모델 사용자 지정 작업 제출 - Amazon Bedrock

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

모델 사용자 지정 작업 제출

Amazon Bedrock 콘솔 또는 API에서 미세 조정 또는 지속적인 사전 훈련을 사용하여 사용자 지정 모델을 만들 수 있습니다. 사용자 지정 작업은 몇 시간이 걸릴 수 있습니다. 작업 기간은 훈련 데이터의 크기(레코드 수, 입력 토큰 수, 출력 토큰 수), 에포크 수, 배치 크기에 따라 달라집니다. 원하는 방법의 탭을 선택한 다음 다음 단계를 따릅니다.

Console

콘솔에서 모델 사용자 지정 작업을 제출하려면 다음 단계를 수행합니다.

  1. Amazon Bedrock 권한이 있는 IAM 역할을 AWS Management Console 사용하여에 로그인하고 https://console.aws.amazon.com/bedrock/ Amazon Bedrock 콘솔을 엽니다.

  2. 왼쪽 탐색 창의 파운데이션 모델에서 사용자 지정 모델을 선택합니다.

  3. 훈련시키려는 모델 유형에 따라 모델 탭에서 모델 사용자 지정을 선택한 다음 모델 미세 조정 작업 또는 지속적인 사전 훈련 작업 생성을 선택합니다.

  4. 모델 세부 정보 섹션에서 다음을 수행합니다.

    1. 자체 데이터로 사용자 지정할 모델을 선택하고 결과 모델에 이름을 지정합니다.

    2. (선택 사항) 기본적으로 Amazon Bedrock은 AWS에서 소유하고 관리하는 키로 모델을 암호화합니다. 사용자 지정 KMS 키를 사용하려면 모델 암호화를 선택하고 키를 선택합니다.

    3. (선택 사항) 사용자 지정 모델에 태그를 연결하려면 태그 섹션을 확장하고 새 태그 추가를 선택합니다.

  5. 작업 구성 섹션에서 작업 이름을 입력하고, 필요한 경우 작업에 연결할 태그를 추가합니다.

  6. (선택 사항) 가상 프라이빗 클라우드(VPC)를 사용하여 훈련 데이터 및 사용자 지정 작업을 보호하려면 VPC 설정 섹션에서 입력 데이터 및 출력 데이터 Amazon S3 위치, 서브넷, 보안 그룹이 포함된 VPC를 선택합니다.

    참고

    VPC 구성이 포함된 경우, 콘솔은 해당 작업에 대한 새 서비스 역할을 만들 수 없습니다. 사용자 지정 서비스 역할을 만들고 모델 사용자 지정 역할에 VPC 권한 연결에 설명된 예제와 유사한 권한을 추가합니다.

  7. 입력 데이터 섹션에서 훈련 데이터세트 파일의 S3 위치를 선택하고, 해당하는 경우 검증 데이터세트 파일을 선택합니다.

  8. 하이퍼파라미터 섹션에서 훈련에 사용할 하이퍼파라미터 값을 입력합니다.

  9. 출력 데이터 섹션에서 Amazon Bedrock이 작업 출력을 저장해야 하는 Amazon S3 위치를 입력합니다. Amazon Bedrock은 각 에포크의 훈련 손실 지표와 검증 손실 지표를 지정한 위치에서 별도의 파일에 저장합니다.

  10. 서비스 액세스 섹션에서 다음 중 하나를 선택합니다.

    • 기존 서비스 역할 사용 - 드롭다운 목록에서 서비스 역할을 선택합니다. 적절한 권한이 있는 사용자 지정 역할을 설정하는 방법에 대한 자세한 내용은 모델 사용자 지정을 위한 서비스 역할 생성 섹션을 참조하세요.

    • 새 서비스 역할 생성 및 사용 - 서비스 역할의 이름을 입력합니다.

  11. 미세 조정 모델 또는 지속적인 사전 훈련 작업 생성을 선택하여 작업을 시작합니다.

API

요청

Amazon Bedrock 컨트롤 플레인 엔드포인트를 사용하여 CreateModelCustomizationJob(요청 및 응답 형식과 필드 세부 정보는 링크 참조) 요청을 전송해 모델 사용자 지정 작업을 제출합니다. 다음 필드는 반드시 제공해야 합니다.

  • roleArn – 모델을 사용자 지정할 수 있는 권한이 있는 서비스 역할의 ARN입니다. 콘솔을 사용하는 경우 Amazon Bedrock이 적절한 권한이 있는 역할을 자동으로 만들 수 있으며, 아니면 모델 사용자 지정을 위한 서비스 역할 생성의 단계에 따라 사용자 지정 역할을 만들 수 있습니다.

    참고

    vpcConfig 필드를 포함하는 경우 역할에 VPC에 액세스할 수 있는 적절한 권한이 있어야 합니다. 예시는 모델 사용자 지정 역할에 VPC 권한 연결에서 확인하십시오.

  • baseModelIdentifier – 사용자 지정할 파운데이션 모델의 모델 ID 또는 ARN입니다.

  • customModelName - 새로 사용자 지정된 모델에 설정할 이름입니다.

  • jobName - 훈련 작업에 설정할 이름입니다.

  • hyperParameters – 모델 사용자 지정 프로세스에 영향을 미치는 하이퍼파라미터입니다.

  • trainingDataConfig - 훈련 데이터세트의 Amazon S3 URI를 포함하는 객체입니다. 사용자 지정 방법 및 모델에 따라 validationDataConfig를 포함할 수도 있습니다. 데이터세트 준비에 대한 자세한 내용은 데이터세트 준비 섹션을 참조하세요.

  • validationDataconfig - 검증 데이터 세트의 Amazon S3 URI가 포함된 객체입니다.

  • outputDataConfig - 출력 데이터를 작성할 Amazon S3 URI를 포함하는 객체입니다.

customizationType을 지정하지 않으면 모델 사용자 지정 방법의 기본값은 FINE_TUNING입니다.

요청이 두 번 이상 완료되지 않도록 하려면 clientRequestToken을 포함합니다.

추가 구성을 위해 다음과 같은 선택적 필드를 포함할 수 있습니다.

응답

응답은 작업을 모니터링하거나 중지하는 데 사용할 수 있는 jobArn을 반환합니다.

코드 예시 보기