Wählen Sie Ihre Cookie-Einstellungen aus

Wir verwenden essentielle Cookies und ähnliche Tools, die für die Bereitstellung unserer Website und Services erforderlich sind. Wir verwenden Performance-Cookies, um anonyme Statistiken zu sammeln, damit wir verstehen können, wie Kunden unsere Website nutzen, und Verbesserungen vornehmen können. Essentielle Cookies können nicht deaktiviert werden, aber Sie können auf „Anpassen“ oder „Ablehnen“ klicken, um Performance-Cookies abzulehnen.

Wenn Sie damit einverstanden sind, verwenden AWS und zugelassene Drittanbieter auch Cookies, um nützliche Features der Website bereitzustellen, Ihre Präferenzen zu speichern und relevante Inhalte, einschließlich relevanter Werbung, anzuzeigen. Um alle nicht notwendigen Cookies zu akzeptieren oder abzulehnen, klicken Sie auf „Akzeptieren“ oder „Ablehnen“. Um detailliertere Entscheidungen zu treffen, klicken Sie auf „Anpassen“.

Passen Sie Ihr Modell an, um seine Leistung für Ihren Anwendungsfall zu verbessern

Fokusmodus
Passen Sie Ihr Modell an, um seine Leistung für Ihren Anwendungsfall zu verbessern - Amazon Bedrock

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Bei der Modellanpassung werden einem Modell Trainingsdaten zur Verfügung gestellt, um dessen Leistung für bestimmte Anwendungsfälle zu verbessern. Sie können Amazon Bedrock Foundation-Modelle anpassen, um ihre Leistung zu verbessern und ein besseres Kundenerlebnis zu schaffen. Amazon Bedrock bietet derzeit die folgenden Anpassungsmethoden.

  • Destillation

    Verwenden Sie die Destillation, um Wissen von einem größeren, intelligenteren Modell (bekannt als Lehrer) auf ein kleineres, schnelleres und kostengünstigeres Modell (bekannt als Schüler) zu übertragen. Amazon Bedrock automatisiert den Destillationsprozess mithilfe der neuesten Datensynthesetechniken, um anhand des Lehrermodells vielfältige, qualitativ hochwertige Antworten zu generieren und das Schülermodell zu verfeinern.

    Um die Destillation zu verwenden, wählen Sie ein Lehrermodell aus, dessen Genauigkeit Sie für Ihren Anwendungsfall erreichen möchten, und ein Schülermodell zur Feinabstimmung. Anschließend geben Sie anwendungsfallspezifische Eingabeaufforderungen als Eingabedaten an. Amazon Bedrock generiert Antworten aus dem Lehrermodell für die gegebenen Aufforderungen und verwendet die Antworten dann zur Feinabstimmung des Schülermodells. Sie können optional beschriftete Eingabedaten als Paare zwischen Aufforderung und Antwort angeben.

    Weitere Informationen zur Verwendung von Destillation finden Sie unter. Modelldestillation in Amazon Bedrock

  • Feinabstimmung

    Stellen Sie beschriftete Daten bereit, um ein Modell zu trainieren, um die Leistung bei bestimmten Aufgaben zu verbessern. Durch die Bereitstellung eines Trainingsdatensatzes mit beschrifteten Beispielen lernt das Modell, herauszufinden, welche Arten von Ergebnissen für bestimmte Arten von Eingaben generiert werden sollten. Die Modellparameter werden dabei angepasst und die Leistung des Modells für die im Trainingsdatensatz dargestellten Aufgaben verbessert.

  • Fortführung des Vortrainings

    Stellen Sie unbeschriftete Daten bereit, um ein Basismodell vorab zu trainieren, indem Sie es mit bestimmten Arten von Eingaben vertraut machen. Sie können Daten zu bestimmten Themen bereitstellen, um ein Modell für diese Bereiche verfügbar zu machen. Im Rahmen des fortlaufenden Vortrainingsprozesses werden die Modellparameter an die Eingabedaten angepasst und das Fachwissen erweitert.

    Sie können beispielsweise ein Modell mit privaten Daten wie Geschäftsdokumenten trainieren, die nicht öffentlich verfügbar sind, um umfangreiche Sprachmodelle zu trainieren. Darüber hinaus können Sie das Modell weiter verbessern, indem Sie das Modell mit mehr unbeschrifteten Daten erneut trainieren, sobald diese verfügbar sind.

Informationen zu Kontingenten für Modellanpassungen finden Sie unter Amazon Bedrock Endpoints and Quotas in der. Allgemeine AWS-Referenz

Anmerkung

Die Kosten für das Modelltraining basieren auf der Anzahl der vom Modell verarbeiteten Token (Anzahl der Token im Trainingsdatenkorpus × Anzahl der Epochen) und auf der Grundlage des Modellspeichers, der pro Monat und Modell berechnet wird. Weitere Informationen finden Sie unter Amazon Bedrock — Preise.

Bei der Modellanpassung führen Sie die folgenden Schritte aus.

  1. Erstellen Sie einen Schulungs- und gegebenenfalls einen Validierungsdatensatz für Ihre Anpassungsaufgabe.

  2. Wenn Sie eine neue benutzerdefinierte IAM-Rolle verwenden möchten, richten Sie IAM-Berechtigungen für den Zugriff auf die S3-Buckets für Ihre Daten ein. Sie können auch eine vorhandene Rolle verwenden oder die Konsole automatisch eine Rolle mit den entsprechenden Berechtigungen erstellen lassen.

  3. (Optional) Konfigurieren Sie KMS-Schlüssel und/oder VPC für zusätzliche Sicherheit.

  4. Erstellen Sie einen Job zur Feinabstimmung oder Fortsetzung vor dem Training und steuern Sie den Trainingsprozess durch Anpassung der Hyperparameterwerte.

  5. Analysieren Sie die Ergebnisse, indem Sie sich die Trainings- oder Validierungsmetriken ansehen oder die Modellbewertung verwenden.

  6. Erwerben Sie Provisioned Throughput für Ihr neu erstelltes benutzerdefiniertes Modell.

  7. Verwenden Sie Ihr benutzerdefiniertes Modell wie ein Basismodell für Amazon Bedrock-Aufgaben wie Modellinferenz.

DatenschutzNutzungsbedingungen für die WebsiteCookie-Einstellungen
© 2025, Amazon Web Services, Inc. oder Tochtergesellschaften. Alle Rechte vorbehalten.