AWS SageMaker是一个全托管的机器学习服务，可以帮助开发者快速构建、训练和部署机器学习模型。下面是一个使用AWS SageMaker进行图像分类任务的超参数配置的示例代码。

首先，您需要安装AWS SDK并在您的代码中导入必要的库。

import boto3
from sagemaker import get_execution_role
from sagemaker.amazon.amazon_estimator import get_image_uri

接下来，您需要设置AWS认证信息并创建SageMaker会话。

# 设置AWS认证信息
session = boto3.Session(aws_access_key_id='your-access-key',
                        aws_secret_access_key='your-secret-access-key',
                        region_name='your-region')

# 创建SageMaker会话
sagemaker = session.client('sagemaker')

然后，您需要指定训练数据和输出路径。

# 指定训练数据和输出路径
train_data = 's3://your-bucket/train_data'
output_path = 's3://your-bucket/output'

接下来，您需要选择适合您的图像分类算法的容器镜像。

# 选择图像分类算法的容器镜像
image_uri = get_image_uri(session.region_name, 'image-classification', repo_version='latest')

然后，您可以指定超参数，并创建训练作业。

# 指定超参数
hyperparameters = {'num_layers': 18,
                   'use_pretrained_model': 1,
                   'mini_batch_size': 32,
                   'epochs': 10,
                   'learning_rate': 0.001}

# 创建训练作业
response = sagemaker.create_training_job(
    TrainingJobName='image-classification-job',
    HyperParameters=hyperparameters,
    AlgorithmSpecification={
        'TrainingImage': image_uri,
        'TrainingInputMode': 'File'
    },
    RoleArn=get_execution_role(),
    InputDataConfig=[
        {
            'ChannelName': 'train',
            'DataSource': {
                'S3DataSource': {
                    'S3DataType': 'S3Prefix',
                    'S3Uri': train_data,
                    'S3DataDistributionType': 'FullyReplicated'
                }
            },
            'ContentType': 'application/x-recordio',
            'CompressionType': 'None'
        }
    ],
    OutputDataConfig={
        'S3OutputPath': output_path
    },
    ResourceConfig={
        'InstanceCount': 1,
        'InstanceType': 'ml.p2.xlarge',
        'VolumeSizeInGB': 10
    },
    StoppingCondition={
        'MaxRuntimeInSeconds': 86400
    }
)

# 等待训练作业完成
sagemaker.get_waiter('training_job_completed_or_stopped').wait(TrainingJobName='image-classification-job')

以上代码示例展示了如何使用AWS SageMaker进行图像分类任务的超参数配置。您可以根据自己的需求修改超参数，并根据训练数据的位置和输出路径进行相应的配置。