Aggiorna la versione 0.90 di XGBoost alla versione 1.5 - Amazon SageMaker

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.

Aggiorna la versione 0.90 di XGBoost alla versione 1.5

Se si utilizza SageMaker Python SDK, per aggiornare i job XGBoost 0.90 esistenti alla versione 1.5, è necessario che sia installata la versione 2.x dell'SDK e modificare XGBoost e i parametri su 1.5-1. version framework_version Se utilizzi Boto3, è necessario aggiornare l'immagine Docker e alcuni iperparametri e obiettivi di apprendimento.

Aggiorna SageMaker Python SDK dalla versione 1.x alla versione 2.x

Se stai ancora utilizzando la versione 1.x di SageMaker Python SDK, devi aggiornare la versione 2.x di SageMaker Python SDK. Per informazioni sulla versione più recente di SageMaker Python SDK, consulta Utilizzare la versione 2.x di Python SDK. SageMaker Per installare la versione più recente, esegui

python -m pip install --upgrade sagemaker

Cambia il tag dell'immagine in 1.5-1

Se utilizzi SageMaker Python SDK e utilizzi l'algoritmo integrato XGBoost, modifica il parametro della versione in. 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)

Se utilizzi SageMaker Python SDK e usi XGBoost come framework per eseguire i tuoi script di formazione personalizzati, modifica il framework_version parametro nell'API XGBoost.

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_inputin SageMaker Python SDK la versione 1.x è stata rinominata in. sagemaker.inputs.TrainingInput Devi usare sagemaker.inputs.TrainingInput come mostrato nell'esempio seguente.

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)

Per l'elenco completo delle modifiche alla versione 2.x di SageMaker Python SDK, consulta Utilizzare la versione 2.x di Python SDK. SageMaker

Cambia l'immagine Docker per Boto3

Se utilizzi Boto3 per addestrare o distribuire il tuo modello, modifica il tag dell'immagine docker (1, 0.72, 0.90-1 o 0.90-2) in 1.5-1.

{ "AlgorithmSpecification":: { "TrainingImage": "746614075791.dkr.ecr.us-west-1.amazonaws.com/sagemaker-xgboost:1.5-1" } ... }

Se usi SageMaker Python SDK per recuperare il percorso del registro, modifica il parametro in. version image_uris.retrieve

from sagemaker import image_uris image_uris.retrieve(framework="xgboost", region="us-west-2", version="1.5-1")

Aggiorna gli iperparametri e gli obiettivi di apprendimento

Il parametro silent è diventato obsoleto e non è più disponibile in XGBoost 1.5 e versioni successive. Usare invece verbosity. Se stavi utilizzando l'obiettivo di apprendimento reg:linear, anche questo è diventato obsoleto a favore di reg:squarederror. Usare invece reg:squarederror.

hyperparameters = { "verbosity": "2", "objective": "reg:squarederror", "num_round": "50", ... } estimator = sagemaker.estimator.Estimator(image_uri=xgboost_container, hyperparameters=hyperparameters, ...)