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。
使用超参数优化调整多个算法以找到最佳模型
要使用 Amazon SageMaker 创建可调整多种算法的新超参数优化 (HPO) 任务，您必须提供适用于所有待测试算法的任务设置以及每种算法的训练定义。还必须指定要用于调优作业的资源。
-
要配置的作业设置包括热启动、提前停止和调优策略。热启动和提前停止仅当调整单个算法时才可用。
-
训练作业定义可指定名称、算法源、目标指标和值范围（如果需要），从而为每个训练作业配置超参数值集。它为每个训练作业配置数据输入通道、数据输出位置和任何检查点存储位置。该定义还将配置要为每个训练作业部署的资源，包括实例类型和计数、托管的竞价型训练以及停止条件。
-
要部署的调优作业资源：包括超参数调优作业可以同时运行的最大并发训练作业数，以及超参数调优作业可以运行的最大训练作业数。
开始使用
您可以从控制台创建新的超参数调优作业、克隆作业、在作业中添加或编辑标签。还可以使用搜索功能，按名称、创建时间和状态查找作业。或者，您也可以使用进行超参数调整作业。 SageMaker API
-
在控制台中：要创建新任务，请打开 Amazon SageMaker 控制台 https://console.aws.amazon.com/sagemaker/
，从 “训练” 菜单中选择 “超参数调整作业”，然后选择 “创建超参数调整任务”。然后，按照配置步骤为要使用的每个算法创建训练作业。这些步骤在为一个或多个算法创建超参数优化调优作业（控制台）主题中也有介绍。 注意
开始配置步骤时，请注意，热启动和提前停止功能不可用于多算法HPO。如果要使用这两项功能，每次只能调整单个算法。
-
使用 API：有关使用创建超参数调整作业 SageMaker API的说明，请参阅示例：超参数优化 J ob。当您调
CreateHyperParameterTuningJob用调整多个算法时，必须使用TrainingJobDefinitions而不是指定单个算法来提供训练定义列表TrainingJobDefinition。必须提供适用于所有待测试算法的作业设置，以及每种算法的训练定义。还必须指定要用于调优作业的资源。只能选择定义类型中的一种，具体取决于要调整的算法数量。
