Да, то, что вы пишете в учебном скрипте sagemaker (при условии, что вы используете что-то, что позволяет передавать пользовательский код, такой как ваш собственный контейнер или контейнер фреймворка), является гибким и не обязательно должно быть только одной моделью или даже ML. Вы можете определенно написать несколько тренингов моделей в одном контейнере и получить все связанные метрики, используя SageMaker metri c перехват с помощью регулярного выражения, см. Пример регулярного выражения здесь со случайным лесом Sklearn . Тем не менее, часто лучше отделить вещи и иметь одну модель на задание SageMaker из-за следующих причин:
- Это позволяет вам отделить модель метаданные и метрики, а также легко сравнивать их с помощью службы метаданных SageMaker
- . Она позволяет специализировать аппаратное обеспечение для каждой модели и повысить экономичность. Каждая модель имеет свою точку зрения, когда дело касается CPU, GPU, RAM
- . Она позволяет использовать один и тот же контейнер для одного обучения, а также для поиска байесовского гиперпараметра , метод, который может быть как быстрее, так и дешевле, чем обычный gridsearch.