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。

# 管理超參數調校和訓練任務
<a name="multiple-algorithm-hpo-manage-tuning-jobs"></a>

調校任務可包含許多訓練任務，但建立和管理這些任務及其定義可能會是一項複雜且繁重的任務。SageMaker AI 提供可協助您管理這些任務的利器。您可以從 Amazon SageMaker AI 主控台存取您已執行的調校任務，網址為 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)。從**訓練**選單中選取**超參數調校任務**以查看清單。您也可以在該頁面選取**建立超參數調校任務**，以開始建立新調校任務的程序。

如要查看訓練任務如何執行一部分的調校任務，請從清單中選取其中一個超參數調校任務。調校任務頁面上的索引標籤可讓您檢查訓練任務、其定義、用於調校任務的標籤和配置，以及調校期間找到的最佳訓練任務。您可以選取最佳訓練任務或屬於調校任務的任何其他訓練任務，藉此查看當中所有的設定。從該頁面上，您可以選取**建立模型**來建立使用訓練任務所找到的超參數值的模型，或選取**複製**來複製訓練任務。

**複製**  
您可以複製屬於超參數調校任務的訓練任務，藉此節省時間。複製會複製任務的所有設定，包括資料通道、輸出成品的 S3 儲存位置。如上所述，您可以針對已從調校任務頁面執行的訓練任務，或是在建立超參數調校任務時建立其他訓練任務定義時，如該程序的[新增或複製訓練任務](multiple-algorithm-hpo-create-tuning-jobs.md#multiple-algorithm-hpo-add-training-job)步驟所述來進行操作。

**標記**  
自動模型調校會在單一父項調校任務中啟動多個訓練任務，以探索模型超參數的理想權重。您可以依照[調校任務的元件](multiple-algorithm-hpo-create-tuning-jobs.md#multiple-algorithm-hpo-create-tuning-jobs-define-settings)章節所述，將標籤新增至父項調校任務，然後將這些標記傳播至下方的個別訓練任務。客戶可以將這些標籤用於成本分配或存取控制等目的。若要使用 SageMaker SDK 新增標籤，請使用 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AddTags.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AddTags.html) API。如需使用 AWS 資源標記的詳細資訊，請參閱[標記 AWS 資源](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html)。