SageMaker AI에서 기계 학습 모델의 하이퍼파라미터 조정
이 샘플 프로젝트에서는 SageMaker AI를 사용하여 기계 학습 모델의 하이퍼파라미터를 튜닝하고 테스트 데이터세트를 배치 트랜스포밍하는 방법을 보여줍니다.
이 프로젝트에서 Step Functions는 Lambda 함수를 사용하여 테스트 데이터세트로 Amazon S3 버킷을 시딩합니다. 그런 다음 SageMaker AI 서비스 통합을 사용하여 작업을 튜닝하는 하이퍼파라미터를 만듭니다. Lambda 함수를 사용하여 데이터 경로를 추출하고 튜닝 모델을 저장하고 모델 이름을 추출한 다음 배치 트랜스포밍 작업을 실행하여 SageMaker AI에서 추론을 수행합니다.
SageMaker AI 및 Step Functions 서비스 통합에 대한 자세한 내용은 다음을 참조하세요.
참고
이 샘플 프로젝트를 사용할 때 요금이 발생할 수 있습니다.
신규 AWS 사용자는 프리 티어를 사용할 수 있습니다. 이 계층에서 특정 사용 수준 미만의 서비스는 무료입니다. AWS 비용 및 프리 티어에 대한 자세한 내용은 SageMaker AI 요금
1단계: 상태 머신 만들기
-
Step Functions 콘솔
을 열고 상태 머신 생성을 선택합니다. -
템플릿에서 생성을 선택하고 관련 스타터 템플릿을 찾습니다. 다음을 선택하여 계속 진행합니다.
-
사용할 템플릿을 선택합니다.
-
데모 실행 - 읽기 전용 상태 머신을 생성합니다. 검토 후 워크플로와 모든 관련 리소스를 생성할 수 있습니다.
-
이를 기반으로 구축 - 자체 리소스를 사용하여 검토, 사용자 지정 및 배포할 수 있는 편집 가능한 워크플로 정의를 제공합니다. (함수 또는 대기열과 같은 관련 리소스는 자동으로 생성되지 않습니다.)
-
-
템플릿 사용을 선택하여 계속 선택합니다.
참고
계정에 배포된 서비스에 표준 요금이 적용됩니다.
2단계: 상태 머신 데모 실행
데모 실행 옵션을 선택한 경우 모든 관련 리소스가 배포되고 실행할 준비가 됩니다. 이를 기반으로 구축을 선택한 경우 사용자 지정 워크플로를 실행하기 전에 자리 표시자 값을 설정하고 추가 리소스를 생성해야 할 수 있습니다.
배포 및 실행을 선택합니다.
CloudFormation 스택이 배포될 때까지 기다립니다. 이 프로세스는 최대 10분이 걸릴 수 있습니다.
실행 시작 옵션이 나타나면 입력을 검토하고 실행 시작을 선택합니다.
축하합니다!
이제 상태 머신의 데모가 실행 중이어야 합니다. 그래프 보기에서 상태를 선택하여 입력, 출력, 변수, 정의 및 이벤트를 검토할 수 있습니다.
