本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 自動模型調校資源限制
SageMaker AI 會針對自動模型調校所使用的資源設定下列預設限制：
| 資源 | 大區 (Regions) | 預設限制 | 可以提高 |
| --- | --- | --- | --- |
| 平行 (並行) 超參數調校任務的數量 | 全部 | 100 | N/A |
| 可搜尋的超參數數量 \* | 全部 | 30 | N/A |
| 每個 hyperparameter 調校工作定義的指標數 | 全部 | 20 | N/A |
| 每個 hyperparameter 調校工作定義的平行訓練工作上限 | 全部 | 10 | 100 |
| [貝葉斯最佳化] 每個超參數調校任務的訓練任務數量 | 全部 | 750 | N/A |
| [隨機搜尋] 每個超參數調校任務的訓練任務數量 | 全部 | 750 | 10000 |
| [Hyperband] 每個超參數調校任務的訓練任務數量 | 全部 | 750 | N/A |
| [網格] 每個超參數調校任務的訓練任務數量 (明確指定或從搜尋空間推論而來皆可) | 全部 | 750 | N/A |
| 超參數調校任務的最大執行時間 | 全部 | 30 天 | N/A |
\* 每個分類超參數最多可以有 30 個不同的值。
## 資源限制範例
在規劃超參數調校任務時，也必須考量訓練資源的限制。如需 SageMaker AI 訓練任務預設資源限制的詳細資訊，請參閱 [SageMaker AI 限制](https://docs.aws.amazon.com/general/latest/gr/aws_service_limits.html#limits_sagemaker)。執行所有超參數調校任務的每個並行訓練執行個體，都會計入允許的訓練執行個體總數。例如，如果您執行 10 個並行超參數調校任務，則這些超參數調校任務各個都會執行 100 個訓練任務和 20 個並行的訓練任務。每個訓練任務都會在一個 **ml.m4.xlarge** 執行個體上執行。適用下列限制：
+ 並行超參數調校任務的數量：您不必提高限制，因為 10 個調校任務低於 100 的限制。
+ 每個超參數調校任務的訓練任務數量：您不必提高限制，因為 100 個訓練任務低於 500 的限制。
+ 每個超參數調校任務的並行訓練任務數量：您必須請求將限制提高到 20，因為預設限制是 10 個。
+ SageMaker AI 訓練 **ml.m4.xlarge** 執行個體：您需要請求將限制提高到 200，因為您有 10 個超參數調校任務，每個都執行 20 個並行訓練任務。預設限制為 20 個執行個體。
+ SageMaker AI 訓練總執行個體數：您需要請求將限制提高到 200，因為您有 10 個超參數調校任務，每個都執行 20 個並行訓練任務。預設限制為 20 個執行個體。
**請求提高配額：**
1. 開啟 [AWS 支援中心](https://console.aws.amazon.com/support/home#/)頁面，如有必要請登入，然後選擇**建立案例**。
1. 在**建立案例**頁面中，選擇**提高服務限制**。
1. 在**案例詳細資訊**面板上，為**限制類型**選取 **SageMaker AI 自動模型調校 [超參數最佳化]**
1. 在**請求 1** 的**請求**面板上，選取**區域**、要增加的資源**限制**，以及您要請求的**新的限制值**。如有額外的配額增加請求，請選取**新增其他請求**。
1. 在**案例說明**面板中，提供使用案例的說明。
1. 在**聯絡選項**面板中，選取您偏好的**聯絡方式** (**網路**、**聊天**或**電話**)，然後選擇**提交**。