Gérer les tâches de réglage et d'entraînement des hyperparamètres

Une tâche de mise au point peut contenir de nombreux emplois de formation. La création et la gestion de ces emplois et de leurs définitions peuvent devenir une tâche complexe et onéreuse. SageMaker L'IA fournit des outils pour faciliter la gestion de ces emplois. Les tâches de réglage que vous avez exécutées sont accessibles depuis la console Amazon SageMaker AI à l'adresse https://console.aws.amazon.com/sagemaker/. Sélectionnez Hyperparameter tuning job (Tâche de réglage des hyperparamètres) à partir du menu Training (Entraînement) pour afficher la liste. Cette page est également l'endroit où vous démarrez la procédure de création d'une tâche de réglage en sélectionnant Create hyperparameter tuning job (Créer une tâche de réglage des hyperparamètres).

Pour voir les tâches d'entraînement exécuter une partie d'une tâche de réglage, sélectionnez l'une des tâches de réglage d'hyperparamètres dans la liste. Les onglets de la page de la tâche de réglage vous permettent d'inspecter les tâches d'entraînement, leurs définitions, les balises et la configuration utilisées pour le tâche de réglage, ainsi que la meilleure tâche d'entraînement trouvée lors du réglage. Vous pouvez sélectionner la meilleure tâche d'entraînement ou l'une des autres tâches d'entraînement qui appartiennent à la tâche de réglage pour voir tous leurs paramètres. À partir de là, vous pouvez créer un modèle qui utilise les valeurs des hyperparamètres trouvées par une tâche d'entraînement en sélectionnant Create Model (Créer un modèle) ou vous pouvez cloner la tâche d'entraînement en sélectionnant Clone (Cloner).

Clonage

Vous pouvez gagner du temps en clonant une tâche d'entraînement qui appartient à une tâche de réglage d'hyperparamètres. Le clonage copie tous les paramètres de tâche, y compris les canaux de données et les emplacements de stockage S3 pour les artefacts de sortie. Vous pouvez le faire pour les tâches d'entraînement que vous avez déjà exécutées à partir de la page de la tâche de réglage, comme cela vient d'être décrit, ou lorsque vous créez des définitions de tâche d'entraînement supplémentaires lors de la création d'une tâche de réglage d'hyperparamètres, comme décrit dans l'étape Ajout ou clonage d'une tâche d'entraînement de cette procédure.

Identification

Le réglage de modèle automatique lance plusieurs tâches d'entraînement au sein d'une tâche de réglage parent unique pour découvrir la pondération idéale des hyperparamètres du modèle. Des identifications peuvent être ajoutées à la tâche de réglage parent comme décrit dans la section Composants d'une tâche de réglage et ces identifications sont ensuite propagées aux tâches d'entraînement individuelles ci-dessous. Les clients peuvent utiliser ces balises à des fins telles que l'allocation des coûts ou le contrôle d'accès. Pour ajouter des balises à l'aide du SDK SageMaker AI, utilisez l'AddTagsAPI. Pour plus d'informations sur l'utilisation du balisage des AWS ressources, consultez la section Balisage des AWS ressources.