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。

将 XGBoost 版本 0.90 升级到版本 1.5

如果你使用的是 SageMaker Python SDK，要将现有的 XGBoost 0.90 作业升级到 1.5 版，则必须安装软件开发工具包的 2.x 版本，然后将 XG version Boost 和参数更改为 1.5-1。framework_version如果您使用的是 Boto3，则需要更新 Docker 映像以及一些超参数和学习目标。

将 SageMaker Python SDK 版本 1.x 升级到版本 2.x

如果你仍在使用 SageMaker Python SDK 的 1.x 版本，则必须升级 Pyth SageMaker on SDK 的 2.x 版本。有关最新版本的 SageMaker Python 开发工具包的信息，请参阅使用 Pyth SageMaker on 开发工具包的 2.x 版本。要安装最新版本，请运行：

python -m pip install --upgrade sagemaker

将映像标签更改为 1.5-1

如果您使用的是 SageMaker Python SDK 并使用 XGBoost 内置算法，请更改中的版本参数。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)

如果您使用 SageMaker Python SDK 并使用 XGBoost 作为框架来运行自定义训练脚本，请在 XGBoo framework_version st API 中更改参数。

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在 SageMaker Python 软件开发工具包中，1.x 版本已重命名为。sagemaker.inputs.TrainingInput您必须如以下示例使用 sagemaker.inputs.TrainingInput。

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) 

有关 SageMaker Python SDK 版本 2.x 变更的完整列表，请参阅使用 Pyth SageMaker on SDK 的 2.x 版本。

更改 Boto3 的 Docker 映像

如果您使用 Boto3 来训练或部署模型，请将 Docker 映像标签（1、0.72、0.90-1 或 0.90-2）更改为 1.5-1。

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

如果您使用 SageMaker Python SDK 检索注册表路径，请更改中的version参数image_uris.retrieve。

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

更新超参数和学习目标

静默参数已弃用，在 XGBoost 1.5 及更高版本中不再可用。请改用 verbosity。如果您在使用 reg:linear 学习目标，那么它也已被弃用，转而使用 reg:squarederror。请改用 reg:squarederror。

hyperparameters = {
    "verbosity": "2",
    "objective": "reg:squarederror",
    "num_round": "50",
    ...
}

estimator = sagemaker.estimator.Estimator(image_uri=xgboost_container, 
                                          hyperparameters=hyperparameters,
                                          ...)