本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
通过超参数优化优化优化多个算法以找到最佳模型
使用亚马逊创建新的超参数优化 (HPO) 作业 SageMaker 调整多个算法，必须提供适用于所有待测试算法的作业设置以及每种算法的训练定义。您还必须指定要用于优化作业的资源。
-
这些区域有：任务设置配置包括热启动、提早停止和调整策略。仅当优化单个算法时热启动和提前停止才可用。
-
这些区域有：训练作业定义可在需要时指定名称、算法来源、目标指标和值范围，以配置每个训练作业的超参数值集。它为每个训练作业配置数据输入、数据输出位置和任何检查点存储位置的通道。该定义还配置要为每个培训作业部署的资源，包括实例类型和计数、托管现场培训和停止条件。
-
这些区域有：调整作业资源：部署，包括超参数优化作业可并发运行的并发训练作业的最大数目以及超参数优化作业可运行的最大训练作业数。
入门
您可以从控制台创建新的超参数优化作业、克隆作业、向作业添加或编辑标签。您还可以使用搜索功能按名称、创建时间或状态查找作业。或者，您也可以使用 SageMaker API 进行超参数调整作业。
-
在控制台中：要创建新任务，请打开亚马逊 SageMaker 控制台在https://console.aws.amazon.com/sagemaker/
，选择超参数优化作业来自 的训练，菜单，然后选择创建超参数优化作业. 然后按照配置步骤为要使用的每个算法创建训练作业。这些步骤在为一个或多个算法创建超参数优化调整 Job（控制台）主题。 注意 请注意，当您开始配置步骤时，热启动和提前停止功能不适用于多算法 HPO。如果要使用这两种功能，则一次只能优化单个算法。
-
使用 API：有关如何使用 SageMaker 要创建超参数优化作业的 API，请参阅。示例：超参数优化 Job. 当你打电话
CreateHyperParameterTuningJob要优化多个算法，必须使用提供训练定义列表。TrainingJobDefinitions而不是指定单个TrainingJobDefinition. 根据调整的算法数量，您必须只选择其中一种定义类型。