Sagemaker的多类别分类训练未能保存训练好的模型。

Question

【以下的问题经过翻译处理】 你好，

我已经使用Auto-ML训练了一个多类分类模型。

使用

* 训练镜像：sagemaker-xgboost：1.3-1-cpu-py
* 实例类型：ml.m5.12xlarge

在时间限制到达之前，该运行已成功完成2次交叉验证。生成的最佳模型没有存储在指定的s3位置。该工作被配置为在终止时存储模型。

同时，我已经成功地使用相同的Auto-ML模板（Jupyter Notebook）完成了模型的训练和存储，因此我不认为这是配置或权限问题。

两者的**主要区别**是前者**标签数量更多**，即1950。该算法的允许标签限制为2000个。

重复运行该模型两次，结果仍然相同：模型没有被存储。

CloudWatch没有记录有关创建或存储模型的问题。

谢谢，
亚瑟

Answer

【以下的回答经过翻译处理】 我自己解决了这个问题：

* 减少folds的数量以减少算法完成所需的时间。（将超参数*_kfold*设置为2）
* 另一种可能性是增加算法允许运行的时间以让算法完成。

在给算法足够的时间完成后，完成了训练并将模型存储在了s3中。

所以我猜测问题是对于默认的120秒来说, 不足以在终止时完成模型的存储。

Contenido relevante