aws / aws/sagemaker-python-sdk
How to set hyperparameters for warm start jobs created from helper methods?
- Lenguaje dominante
- Python
- Estrellas
- 2.3k
- Forks
- 1.3k
- Merge medio
- 1 d 22 h
- PR fusionados (30 d)
- 35
Descripción
**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.
Guía de contribución
Línea de trabajo
Comienza revisando el flujo de warm-start documentado y el método auxiliar `identical_dataset_and_algorithm_tuner`, centrándote en cómo se gestiona `hyperparameter_ranges` para el tuner creado automáticamente. La documentación estará terminada cuando explique si se puede proporcionar un nuevo conjunto de rangos de hiperparámetros y cómo hacerlo, con un ejemplo que use el patrón del método auxiliar mostrado.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- aws, python
- Área
- documentation, machine-learning
- Tipo de issue
- Documentación
- Dificultad
- 3/5
- Tiempo estimado
- 1-2 días
- Estado de actividad
- Estancado
- Claridad
- Necesita aclaración
- Aptitud para principiantes
- 35/100