aws / aws/sagemaker-python-sdk

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

Ouverte
#1,816 2 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
type: documentation type: feature request
Langage dominant
Python
Étoiles
2.3k
Forks
1.3k
Merge moyen
1 j 22 h
PR mergées (30 j)
35

Description

**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.

Guide de contribution

Ouvrir le guide de contribution

Piste de recherche

Commencez par examiner le flux de warm-start documenté et la méthode utilitaire `identical_dataset_and_algorithm_tuner`, en vous concentrant sur la manière dont `hyperparameter_ranges` est géré pour le tuner créé automatiquement. La documentation est terminée lorsqu’elle explique s’il est possible de fournir un nouvel ensemble de plages d’hyperparamètres et comment le faire, avec un exemple utilisant le modèle de méthode utilitaire présenté.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
aws, python
Domaine
documentation, machine-learning
Type d'issue
Documentation
Difficulté
3/5
Temps estimé
1-2 jours
Activité
À l'abandon
Clarté
À clarifier
Accessibilité débutants
35/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.