自動模型調校資源限制 - Amazon SageMaker
資源限制範例

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

自動模型調校資源限制

SageMaker 針對自動模型調校所使用的資源設定下列預設限制：

資源 區域 預設限制 可以提高

平行 (並行) 超參數調校任務的數量

全部

100

N/A

可搜尋的超參數數量 *

全部

30

N/A

每個 hyperparameter 調校工作定義的指標數

全部

20

N/A

每個 hyperparameter 調校工作定義的平行訓練工作上限

全部

10

100

[貝葉斯最佳化] 每個超參數調校任務的訓練任務數量

全部

750

N/A

[隨機搜尋] 每個超參數調校任務的訓練任務數量

全部

750

10000

[Hyperband] 每個超參數調校任務的訓練任務數量

全部

750

N/A

[網格] 每個超參數調校任務的訓練任務數量 (明確指定或從搜尋空間推論而來皆可)

全部

750

N/A

超參數調校任務的最大執行時間

全部

30 天

N/A

* 每個分類超參數最多可以有 30 個不同的值。

資源限制範例

在規劃超參數調校任務時，也必須考量訓練資源的限制。如需 SageMaker 訓練任務預設資源限制的相關資訊，請參閱SageMaker限制 。執行所有超參數調校任務的每個並行訓練執行個體，都會計入允許的訓練執行個體總數。例如，如果您執行 10 個並行超參數調校任務，則這些超參數調校任務各個都會執行 100 個訓練任務和 20 個並行的訓練任務。每個訓練任務都會在一個 ml.m4.xlarge 執行個體上執行。適用下列限制：

  • 並行超參數調校任務的數量：您不必提高限制，因為 10 個調校任務低於 100 的限制。

  • 每個超參數調校任務的訓練任務數量：您不必提高限制，因為 100 個訓練任務低於 500 的限制。

  • 每個超參數調校任務的並行訓練任務數量：您必須請求將限制提高到 20，因為預設限制是 10 個。

  • SageMaker training ml.m4.xlarge 執行個體：您需要請求將限制增加到 200，因為您有 10 個超參數調校任務，每個任務都執行 20 個並行訓練任務。預設限制為 20 個執行個體。

  • SageMaker 訓練總執行個體計數：您需要請求將限制增加到 200，因為您有 10 個超參數調校任務，每個任務都執行 20 個並行訓練任務。預設限制為 20 個執行個體。

請求提高配額：

  1. 開啟 AWS 支援中心頁面，如有必要請登入，然後選擇建立案例。

  2. 在建立案例頁面中，選擇提高服務限制。

  3. 在案例詳細資訊面板上，針對限制類型選取SageMaker 自動模型調校 【超參數最佳化】

  4. 在請求 1 的請求面板上，選取區域、要增加的資源限制，以及您要請求的新的限制值。如有額外的配額增加請求，請選取新增其他請求。

    資源限制增加請求使用者介面。

  5. 在案例說明面板中，提供使用案例的說明。

  6. 在聯絡選項面板中，選取您偏好的聯絡方式 (網路、聊天或電話)，然後選擇提交。