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.
Aufgaben zur Optimierung und Training von Hyperparametern verwalten
Ein Optimierungsauftrag kann viele Schulungsaufträge enthalten. Das Erstellen und Verwalten dieser Aufträge und ihrer Definitionen kann zu einer komplexen und einfachen Aufgabe werden. SageMaker stellt Tools bereit, mit denen die Verwaltung dieser Aufträge erleichtert werden kann. Auf Optimierungsaufträge, die Sie ausgeführt haben, kann über die Amazon- SageMaker Konsole unter 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 mit dem - SageMaker SDK hinzuzufügen. Weitere Informationen über die Verwendung von Tagging für AWS-Ressourcen finden Sie unter Tagging von AWS Ressourcen.
