[英]Sagemaker API to list Hyperparameters
我目前正在尝试将 MLFlow Tracking 实施到我的训练管道中,并希望记录每个训练作业的超参数调整的超参数。
有谁知道,如何拉取可以在 sagemaker 培训工作界面(在 AWS 控制台上)上看到的超参数列表? 有没有其他更聪明的方法来列出模型在 Sagemaker 中的比较表现(和显示)?
我假设必须有一种简单且 Pythonic 的方法来执行此操作(boto3 或 sagemaker api)来获取此数据。 我无法在 Cloudwatch 中找到它。
提前谢谢了!
在 SageMaker python SDK 中确实有一种相当 pythonic 的方式:
tuner = sagemaker.tuner.HyperparameterTuner.attach('< your tuning jobname>')
results = tuner.analytics().dataframe() # all your tuning metadata, in pandas!
要进行更多比较,go 与 Oliver_Cruchant 发布的内容。
要使用 SageMaker Python SDK (v1.65.0+) 获取超参数:
tuner = sagemaker.tuner.HyperparameterTuner.attach('your-tuning-job-name')
job_desc = tuner.describe()
job_desc['HyperParameterRanges'] # returns a dictionary with your tunable hyperparameters
job_desc['StaticHyperParameters'] # returns a dictionary with your other hyperparameters
和 boto3:
sagemaker = boto3.client('sagemaker')
job_desc = sagemaker.describe_hyper_parameter_tuning_job(HyperParameterTuningJobName='your-tuning-job-name')
job_desc['HyperParameterRanges'] # returns a dictionary with your tunable hyperparameters
job_desc['StaticHyperParameters'] # returns a dictionary with your other hyperparameters
两种方式都返回调用DescribeHyperParameterTuningJob
的结果 API。
DescribeHyperParameterTuningJob
API 文档: https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeHyperParameterTuningJob.html
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.