für den Tuning-Job verwendeten Tags und die Konfiguration sowie den besten Trainingsjob, der beim Tuning gefunden wurde, überprüfen. Sie können den besten Trainingsjob oder einen der anderen Trainingsjobs, die zum Tuning-Job gehören, auswählen, um alle zugehörigen Einstellungen zu sehen. Von hier aus können Sie ein Modell erstellen, das die Hyperparameterwerte verwendet, die in einem Trainingsjob gefunden wurden, indem Sie Modell erstellen auswählen, oder Sie können den Trainingsjob klonen, indem Sie Klonen auswählen.
Klonen
Sie können Zeit sparen, indem Sie einen Trainingsjob klonen, der zu einem Hyperparameter-Tuning-Job gehört. Beim Klonen werden alle Einstellungen des Jobs kopiert, einschließlich Datenkanäle und S3-Speicherorte für Ausgabeartefakte. Sie können dies für Trainingsjobs tun, die Sie bereits von der Tuning-Job-Seite aus ausgeführt haben, wie gerade beschrieben, oder wenn Sie zusätzliche Trainingsjobdefinitionen erstellen, während Sie einen Hyperparameter-Tuning-Job erstellen, wie in Hinzufügen oder Klonen eines Trainingsauftrags Schritt 1 dieses Verfahrens beschrieben.
Tagging
Die automatische Modelloptimierung startet mehrere Trainingsjobs innerhalb eines einzigen übergeordneten Tuning-Jobs, um die ideale Gewichtung der Modell-Hyperparameter zu ermitteln. Wie im Bestandteile eines Tuning-Jobs Abschnitt beschrieben, können dem übergeordneten Optimierungsjob Tags hinzugefügt werden. Diese Tags werden dann an die einzelnen Trainingsjobs weitergegeben, die darunter liegen. Kunden können diese Tags für Zwecke wie Kostenzuweisung oder Zugriffskontrolle verwenden. Verwenden Sie die AddTagsAPI, um Tags mithilfe des SageMaker SDK hinzuzufügen. Weitere Informationen zur Verwendung von Tagging für AWS Ressourcen finden Sie unter Ressourcen taggen AWS.
