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.
Perfeziona un modello in Studio
La messa a punto consente di addestrare un modello già addestrato su un nuovo set di dati senza addestramento da zero. Questo processo, noto anche come trasferimento dell'apprendimento, può produrre modelli accurati con set di dati più piccoli e tempi di addestramento ridotti. Per ottimizzare i modelli di JumpStart base, accedi a una scheda con i dettagli del modello nell'interfaccia utente di Studio. Per ulteriori informazioni su come aprire JumpStart in Studio, consulta. Apri e usa in Studio JumpStart Dopo essere passati alla scheda con i dettagli del modello che preferisci, scegli Train nell'angolo in alto a destra. Tieni presente che non tutti i modelli sono dotati di regolazioni di precisione.
Importante
Alcuni modelli base richiedono l'accettazione esplicita di un contratto di licenza per l'utente finale () prima della messa a punto. EULA Per ulteriori informazioni, consulta EULAaccettazione in Amazon SageMaker Studio.
Impostazioni del modello
Quando si utilizza un modello JumpStart base pre-addestrato in Amazon SageMaker Studio, la posizione dell'artefatto del modello (Amazon S3URI) viene popolata per impostazione predefinita. Per modificare la posizione predefinita di Amazon S3URI, scegli Inserisci la posizione dell'artefatto del modello. Non tutti i modelli supportano la modifica della posizione degli artefatti del modello.
Impostazioni dei dati
Nel campo Dati, fornisci un URI punto Amazon S3 alla posizione del set di dati di addestramento. L'Amazon S3 predefinito rimanda a un set URI di dati di addestramento di esempio. Per modificare il set di dati di formazione predefinito di Amazon S3URI, scegli Inserisci set di dati di addestramento e modifica il. URI Assicurati di consultare la scheda dettagliata del modello in Amazon SageMaker Studio per informazioni sulla formattazione dei dati di addestramento.
Iperparametri
È possibile personalizzare gli iperparametri del processo di addestramento utilizzati per ottimizzare il modello. Gli iperparametri disponibili per ogni modello ottimizzabile variano a seconda del modello.
I seguenti iperparametri sono comuni tra i modelli:
-
Epoche: un'epoca è un ciclo dell'intero set di dati. Intervalli multipli completano un batch e alla fine più batch completano un'epoca. Vengono eseguite più epoche finché la precisione del modello non raggiunge un livello accettabile o quando il tasso di errore scende al di sotto di un livello accettabile.
-
Tasso di apprendimento: la quantità di valori da modificare tra le epoche. Man mano che il modello viene perfezionato, i pesi interni vengono modificati e i tassi di errore vengono controllati per vedere se il modello migliora. Un tasso di apprendimento tipico è di 0,1 o 0,01, dove 0,01 rappresenta un aggiustamento molto inferiore e potrebbe far sì che l'addestramento richieda molto tempo per convergere, mentre 0,1 è molto più elevato e può causare un superamento dell’addestramento. È uno degli iperparametri principali che si possono modificare per addestrare il modello. Tieni presente che per i modelli testuali, un tasso di apprendimento molto inferiore (5e-5 perBERT) può portare a un modello più accurato.
-
Dimensione del batch: il numero di record del set di dati da selezionare per ogni intervallo da inviare al gruppo GPUs per l'addestramento.
Consultate le istruzioni dei comandi e le informazioni aggiuntive nella scheda con i dettagli del modello nell'interfaccia utente di Studio per saperne di più sugli iperparametri specifici del modello di vostra scelta.
Per ulteriori informazioni sugli iperparametri disponibili, consulta. Iperparametri di regolazione fine comunemente supportati
Implementazione
Specificate il tipo di istanza di addestramento e la posizione dell'artefatto di output per il vostro lavoro di formazione. Puoi scegliere solo tra istanze compatibili con il modello che preferisci nell'ambito della messa a punto dell'interfaccia utente di Studio. La posizione predefinita degli artefatti di output è il bucket predefinito. SageMaker Per modificare la posizione dell'artefatto di output, scegli Inserisci la posizione dell'artefatto di output e modifica Amazon S3. URI
Sicurezza
Specificate le impostazioni di sicurezza da utilizzare per il vostro processo di formazione, incluso il IAM ruolo da utilizzare per addestrare il modello, se il processo di formazione deve connettersi a un cloud privato virtuale (VPC) ed eventuali chiavi di crittografia per proteggere i dati. SageMaker
Informazioni aggiuntive
Nel campo Informazioni aggiuntive è possibile modificare il nome del lavoro di formazione. Puoi anche aggiungere e rimuovere tag sotto forma di coppie chiave-valore per organizzare e classificare i tuoi lavori di formazione finalizzati alla messa a punto.
Dopo aver fornito le informazioni per la configurazione di messa a punto, scegliete Invia. Se il modello base già addestrato che avete scelto di perfezionare richiede l'accordo esplicito di un contratto di licenza per l'utente finale (EULA) prima della formazione, viene fornito in una finestra pop-up. EULA Per accettare i termini del, scegli Accetta. EULA Sei responsabile della revisione e del rispetto di tutte le condizioni di licenza applicabili e di verificare che siano accettabili per il tuo caso d'uso, prima di scaricare o utilizzare un modello.
