aws / aws/sagemaker-python-sdk

How to set hyperparameters for warm start jobs created from helper methods?

Offen
#1,816 2 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen
type: documentation type: feature request
Vorherrschende Sprache
Python
Sterne
2.3k
Forks
1.3k
Ø Merge
1 T. 22 Std.
Gemergte PRs (30 T.)
35

Beschreibung

**What did you find confusing? Please describe.**

I'm using:

```
IDENTICAL_TUNER = PARENT_TUNER.identical_dataset_and_algorithm_tuner(
additional_parents = ADDITIONAL_PARENT_TUNING_JOB_NAMES
)
```

But cloud not find a way to set `hyperparameter_ranges` for the auto-created tuner. Could not find it in the docs nor in the code.

**Describe how documentation can be improved**

How should I warm start a tuning job with a new set of hyperparameter ranges?

**Additional context**
Add any other context or screenshots about the documentation request here.

Beitragsleitfaden

Beitragsleitfaden öffnen

Rechercherichtung

Beginnen Sie mit der Prüfung des dokumentierten Warm-Start-Ablaufs und der Hilfsmethode `identical_dataset_and_algorithm_tuner`, wobei Sie sich darauf konzentrieren, wie `hyperparameter_ranges` für den automatisch erstellten Tuner behandelt wird. Die Dokumentation ist abgeschlossen, wenn sie erklärt, ob und wie ein neuer Satz von Hyperparameterbereichen bereitgestellt werden kann, mit einem Beispiel, das das gezeigte Hilfsmuster verwendet.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
aws, python
Bereich
documentation, machine-learning
Issue-Typ
Dokumentation
Schwierigkeit
3/5
Geschätzter Aufwand
1-2 Tage
Aktivitätsstatus
Veraltet
Klarheit
Muss geklärt werden
Anfängerfreundlichkeit
35/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.