aws / aws/sagemaker-python-sdk
How to set hyperparameters for warm start jobs created from helper methods?
- 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
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