本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 自动模型调优的资源限制
<a name="automatic-model-tuning-limits"></a>

SageMaker AI 为自动模型调整使用的资源设置以下默认限制：


| 资源 | Regions | 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 \$1  |  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  | 

\$1 每个分类超参数最多可以有 30 个不同的值。

## 资源限制示例
<a name="automatic-model-tuning-limits-example"></a>

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 AI 训练作业的默认资源限制的信息，请参阅 [SageMaker AI 限制](https://docs.amazonaws.cn/general/latest/gr/aws_service_limits.html#limits_sagemaker)。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 AI 训练 **ml.m4.x** large 实例：您需要请求将限制提高到 200 个，因为您有 10 个超参数调整作业，每个任务都在运行 20 个并发训练作业。默认限制为 20 个实例。
+ SageMaker AI 训练总实例数：您需要请求将限制提高到 200，因为您有 10 个超参数调整作业，每个任务都在运行 20 个并发训练作业。默认限制为 20 个实例。

**请求增加限额：**

1. 打开 [Amazon 支持中心](https://console.amazonaws.cn/support/home#/)页面，登录（如有必要），然后选择**创建案例**。

1. 在**创建案例** 页面上，选择**增加服务限制**。

1. 在**案例详细信息**面板上，为**限制**类型选择 **SageMaker AI 自动模型调整 [超参数优化]** 

1. 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**。  
![\[\]](http://docs.amazonaws.cn/sagemaker/latest/dg/images/hpo/hpo-quotas-service-linit-increase-request.PNG)

1. 在**案例描述**面板中，提供有关您使用案例的描述。

1. 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**。