Vous souhaitez réduire le temps de calcul total requis pour un grand job de réglage d'hyperparamètres SageMaker (les jobs plus petits précédents prenaient des semaines). Quelles sont les deux actions qui réduiront le plus le temps de calcul global du réglage ?

L'utilisation de la stratégie d'arrêt anticipé Hyperband est efficace car elle identifie et arrête rapidement les configurations d'hyperparamètres sous-performantes, évitant ainsi de gaspiller des ressources de calcul sur des essais non prometteurs. Définir une valeur inférieure pour MaxNumberOfTrainingJobs réduit directement le nombre total d'essais que SageMaker exécutera, ce qui diminue proportionnellement le temps de calcul global. Augmenter le nombre d'hyperparamètres à régler augmente la complexité et le temps nécessaire. La recherche exhaustive (grid search) est inefficace pour de grands espaces de recherche et consomme beaucoup de temps. Définir une valeur inférieure pour MaxParallelTrainingJobs réduit la parallélisation, ce qui augmente le temps total nécessaire pour compléter tous les jobs, même si cela peut réduire les coûts instantanés.