Sie möchten die gesamte Rechenzeit reduzieren, die für einen großen SageMaker-Hyperparameter-Tuning-Job benötigt wird (frühere kleinere Jobs dauerten Wochen). Welche zwei Maßnahmen reduzieren die gesamte Tuning-Rechenzeit am stärksten?

Die Hyperband-Early-Stopping-Strategie reduziert die Rechenzeit erheblich, indem sie schlecht performende Hyperparameter-Kombinationen frühzeitig beendet und so Ressourcen spart, die sonst für unvielversprechende Jobs verschwendet würden. Das Festlegen eines niedrigeren Werts für MaxNumberOfTrainingJobs begrenzt direkt die Gesamtzahl der Trainingsläufe im Tuning-Job. Weniger Läufe bedeuten weniger Rechenzeit. Das Erhöhen der Hyperparameter würde die Rechenzeit verlängern, da mehr Kombinationen zu testen wären. Eine erschöpfende Grid-Search-Strategie ist ineffizient und würde die Rechenzeit bei großen Suchräumen massiv erhöhen. Ein niedrigerer Wert für MaxParallelTrainingJobs würde die Gesamtzeit des Tuning-Jobs verlängern, da weniger Jobs gleichzeitig ausgeführt werden, auch wenn die Gesamtrechenzeit (Summe aller Jobs) gleich bliebe.