Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Ottimizza più algoritmi con l'ottimizzazione degli iperparametri per trovare il modello migliore
<a name="multiple-algorithm-hpo"></a>

Per creare un nuovo processo di ottimizzazione degli iperparametri (HPO) con Amazon SageMaker AI che ottimizza più algoritmi, devi fornire impostazioni di lavoro che si applicano a tutti gli algoritmi da testare e una definizione di training per ciascuno di questi algoritmi. È inoltre necessario specificare le risorse che si desidera utilizzare per il processo di ottimizzazione.
+ Le **impostazioni del processo** da configurare includono l'avvio a caldo, l'arresto anticipato e la strategia di ottimizzazione. L'avvio a caldo e l'arresto anticipato sono disponibili solo quando si ottimizza un singolo algoritmo.
+ La **definizione del processo di addestramento** per specificare il nome, la fonte dell'algoritmo, il parametro obiettivo e l'intervallo di valori, se necessario, per configurare l'insieme di valori degli iperparametri per ogni processo di addestramento. Configura i canali per l'input dei dati, le posizioni di output dei dati e tutti i percorso di archiviazione dei checkpoint per ogni processo di addestramento. La definizione configura anche le risorse da implementare per ogni processo di addestramento, compresi i tipi e il numero di istanze, l’addestramento spot gestito e le condizioni di arresto.
+ Le **risorse del processo di ottimizzazione**: da distribuire, compreso il numero massimo di processi di addestramento concomitanti che un processo di ottimizzazione degli iperparametri può eseguire simultaneamente e il numero massimo di processi di addestramento che il processo di ottimizzazione degli iperparametri può eseguire.

## Nozioni di base
<a name="multiple-algorithm-hpo-get-started"></a>

Puoi creare un nuovo processo di ottimizzazione degli iperparametri, clonare un processo, aggiungere o modificare i tag di un processo dalla console. È inoltre possibile utilizzare la funzione di ricerca per trovare le attività in base al nome, all'ora di creazione o allo stato. In alternativa, puoi anche eseguire lavori di ottimizzazione iperparametrica con l'API AI. SageMaker 
+ **Nella console**: per creare un nuovo lavoro, apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/), scegli **Lavori di ottimizzazione iperparametrica** dal menu **Formazione**, quindi scegli **Crea processo di ottimizzazione iperparametrica**. Quindi esegui le fasi di configurazione per creare un processo di addestramento per ogni algoritmo che desideri utilizzare. Queste fasi sono documentate nell'argomento [Creare un processo di ottimizzazione degli iperparametri per uno o più algoritmi (console)](multiple-algorithm-hpo-create-tuning-jobs.md). 
**Nota**  
Quando avvii le fasi di configurazione, tieni presente che le funzionalità di avvio a caldo e di arresto anticipato non sono disponibili per essere usati con HPO a più algoritmi. Per utilizzare queste funzionalità, puoi ottimizzare solo un singolo algoritmo alla volta. 
+ **Con l'API**: per istruzioni sull'utilizzo dell' SageMaker API per creare un processo di ottimizzazione degli iperparametri, vedi [Esempio: Hyperparameter Tuning](automatic-model-tuning-ex.html) Job. Quando chiami [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateHyperParameterTuningJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateHyperParameterTuningJob.html)per ottimizzare più algoritmi, devi fornire un elenco di definizioni di addestramento utilizzando [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateHyperParameterTuningJob.html#sagemaker-CreateHyperParameterTuningJob-request-TrainingJobDefinitions](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateHyperParameterTuningJob.html#sagemaker-CreateHyperParameterTuningJob-request-TrainingJobDefinitions)invece di specificarne una sola. [TrainingJobDefinition](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateHyperParameterTuningJob.html#sagemaker-CreateHyperParameterTuningJob-request-TrainingJobDefinition) È necessario fornire impostazioni di processo che si applichino a tutti gli algoritmi da testare e una definizione di addestramento per ciascuno di questi algoritmi. È inoltre necessario specificare le risorse che si desidera utilizzare per il processo di ottimizzazione. Scegli solo uno di questi tipi di definizione a seconda del numero di algoritmi da ottimizzare. 

**Topics**
+ [Nozioni di base](#multiple-algorithm-hpo-get-started)
+ [Creare un processo di ottimizzazione degli iperparametri per uno o più algoritmi (console)](multiple-algorithm-hpo-create-tuning-jobs.md)
+ [Gestire i processi di ottimizzazione e addestramento degli iperparametri](multiple-algorithm-hpo-manage-tuning-jobs.md)