Personalizza il tuo modello per migliorarne le prestazioni per il tuo caso d'uso - Amazon Bedrock

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Personalizza il tuo modello per migliorarne le prestazioni per il tuo caso d'uso

La personalizzazione del modello è il processo di fornitura di dati di addestramento a un modello per migliorarne le prestazioni per casi d'uso specifici. Puoi personalizzare i modelli di base di Amazon Bedrock per migliorarne le prestazioni e creare un'esperienza cliente migliore. Amazon Bedrock attualmente offre i seguenti metodi di personalizzazione.

  • Formazione preliminare continua

    Fornisci dati senza etichetta per pre-addestrare un modello di base familiarizzandolo con determinati tipi di input. È possibile fornire dati relativi a argomenti specifici per esporre un modello a tali aree. Il processo di pre-formazione continua modificherà i parametri del modello per adattarli ai dati di input e migliorarne la conoscenza del dominio.

    Ad esempio, è possibile addestrare un modello con dati privati, come documenti aziendali, che non sono disponibili al pubblico per la formazione di modelli linguistici di grandi dimensioni. Inoltre, puoi continuare a migliorare il modello riqualificandolo con più dati non etichettati non appena saranno disponibili.

  • Ottimizzazione

    Fornisci dati etichettati per addestrare un modello per migliorare le prestazioni su attività specifiche. Fornendo un set di dati di formazione con esempi etichettati, il modello impara ad associare quali tipi di output devono essere generati per determinati tipi di input. I parametri del modello vengono regolati durante il processo e le prestazioni del modello vengono migliorate per le attività rappresentate dal set di dati di addestramento.

Per informazioni sulle quote di personalizzazione del modello, consulta gli endpoint e le quote di Amazon Bedrock nel. Riferimenti generali di AWS

Nota

I costi per l'addestramento del modello vengono calcolati in base al numero di token elaborati dal modello (numero di token nel corpus di dati di addestramento × numero di epoche) e allo storage del modello addebitato al mese per modello. Per ulteriori informazioni, consulta i prezzi di Amazon Bedrock.

Per la personalizzazione del modello, esegui i seguenti passaggi.

  1. Create un set di dati di formazione e, se applicabile, di convalida per l'attività di personalizzazione.

  2. Se prevedi di utilizzare un nuovo IAM ruolo personalizzato, configura IAM le autorizzazioni per accedere ai bucket S3 per i tuoi dati. Puoi anche utilizzare un ruolo esistente o lasciare che la console crei automaticamente un ruolo con le autorizzazioni appropriate.

  3. (Facoltativo) Configura KMSle chiavi e/o VPCper una maggiore sicurezza.

  4. Crea un lavoro di perfezionamento o di pre-addestramento continuo, controllando il processo di formazione regolando i valori degli iperparametri.

  5. Analizza i risultati esaminando le metriche di formazione o convalida o utilizzando la valutazione del modello.

  6. Acquista Provisioned Throughput per il tuo modello personalizzato appena creato.

  7. Usa il tuo modello personalizzato come faresti con un modello base nelle attività di Amazon Bedrock, come l'inferenza dei modelli.