Sesuaikan model Anda untuk meningkatkan kinerjanya untuk kasus penggunaan Anda - Amazon Bedrock

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

Sesuaikan model Anda untuk meningkatkan kinerjanya untuk kasus penggunaan Anda

Kustomisasi model adalah proses penyediaan data pelatihan ke model untuk meningkatkan kinerjanya untuk kasus penggunaan tertentu. Anda dapat menyesuaikan model fondasi Amazon Bedrock untuk meningkatkan kinerjanya dan menciptakan pengalaman pelanggan yang lebih baik. Amazon Bedrock saat ini menyediakan metode penyesuaian berikut.

  • Lanjutan Pra-pelatihan

    Berikan data yang tidak berlabel untuk melatih model pondasi dengan membiasakannya dengan jenis input tertentu. Anda dapat memberikan data dari topik tertentu untuk mengekspos model ke area tersebut. Proses Pra-pelatihan Lanjutan akan mengubah parameter model untuk mengakomodasi data input dan meningkatkan pengetahuan domainnya.

    Misalnya, Anda dapat melatih model dengan data pribadi, seperti dokumen bisnis, yang tidak tersedia untuk umum untuk melatih model bahasa besar. Selain itu, Anda dapat terus meningkatkan model dengan melatih ulang model dengan lebih banyak data yang tidak berlabel saat tersedia.

  • Penyetelan halus

    Berikan data berlabel untuk melatih model untuk meningkatkan kinerja pada tugas-tugas tertentu. Dengan menyediakan kumpulan data pelatihan dari contoh berlabel, model belajar untuk mengaitkan jenis output apa yang harus dihasilkan untuk jenis input tertentu. Parameter model disesuaikan dalam proses dan kinerja model ditingkatkan untuk tugas-tugas yang diwakili oleh dataset pelatihan.

Untuk informasi tentang kuota kustomisasi model, lihat titik akhir Amazon Bedrock dan kuota di. Referensi Umum AWS

catatan

Anda dikenakan biaya untuk pelatihan model berdasarkan jumlah token yang diproses oleh model (jumlah token dalam korpus data pelatihan × jumlah zaman) dan penyimpanan model yang dibebankan per bulan per model. Untuk informasi selengkapnya, lihat harga Amazon Bedrock.

Anda melakukan langkah-langkah berikut dalam kustomisasi model.

  1. Buat pelatihan dan, jika berlaku, kumpulan data validasi untuk tugas penyesuaian Anda.

  2. Jika Anda berencana untuk menggunakan IAM peran kustom baru, siapkan IAM izin untuk mengakses bucket S3 untuk data Anda. Anda juga dapat menggunakan peran yang ada atau membiarkan konsol secara otomatis membuat peran dengan izin yang tepat.

  3. (Opsional) Konfigurasikan KMSkunci dan/atau VPCuntuk keamanan ekstra.

  4. Buat pekerjaan Fine-tuning atau Lanjutan Pra-pelatihan, kendalikan proses pelatihan dengan menyesuaikan nilai hyperparameter.

  5. Menganalisis hasil dengan melihat metrik pelatihan atau validasi atau dengan menggunakan evaluasi model.

  6. Beli Throughput yang Disediakan untuk model kustom Anda yang baru dibuat.

  7. Gunakan model kustom Anda seperti halnya model dasar dalam tugas Amazon Bedrock, seperti inferensi model.