aws / aws/sagemaker-python-sdk

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

Abierto
#1,816 2 comentarios 0 reacciones 0 asignados Ver en GitHub
type: documentation type: feature request
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

Abrir la 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

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.