Ajustar os hiperparâmetros de um modelo de machine learning no SageMaker AI
Este projeto de exemplo demonstra como usar o SageMaker AI para ajustar os hiperparâmetros de um modelo de machine learning e transformar em lote um conjunto de dados de teste.
Nesse projeto, o Step Functions usa uma função do Lambda para propagar um bucket do Amazon S3 com um conjunto de dados de teste. Depois ele cria um trabalho de ajuste de hiperparâmetros usando a integração de serviços do SageMaker AI. Ele usa então uma função do Lambda para extrair o caminho de dados, salva o modelo de ajuste, extrai o nome do modelo e executa um trabalho de transformação em lote para executar a inferência no SageMaker AI.
Para obter mais informações sobre integrações de serviços do SageMaker AI e do Step Functions, consulte os seguintes tópicos:
nota
Este projeto de exemplo pode incorrer em cobranças.
Para os novos usuários da AWS, existe um nível de uso gratuito. Neste nível, os serviços são gratuitos abaixo de um determinado nível de uso. Para obter mais informações sobre os custos e o nível gratuito da AWS, consulte Preço do Amazon SageMaker AI
Etapa 1: Criar a máquina de estado
-
Abra o console do Step Functions
e clique em Criar máquina de estado. -
Selecione Criar a partir do modelo e encontre o modelo inicial relacionado. Escolha Próximo para continuar.
-
Escolha como usar o modelo:
-
Executar uma demonstração: cria uma máquina de estado somente leitura. Após a revisão, você pode criar o fluxo de trabalho e todos os recursos relacionados.
-
Comece a criar: fornece uma definição de fluxo de trabalho editável que você pode revisar, personalizar e implantar com seus próprios recursos. (Recursos relacionados, como perfis ou filas, não serão criados automaticamente.)
-
-
Escolha Usar modelo para continuar com a seleção.
nota
Cobranças padrão são aplicadas aos serviços implantados na conta.
Etapa 2: Executar a máquina de estado de demonstração
Se você escolher a opção Executar uma demonstração, todos os recursos relacionados serão implantados e estarão prontos para execução. Se você escolheu a opção Comece a criar, talvez seja necessário definir valores de espaço reservado e criar recursos adicionais antes de executar seu fluxo de trabalho personalizado.
Selecione Implantar e executar.
Aguarde até que a pilha do CloudFormation seja implantada. Esse processo pode levar até 10 minutos.
Depois que a opção Iniciar execução for exibida, revise a Entrada e selecione Iniciar execução.
Parabéns!
Agora você deve ter uma demonstração em execução da máquina de estado. Você pode escolher estados na visualização do gráfico para revisar a entrada, a saída, as variáveis, a definição e os eventos.
