我尝试使用下面给出的示例代码在我的机器上本地运行Hyperparameter调优作业。按照其他一些帖子中的建议更新SageMaker和boto3并没有什么帮助。 这是否意味着本地不支持超参数调优，或者如果我遗漏了什么？
浏览 23提问于2020-10-19得票数 0
下面是我正在努力实现的目标的高级图片:我想用spark作为一个计算来训练一个模型，所有这些都是在SageMaker中使用他们的训练Job。我希望使用SageMaker培训作业设置，这样我就可以使用SM超参数优化工作来为LightGBM找到最佳的超级参数。现在，我知道了在SM中运行自定义培训的一般方法:以某种方式构建一个容器，然后从ECR中提取它，并通过sa
浏览 3提问于2022-01-24得票数 2
回答已采纳
我创建了一个自定义的docker容器来在Amazon Sagemaker上运行Catboost，遵循这个演示(https://github.com/aws-samples/sagemaker-byo-catboost-container-demo/blob/master/Catboost_container_for_SageMaker.ipynb)。我现在想使用这个自定义容器进行超参数</em
浏览 35提问于2021-01-03得票数 4
我有成千上万的培训工作，我想要运行的萨吉克。基本上，我有一个超参数列表，我想并行地训练所有这些超参数的模型(不是标准的超参数调优，我们只是想优化超参数，这里我们想训练所有的超参数)。例如，假设我有10,000个培训工作，而我的配额是20个实例，那么使用所有可用实例来运行这些工作的最佳方法是什么？特别地，
是否有一个“队列管理器”功能可以获取<
浏览 5提问于2022-04-21得票数 0
回答已采纳
使用SageMaker python SDK，我创建了一个超参数调优作业，它并行运行多个作业来搜索最佳的HP值。 作业完成后，我得到了最好的培训作业名称，即字符串" job ...“。我找到了关于如何使用AWS-CLI或http请求来描述作业的following article。 有没有办法使用python SDK来避免向SageMaker发送经过身份验
浏览 16提问于2020-11-01得票数 1
回答已采纳
我正在使用亚马逊网络服务SageMaker运行超参数调优来优化XGBoost模型。我可以使用下面的示例代码来做到这一点。我的问题是:我如何才能获得最好的超参数调优作业，并通过代码创建模型？我知道在AWS控制台中，我可以看到最好的工作并点击“创建模型”，但我希望能够使用Python代码来完成此操作。sess = sagemaker.Session()
s3_inpu
浏览 9提问于2020-03-07得票数 0
1回答
基本上，我宁愿使用云9(大部分时间)作为我的IDE，而不是木星。我困惑/不确定的是，如何从那里执行长时间运行的作业，比如(Bayesian)超参数优化。我能使用Sagemaker的功能吗？我是否应该使用码头并部署到ECR (寻找最便宜的ish选项)？任何指针都可以。对于这个特别的问题，我们将不胜感激。谢谢。
浏览 8提问于2022-01-08得票数 0
回答已采纳
我正在使用SageMaker Python来训练一个分类器。
我需要拆分这个过程的原因是为了保存在步骤2中创建的未经校准的模型。更准确地说，我希望将额外的自定义参数传递给sa
浏览 4提问于2020-01-08得票数 2
1回答
目前，我正在用SageMaker在AWS上运行一个概念的快速机器学习示例，我遇到了两个库：sagemaker和sagemaker_pyspark。我想处理分布式数据。我的问题是：
使用sagemaker是否等同于在不利用AWS的分布式计算能力的情况下运行培训任务？如果不是，我想如果不是，他们为什么要实现sagemaker_pyspark？基于这个假设，我不明白在scikit-learn笔记本上<
浏览 2提问于2021-03-26得票数 1
回答已采纳
这里没有偏见，但我发现很难在AWS文档中找到任何东西。Microsoft Azure对我来说要容易得多。这里，xgboost有一组从SageMaker获得的优化的超参数。
正如你所看到的，我的做法与理想相去甚远。我
浏览 2提问于2019-09-19得票数 0
在这个状态机中，我有一个映射状态，在这个状态下，我使用SageMaker运行多个ML模型训练，数量取决于上一步的输出，我们有2-5个数据集。我正在努力根据上一步的输出动态地设置训练作业名称。如果我使用静态名称，即使只有1个训练，我也不能多次运行状态机，因为训练作业已经存在。hyperparameters: {
"max_depth.$": "$.hyperparameters.max_depth", s3Da
浏览 16提问于2021-01-26得票数 0
我正在尝试使用最新的SageMaker Python SDK (v2.23.0)来实现一个包含超参数调优作业的SageMaker管道。但是，我在模块sagemaker.workflow.steps或sagemaker.workflow.step_collections中没有看到任何我可以使用的东西。
浏览 2提问于2020-12-29得票数 0
在像ml.p3.2xlarge这样的SageMaker上运行非本地实例时，我不能使用本地file:// URI，而必须使用s3://这是有意义的，因为它是一个新实例。但是，当将s3 URI用于100 10数据集tf_estimator.fit(s3://bucket/path/to/my/data)以便我可以使用更大的非本地</
浏览 6提问于2019-01-26得票数 2
我的任务是在一家中型公司为ML开发定义AWS工具。假设有十几个ML工程师加上其他熟悉无服务器( lambdas和框架)的DevOps员工。主要问题是:a )什么是允许与ML开发相关的主要任务(创建、训练、拟合模型、数据预处理、超参数优化、作业管理、包装无服务器服务、收集模型度量等)的体系结构；b)可用于打包和部署事物的主要工具有哪些；c)Jupyter笔记本非常适合概念验证，也是最接近PowerPoint的管理工具……但在考虑可部署的代码单元时，我对笔记本电脑有一个问题。2- (可选)执
浏览 20提问于2020-12-08得票数 0
1回答
亚马逊DeepAR超参数调整错误
、、、、
这是我在运行代码后得到的结果：AttributeError：“DeepAREstimator”对象没有特性“”_prepare_for_training“”
似乎在互联网上很少
浏览 0提问于2021-05-26得票数 0
Google Cloud ML使用贝叶斯优化来缓解维度的诅咒。在特定情况下，我有一些超参数调优作业，在这些作业中，我希望对超参数调优作业中的超参数网格执行详尽的搜索。我该怎么做呢？我执行纯网格搜索的动机是:我观察到，针对完全离散类型的超参数的超参数调优作业多次评估相同的超<e
浏览 3提问于2018-01-19得票数 1
我需要运行一个每天的etl作业，必须下载一些CSV文件，并运行一些熊猫处理。该文件的大小足以使lambda在处理过程中出现故障，但seems似乎有点过火。胶水不允许熊猫使用。什么是日常处理有意义的？我目前正在考虑以下方案
在EC2实例上作为
浏览 3提问于2020-09-08得票数 1
1回答
我正在运行一个的管道，有两个步骤，调优，然后训练。其目的是通过调优获得最佳的超参数，然后在下一个训练步骤中使用这些超参数。我知道我可以在调优之后使用HyperparameterTuningJobAnalytics检索调优作业规范。但是，我希望能够使用类似于依赖项的超参数，并将它们直接传递给下一次培训--步骤的估计器，请参阅下面的代码：hyperparameters=step_tun
浏览 7提问于2022-08-10得票数 1
回答已采纳
我正在使用内置于blazingtext培训图像中的Sagemaker运行一项超参数调优工作(blazingtext:最新)，但是，当我的工作完成时，它们只注销#列车的准确性：06:00:36time in seconds: 1888.8806:13:19 Number of train examples: 55783
超参数作业不允许我选择在</em
浏览 0提问于2018-12-18得票数 0
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
