自动模型调优的资源限制
SageMaker 为自动模型调优所使用的资源设置了以下默认限制：
| 资源 | 区域 | 默认限制 | 可以增加至 |
|---|---|---|---|
|
并行（并发）超参数调优作业数 |
全部 |
100 |
不适用 |
|
可搜索的超参数数量 * |
全部 |
30 |
不适用 |
|
每个超级参数调优作业所定义的指标数 |
全部 |
20 |
不适用 |
|
每个超级参数调优作业的并发训练作业数 |
全部 |
10 |
100 |
|
[贝叶斯优化] 每个超级参数调优作业的训练作业数 |
全部 |
750 |
不适用 |
|
[随机搜索] 每个超级参数调优作业的训练作业数 |
全部 |
750 |
10000 |
|
[Hyperband] 每个超级参数调优作业的训练作业数 |
全部 |
750 |
不适用 |
|
[网格] 每个超参数调优作业的训练作业数，可以是明确指定的，也可以是从搜索空间推断出来的 |
全部 |
750 |
不适用 |
|
超参数调优作业的最大运行时 |
全部 |
30 天 |
不适用 |
* 每个分类超参数最多可以有 30 个不同的值。
资源限制示例
在计划超参数调优作业时，还必须考虑训练资源限制。有关 SageMaker 训练作业的默认资源限制的信息，请参阅 SageMaker 限制。运行所有超参数调优作业的每个并发训练实例，都计入允许的训练实例总数内。例如，如果您运行 10 个并发超参数调优作业，每个超参数调优作业总共运行 100 个训练作业，各运行 20 个并发训练作业。每个训练作业在一个 ml.m4.xlarge 实例上运行。以下限制适用：
-
并发超参数调优作业数：无需放宽限制，因为 10 个调优作业低于 100 的限制。
-
每个超参数调优作业的训练作业数：无需放宽限制，因为 100 个训练作业低于 750 的限制。
-
每个超参数调优的并发训练作业数：需要请求将限制放宽到 20，因为默认限制为 10。
-
SageMaker 训练 ml.m4.xlarge 实例：需要请求将限制放宽到 200，因为您有 10 个超参数调优作业，每个调优作业又各运行 20 个并发训练作业。默认限制为 20 个实例。
-
SageMaker 训练总实例计数：需要请求将限制放宽到 200，因为您有 10 个超参数调优作业，每个调优作业又各运行 20 个并发训练作业。默认限制为 20 个实例。
请求增加限额：
-
打开 Amazon 支持中心
页面，登录（如有必要），然后选择创建案例。 -
在创建案例 页面上，选择增加服务限制。
-
在案例详细信息面板中，对于限制类型，选择 SageMaker 自动模型调优 [超参数优化]
-
在请求面板中，对于请求 1，选择地区、要增加的资源限制，以及您请求的新的限制值。如果您还有增加限额请求，可选择添加另一个请求。
-
在案例描述面板中，提供有关您使用案例的描述。
-
在联系选项面板中，选择您的首选联系方式（Web、聊天或电话），然后选择提交。