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.
Hyperparameter-Tuning- und Trainingsaufträge verwalten
Ein Tuning-Job kann viele Ausbildungsjobs beinhalten, und die Schaffung und Verwaltung dieser Jobs und ihrer Definitionen kann zu einer komplexen und mühsamen Aufgabe werden. SageMaker stellt Tools zur Verfügung, die die Verwaltung dieser Jobs erleichtern. Von Ihnen ausgeführte Tuning-Jobs können über die SageMaker Amazon-Konsole unter https://console.aws.amazon.com/sagemaker/
Um zu sehen, wie die Trainingsjobs als Teil eines Tuning-Jobs ausgeführt werden, wählen Sie einen der Hyperparameter-Optimierungsjobs aus der Liste aus. In den Tabs auf der Tuning-Job-Seite können Sie die Trainingsjobs, ihre Definitionen, die für den Tuning-Job verwendeten Tags und Konfigurationen sowie den besten Trainingsjob, der beim Tuning gefunden wurde, einsehen. Du kannst den besten Trainingsjob oder einen der anderen Trainingsjobs auswählen, die zum Tuning-Job gehören, um alle Einstellungen zu sehen. Von hier aus können Sie ein Modell erstellen, das die in einem Trainingsjob gefundenen Hyperparameterwerte verwendet, indem Sie Modell erstellen wählen, oder Sie können den Trainingsjob klonen, indem Sie Klonen wählen.
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 Trainingsjob-Definitionen erstellen, während Sie einen Hyperparameter-Optimierungsjob erstellen, wie imEinen Trainingsjob hinzufügen oder klonen Schritt dieses Verfahrens beschrieben.
Markierung
Die automatische Modelloptimierung startet mehrere Trainingsjobs innerhalb eines übergeordneten Optimierungsjobs, um die ideale Gewichtung der Modellhyperparameter zu ermitteln. Stichwörter können dem übergeordneten Tuning-Job hinzugefügt werden, wie imDefinieren von Auftragseinstellungen Abschnitt beschrieben. Diese Tags werden dann auf die einzelnen Trainingsjobs darunter übertragen. Kunden können diese Tags für Zwecke wie Kostenzuweisung oder Zugangskontrolle verwenden. Verwenden Sie die AddTagsAPI, um Tags mithilfe des SageMaker SDK hinzuzufügen. Weitere Informationen zur Verwendung von Tagging fürAWS Ressourcen finden Sie unter Tagging vonAWS Ressourcen.
