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