Pilih preferensi cookie Anda

Kami menggunakan cookie penting serta alat serupa yang diperlukan untuk menyediakan situs dan layanan. Kami menggunakan cookie performa untuk mengumpulkan statistik anonim sehingga kami dapat memahami cara pelanggan menggunakan situs dan melakukan perbaikan. Cookie penting tidak dapat dinonaktifkan, tetapi Anda dapat mengklik “Kustom” atau “Tolak” untuk menolak cookie performa.

Jika Anda setuju, AWS dan pihak ketiga yang disetujui juga akan menggunakan cookie untuk menyediakan fitur situs yang berguna, mengingat preferensi Anda, dan menampilkan konten yang relevan, termasuk iklan yang relevan. Untuk menerima atau menolak semua cookie yang tidak penting, klik “Terima” atau “Tolak”. Untuk membuat pilihan yang lebih detail, klik “Kustomisasi”.

Cohere Command hiperparameter kustomisasi model

Mode fokus
Cohere Command hiperparameter kustomisasi model - Amazon Bedrock

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Bagian Cohere Command and Cohere Command Light model mendukung hyperparameter berikut untuk kustomisasi model. Untuk informasi selengkapnya, lihat Sesuaikan model Anda untuk meningkatkan kinerjanya untuk kasus penggunaan Anda.

Untuk informasi tentang fine tuning Cohere model, lihat Cohere dokumentasi di https://docs.cohere.com/docs/fine-tuning.

catatan

epochCountKuota dapat disesuaikan.

Hyperparameter (konsol) Hiperparameter (API) Definisi Tipe Minimum Maksimum Default
Zaman EpochCount Jumlah iterasi melalui seluruh dataset pelatihan integer 1 100 1
Ukuran batch BatchSize Jumlah sampel yang diproses sebelum memperbarui parameter model integer 8 8 (Perintah)

32 (Cahaya)

8
Tingkat pembelajaran LearningRate Tingkat di mana parameter model diperbarui setelah setiap batch. Jika Anda menggunakan kumpulan data validasi, sebaiknya Anda tidak memberikan nilai untuk. learningRate float 5.00E-6 0.1 1,00E-5
Ambang batas penghentian awal earlyStoppingThreshold Peningkatan minimum kerugian yang diperlukan untuk mencegah penghentian prematur dari proses pelatihan float 0 0.1 0,01
Menghentikan kesabaran lebih awal earlyStoppingPatience Toleransi stagnasi dalam metrik kerugian sebelum menghentikan proses pelatihan integer 1 10 6
Persentase evaluasi EvalPersentase

Persentase kumpulan data yang dialokasikan untuk evaluasi model, jika Anda tidak memberikan kumpulan data validasi terpisah

float 5 50 20
PrivasiSyarat situsPreferensi cookie
© 2025, Amazon Web Services, Inc. atau afiliasinya. Semua hak dilindungi undang-undang.