최적의 모델을 찾기 위해 하이퍼파라미터 최적화로 다중 알고리즘 조정하기

여러 알고리즘을 튜닝하는 Amazon SageMaker AI를 사용하여 새 하이퍼파라미터 최적화(HPO) 작업을 생성하려면 테스트할 모든 알고리즘에 적용되는 작업 설정과 이러한 각 알고리즘에 대한 훈련 정의를 제공해야 합니다. 또한 튜닝 작업 시 사용할 리소스도 지정해야 합니다.

• 구성할 작업 설정에는 웜 스타트, 초기 중지, 튜닝 전략이 포함됩니다. 웜 스타트 및 초기 중지는 단일 알고리즘을 튜닝하는 경우에만 사용할 수 있습니다.

• 각 훈련 작업에 대한 하이퍼파라미터 값 세트를 구성하기 위해 필요 시 이름, 알고리즘 소스, 목표 지표, 값 범위를 지정하는 훈련 작업 정의. 각 훈련 작업에 대한 데이터 입력 채널, 데이터 출력 위치 및 모든 체크포인트 저장 위치를 구성합니다. 또한 정의는 인스턴스 유형 및 개수, 관리형 스팟 훈련, 중지 조건 등 각 훈련 작업에 배포할 리소스를 구성합니다.

• 튜닝 작업 리소스: 하이퍼파라미터 튜닝 작업이 동시에 실행할 수 있는 최대 동시 훈련 작업 수와 하이퍼파라미터 튜닝 작업이 실행할 수 있는 최대 훈련 작업 수를 비롯한 배포 대상 리소스.

시작하기

새 하이퍼파라미터 튜닝 작업을 생성하거나, 작업을 복제하거나, 콘솔에 있는 작업에 태그를 추가 또는 편집하거나, 할 수 있습니다. 검색 기능을 사용하여 이름, 생성 시간 또는 상태별로 작업을 찾을 수도 있습니다. 또는 SageMaker AI API를 사용하여 하이퍼파라미터 튜닝 작업을 수행할 수도 있습니다.

• 콘솔: 새 작업을 생성하려면 https://console.aws.amazon.com/sagemaker/ Amazon SageMaker AI 콘솔을 열고 교육, 메뉴에서 하이퍼파라미터 튜닝 작업을 선택한 다음 하이퍼파라미터 튜닝 작업 생성을 선택합니다. 그 다음에 구성 설정에 따라 사용하려는 각 알고리즘에 대한 훈련 작업을 생성합니다. 이 단계에 대한 설명은 하나 이상의 알고리즘에 대한 하이퍼파라미터 최적화 튜닝 작업 생성(콘솔) 주제에 있습니다.

  참고

  구성 단계를 시작할 때 다중 알고리즘 HPO에서는 웜 스타트 및 조기 정지 기능을 사용할 수 없음에 유의하세요. 이러한 기능을 사용하고 싶은 경우에는 한 번에 하나의 알고리즘만 튜닝할 수 있습니다.

• API로: SageMaker API를 사용하여 하이퍼파라미터 튜닝 작업을 생성하는 방법은 예제: 하이퍼파라미터 튜닝 작업에서 확인하세요. CreateHyperParameterTuningJob을(를) 호출하여 다중 알고리즘을 튜닝할 때는 TrainingJobDefinitions을(를) 이용한 훈련 정의 목록을 단일 TrainingJobDefinition을 지정하는 대신 입력해야 합니다. 테스트할 모든 알고리즘에 적용되는 작업 설정과 각 알고리즘에 대한 훈련 정의를 제공해야 합니다. 또한 튜닝 작업 시 사용할 리소스도 지정해야 합니다. 튜닝 중인 알고리즘 수에 따라 이러한 정의 유형 중 하나만 선택합니다.

주제

• 하나 이상의 알고리즘에 대한 하이퍼파라미터 최적화 튜닝 작업 생성(콘솔)

• 하이퍼파라미터 튜닝 및 훈련 작업 관리