Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Mise à niveau de XGBoost la version 0.90 vers la version 1.5
<a name="xgboost-version-0.90"></a>

Si vous utilisez le SDK SageMaker Python, pour mettre à niveau les tâches XGBoost 0.90 existantes vers la version 1.5, la version 2.x du SDK doit être installée et les paramètres et doivent être remplacés par 1.5-1 XGBoost`version`. `framework_version` Si vous utilisez Boto3, vous devez mettre à jour l'image Docker, ainsi que quelques hyperparamètres et objectifs d'apprentissage.

**Topics**
+ [Mise à niveau de la version 1.x du SDK SageMaker AI Python vers la version 2.x](#upgrade-xgboost-version-0.90-sagemaker-python-sdk)
+ [Modifier la balise d'image à 1.5-1](#upgrade-xgboost-version-0.90-change-image-tag)
+ [Modifier l'image Docker pour Boto3](#upgrade-xgboost-version-0.90-boto3)
+ [Mettre à jour les hyperparamètres et les objectifs d'apprentissage](#upgrade-xgboost-version-0.90-hyperparameters)

## Mise à niveau de la version 1.x du SDK SageMaker AI Python vers la version 2.x
<a name="upgrade-xgboost-version-0.90-sagemaker-python-sdk"></a>

Si vous utilisez toujours la version 1.x du SDK SageMaker Python, vous devez mettre à niveau la version 2.x du SDK Python SageMaker . Pour plus d'informations sur la dernière version du SDK SageMaker Python, voir [Utiliser la version 2.x du SDK SageMaker Python](https://sagemaker.readthedocs.io/en/stable/v2.html). Pour installer la dernière version, exécutez :

```
python -m pip install --upgrade sagemaker
```

## Modifier la balise d'image à 1.5-1
<a name="upgrade-xgboost-version-0.90-change-image-tag"></a>

Si vous utilisez le SDK SageMaker Python et l'algorithme XGBoost intégré, modifiez le paramètre de version dans. `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)
```

Si vous utilisez le SDK SageMaker Python et que vous l'utilisez XGBoost comme framework pour exécuter vos scripts d'entraînement personnalisés, modifiez le `framework_version` paramètre dans l' XGBoost API.

```
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`dans le SDK SageMaker Python, la version 1.x a été renommée en. `sagemaker.inputs.TrainingInput` Vous devez utiliser `sagemaker.inputs.TrainingInput` comme dans l'exemple suivant.

```
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)
```

 Pour la liste complète des modifications apportées à la version 2.x du SDK SageMaker Python, voir [Utiliser la version 2.x du SDK Python SageMaker ](https://sagemaker.readthedocs.io/en/stable/v2.html). 

## Modifier l'image Docker pour Boto3
<a name="upgrade-xgboost-version-0.90-boto3"></a>

Si vous utilisez Boto3 pour entraîner ou déployer votre modèle, remplacez la balise d'image Docker (1, 0.72, 0.90-1 or 0.90-2) par 1.5-1.

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

Si vous utilisez le SDK SageMaker Python pour récupérer le chemin du registre, modifiez le `version` paramètre dans`image_uris.retrieve`.

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

## Mettre à jour les hyperparamètres et les objectifs d'apprentissage
<a name="upgrade-xgboost-version-0.90-hyperparameters"></a>

Le paramètre silent est devenu obsolète et n'est plus disponible dans les versions XGBoost 1.5 et ultérieures. Utilisez `verbosity` à la place. Si vous utilisiez l'objectif d'apprentissage `reg:linear`, il est également obsolète et a été remplacé par ` reg:squarederror`. Utilisez `reg:squarederror` à la place.

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

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