使用超參數最佳化調校多個演算法，以找出最佳模型

若要使用 Amazon 建立新的超參數最佳化 （HPO） 任務 SageMaker 來調整多個演算法，您必須提供適用於要測試之所有演算法的任務設定，以及每個演算法的訓練定義。另外，還必須指定要用於調校任務的資源。

• 須設置的任務設定包括暖啟動、提早停止和調校策略。只有在調校單一演算法時，才能使用暖啟動和提早停止。

• 訓練任務定義可在必要時指定名稱、演算法來源、目標指標和值範圍，以便設定每個訓練任務的超參數值集。它會為每個訓練任務設置資料輸入、資料輸出位置和任何檢查點儲存位置的通道。此定義也會針對每個訓練任務設置要部署的資源，包括執行個體類型和計數、受管 Spot 訓練和停止條件。

• 調校任務資源：要部署的內容，包括超參數調校任務可同時執行的並行訓練工任務數量上限，以及超參數調校任務可執行的訓練任務數量上限。

開始使用

您可以從主控台建立新的超參數調校任務、複製任務、新增或編輯任務標籤。也可以使用搜尋功能，依名稱、建立時間或狀態尋找任務。或者，您也可以使用 超 SageMaker參數調校任務API。

• 在主控台 ：若要建立新任務，請在 開啟 Amazon SageMaker 主控台https://console.aws.amazon.com/sagemaker/，從訓練 、選單中選擇超參數調校任務，然後選擇建立超參數調校任務 。接著，依照設定步驟，為您要使用的每個演算法建立訓練任務。這些步驟已納入 為一或多個演算法建立超參數最佳化調校任務 (主控台) 主題文件中。

  注意

  開始組態步驟時，請注意暖啟動和提前停止功能不適用於多演算法 HPO。如果您想要使用這些功能，您一次只能調校一個演算法。

• 使用 API：如需使用 SageMaker API建立超參數調校任務的指示，請參閱範例：超參數調校任務 。當您呼叫 CreateHyperParameterTuningJob來調整多個演算法時，您必須使用TrainingJobDefinitions 提供訓練定義清單，而不是指定單一 TrainingJobDefinition。您必須提供適用於所有待測試演算法的任務設定，以及這些演算法的訓練定義。您也必須指定要用於調校任務的資源。根據正在調整的演算法數量，僅可選擇其中一種定義類型。

主題

• 為一或多個演算法建立超參數最佳化調校任務 (主控台)
• 管理超參數調校和訓練任務