本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
分析模型自訂任務的結果
模型自訂任務完成後，您可以查看您在提交任務時指定的輸出 S3 資料夾中的檔案，或檢視模型的詳細資訊，藉此分析訓練程序的結果。Amazon Bedrock 會將您的自訂模型存放在 AWS受管儲存中，該儲存範圍為您的帳戶。
您也可以執行模型評估任務來評估模型。如需詳細資訊，請參閱使用 Amazon Bedrock 評估選擇效能最佳的模型。
模型自訂任務的 S3 輸出包含 S3 資料夾中的下列輸出檔案。只有在包含驗證資料集時，才會顯示驗證成品。
- model-customization-job-training-job-id/ - training_artifacts/ - step_wise_training_metrics.csv - validation_artifacts/ - post_fine_tuning_validation/ - validation_metrics.csv
使用 step_wise_training_metrics.csv 和 validation_metrics.csv 檔案來分析模型自訂工作，並協助您根據需要調整模型。
step_wise_training_metrics.csv 檔案中的資料欄如下所示。
-
step_number – 訓練程序的步驟。從 0 開始。
-
epoch_number – 訓練程序中的 epoch。
-
training_loss – 指示模型符合訓練資料的程度。較低的值表示更適合。
-
複雜度 – 指示模型預測一系列字符的能力。較低的值表示更好的預測能力。
檔案中的資料欄validation_metrics.csv與訓練檔案相同，但 validation_loss（模型適合驗證資料的程度） 會取代 出現training_loss。
您可以直接開啟 https://console.aws.amazon.com/s3
