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.
Reichen Sie einen Job zur Modellanpassung ein
Sie können ein benutzerdefiniertes Modell erstellen, indem Sie Fine-tuning oder Continued Pre-Training in der Amazon Bedrock-Konsole oder verwenden. API Die Anpassung kann mehrere Stunden dauern. Die Dauer des Auftrags hängt von der Größe der Trainingsdaten (Anzahl der Datensätze, Eingabe- und Ausgabetoken), der Anzahl der Epochen und der Batch-Größe ab. Wählen Sie die Registerkarte aus, die der Methode Ihrer Wahl entspricht, und folgen Sie den Schritten.
- Console
-
Gehen Sie wie folgt vor, um einen Auftrag zur Modellanpassung in der Konsole einzureichen.
-
Melden Sie sich als Benutzer mit IAM Amazon Bedrock-Berechtigungen an und öffnen Sie die Amazon Bedrock-Konsole AWS Management Console unter. https://console.aws.amazon.com/bedrock/
-
Wählen Sie im linken Navigationsbereich unter Foundation-Modelle die Option Benutzerdefinierte Modelle aus.
-
Wählen Sie auf der Registerkarte Modelle die Option Modell anpassen und dann Auftrag zur Feinabstimmung erstellen oder Weiterbildungsauftrag erstellen aus, je nachdem, welche Art von Modell Sie trainieren möchten.
-
Gehen Sie im Abschnitt Modelldetails wie folgt vor.
-
Wählen Sie das Modell aus, das Sie mit Ihren eigenen Daten anpassen möchten, und geben Sie Ihrem resultierenden Modell einen Namen.
-
(Optional) Standardmäßig verschlüsselt Amazon Bedrock Ihr Modell mit einem Schlüssel, der Eigentümer ist und von diesem verwaltet wird. AWS Um einen benutzerdefinierten KMS Schlüssel zu verwenden, wählen Sie Modellverschlüsselung und wählen Sie einen Schlüssel aus.
-
(Optional) Um Tags mit dem benutzerdefinierten Modell zu verknüpfen, erweitern Sie den Abschnitt Tags und wählen Sie Neues Tag hinzufügen aus.
-
-
Geben Sie im Abschnitt Auftragskonfiguration einen Namen für den Job ein und fügen Sie optional alle Tags hinzu, die dem Job zugeordnet werden sollen.
-
(Optional) Um eine virtuelle private Cloud (VPC) zum Schutz Ihrer Trainingsdaten und Ihres Anpassungsjobs zu verwenden, wählen Sie im Bereich VPCEinstellungen eine VPC aus, die die Eingabe- und Ausgabedaten der Amazon S3 S3-Standorte, deren Subnetze und Sicherheitsgruppen enthält.
Anmerkung
Wenn Sie eine VPC Konfiguration angeben, kann die Konsole keine neue Servicerolle für den Job erstellen. Erstellen Sie eine benutzerdefinierte Servicerolle und fügen Sie Berechtigungen hinzu, ähnlich dem unter beschriebenen BeispielAnfügen von VPC-Berechtigungen an eine Modellanpassungsrolle.
-
Wählen Sie im Abschnitt Eingabedaten den S3-Speicherort der Trainingsdatensatzdatei und gegebenenfalls der Validierungsdatensatzdatei aus.
-
Geben Sie im Abschnitt Hyperparameter Eingabewerte für Hyperparameter ein, die im Training verwendet werden sollen.
-
Geben Sie im Abschnitt Ausgabedaten den Amazon S3 S3-Speicherort ein, an dem Amazon Bedrock die Ausgabe des Jobs speichern soll. Amazon Bedrock speichert die Trainings- und Validierungsverluste für jede Epoche werden in separaten Dateien an dem von Ihnen angegebenen Speicherort.
-
Wählen Sie im Abschnitt Servicezugriff eine der folgenden Optionen aus:
-
Eine vorhandene Servicerolle verwenden – Wählen Sie eine Servicerolle aus der Dropdown-Liste aus. Weitere Informationen zum Einrichten einer benutzerdefinierten Rolle mit den entsprechenden Berechtigungen finden Sie unter Erstellen Sie eine Servicerolle für die Modellanpassung.
-
Neue Servicerolle erstellen und verwenden – Geben Sie einen Namen für die Servicerolle ein.
-
-
Wählen Sie Modell optimieren oder Weiterbildungsauftrag erstellen, um mit dem Job zu beginnen.
-
- API
-
Anforderung
Senden Sie eine Anfrage CreateModelCustomizationJob(siehe Link für Anfrage- und Antwortformate und Felddetails) mit einem Endpunkt der Amazon Bedrock-Steuerebene, um einen Auftrag zur Modellanpassung einzureichen. Sie müssen mindestens die folgenden Felder angeben.
-
roleArn
— Die ARN der Servicerolle mit Berechtigungen zum Anpassen von Modellen. Amazon Bedrock kann automatisch eine Rolle mit den entsprechenden Berechtigungen erstellen, wenn Sie die Konsole verwenden, oder Sie können eine benutzerdefinierte Rolle erstellen, indem Sie die Schritte unter Erstellen Sie eine Servicerolle für die Modellanpassung befolgen.Anmerkung
Wenn Sie ein
vpcConfig
Feld angeben, stellen Sie sicher, dass die Rolle über die richtigen Zugriffsberechtigungen für das VPC verfügt. Ein Beispiel finden Sie unter Anfügen von VPC-Berechtigungen an eine Modellanpassungsrolle. -
baseModelIdentifier
— Die Modell-ID oder ARN das Foundation-Modell, das angepasst werden soll. -
customModelName
– der Name für das neu angepasste Modell. -
jobName
– der Name, den der Trainingsauftrag erhalten soll. -
hyperParameters
— Hyperparameter, die den Prozess der Modellanpassung beeinflussen. -
trainingDataConfig
— Ein Objekt, das den Amazon S3 URI des Trainingsdatensatzes enthält. Je nach Anpassungsmethode und Modell können Sie auch eine hinzufügenvalidationDataConfig
. Weitere Hinweise zur Vorbereitung der Datensätze finden Sie unterVorbereitung der Datensätze. -
outputDataConfig
— Ein Objekt, das Amazon S3 enthältURI, in das die Ausgabedaten geschrieben werden sollen.
Wenn Sie das nicht angeben
customizationType
, ist die Modellanpassungsmethode standardmäßig aufFINE_TUNING
eingestellt.Um zu verhindern, dass die Anfrage mehr als einmal abgeschlossen wird, fügen Sie eine
clientRequestToken
hinzu.Sie können die folgenden optionalen Felder für zusätzliche Konfigurationen hinzufügen.
-
jobTags
und/odercustomModelTags
— Ordnen Sie dem Anpassungsjob oder dem daraus resultierenden benutzerdefinierten Modell Tags zu. -
customModelKmsKeyId
— Fügen Sie einen benutzerdefinierten KMS Schlüssel hinzu, um Ihr benutzerdefiniertes Modell zu verschlüsseln. -
vpcConfig
— Fügen Sie die Konfiguration für eine virtuelle private Cloud (VPC) hinzu, um Ihre Trainingsdaten und Ihre Anpassungsaufgaben zu schützen.
Antwort
Die Antwort gibt a zurück
jobArn
, mit der Sie den Job überwachen oder beenden können. -