Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Actualice XGBoost la versión 0.90 a la versión 1.5
Si utiliza SageMaker PythonSDK, para actualizar los trabajos XGBoost 0.90 existentes a la versión 1.5, debe tener SDK instalada la versión 2.x y cambiar los framework_version
parámetros XGBoost version
y a 1.5-1. Si utiliza Boto3, necesitará actualizar la imagen de Docker, así como algunos hiperparámetros y objetivos de aprendizaje.
Temas
Actualice la SDK versión 1.x de SageMaker AI Python a la versión 2.x
Si todavía usa la versión 1.x de SageMaker PythonSDK, debe actualizar la versión 2.x de Python SageMaker . SDK Para obtener información sobre la última versión de SageMaker PythonSDK, consulte Usar la versión 2.x de SageMaker Python SDK
python -m pip install --upgrade sagemaker
Cambiar la etiqueta de imagen a 1.5-1
Si utiliza SageMaker Python SDK y utiliza el algoritmo XGBoost incorporado, cambie el parámetro de versión en. image_uris.retrive
from sagemaker import image_uris image_uris.retrieve(framework="xgboost", region="us-west-2", version="1.5-1") estimator = sagemaker.estimator.Estimator(image_uri=xgboost_container, hyperparameters=hyperparameters, role=sagemaker.get_execution_role(), instance_count=1, instance_type='ml.m5.2xlarge', volume_size=5, # 5 GB output_path=output_path)
Si utiliza SageMaker Python SDK y lo utiliza XGBoost como marco para ejecutar sus scripts de entrenamiento personalizados, cambie el framework_version
parámetro en XGBoostAPI.
estimator = XGBoost(entry_point = "your_xgboost_abalone_script.py", framework_version='1.5-1', hyperparameters=hyperparameters, role=sagemaker.get_execution_role(), instance_count=1, instance_type='ml.m5.2xlarge', output_path=output_path)
sagemaker.session.s3_input
en SageMaker Python, SDK la versión 1.x ha cambiado de nombre asagemaker.inputs.TrainingInput
. Debe utilizar sagemaker.inputs.TrainingInput
como se muestra en el ejemplo siguiente.
content_type = "libsvm" train_input = TrainingInput("s3://{}/{}/{}/".format(bucket, prefix, 'train'), content_type=content_type) validation_input = TrainingInput("s3://{}/{}/{}/".format(bucket, prefix, 'validation'), content_type=content_type)
Para ver la lista completa de cambios de la SDK versión 2.x de SageMaker Python, consulta Usar la versión 2.x de Python SageMaker
Cambiar la imagen de Docker para Boto3
Si usa Boto3 para entrenar o implementar su modelo, cambie la etiqueta de imagen de Docker (1, 0,72, 0.90-1 o 0.90-2) a 1.5-1.
{ "AlgorithmSpecification":: { "TrainingImage": "746614075791.dkr.ecr.us-west-1.amazonaws.com/sagemaker-xgboost:1.5-1" } ... }
Si utiliza SageMaker Python SDK para recuperar la ruta del registro, cambie el version
parámetro enimage_uris.retrieve
.
from sagemaker import image_uris image_uris.retrieve(framework="xgboost", region="us-west-2", version="1.5-1")
Actualización de hiperparámetros y objetivos de aprendizaje
El parámetro silencioso ha quedado obsoleto y ya no está disponible en la versión XGBoost 1.5 y en las versiones posteriores. En su lugar, usa verbosity
. Si usaba el objetivo de aprendizaje reg:linear
, este también ha quedado obsoleto y ha sido reemplazado por reg:squarederror
. En su lugar, usa reg:squarederror
.
hyperparameters = { "verbosity": "2", "objective": "reg:squarederror", "num_round": "50", ... } estimator = sagemaker.estimator.Estimator(image_uri=xgboost_container, hyperparameters=hyperparameters, ...)