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。
提交模型自訂任務
您可以在 Amazon Bedrock 主控台或 API 中使用微調或持續預先訓練來建立自訂模型。自訂任務可能需要幾個小時的時間。工作的持續時間取決於訓練資料的大小 (記錄數量、輸入記號和輸出記號)、時期數和批次大小。選擇您偏好方法的索引標籤，然後遵循下列步驟：
- Console
-
若要在主控台中提交模型自訂任務，請執行下列步驟。
-
AWS Management Console 使用具有 Amazon Bedrock 許可的 IAM 角色登入 ，然後開啟位於 https：//https://console.aws.amazon.com/bedrock/
的 Amazon Bedrock 主控台。 -
從左側導覽窗格中，選擇基礎模型下的自訂模型。
-
在模型索引標籤中，選擇自訂模型，然後根據您想要訓練的模型類型，建立微調任務或建立持續預先訓練任務。
-
在模型詳細資訊區段中，執行下列動作。
-
在任務組態區段中，輸入任務的名稱，並選擇性地新增要與任務建立關聯的任何標籤。
-
（選用） 若要使用虛擬私有雲端 (VPC) 來保護您的訓練資料和自訂任務，請在 VPC 設定區段中選取包含輸入資料和輸出資料 Amazon S3 位置、其子網路和安全群組的 VPC。
注意
如果您包含 VPC 組態，主控台就無法為任務建立新的服務角色。建立自訂服務角色，並新增與 中所述範例類似的許可將VPC許可連接至模型自訂角色。
-
在輸入資料區段中，選取訓練資料集檔案的 S3 位置，並在適用時選取驗證資料集檔案。
-
在超參數區段中，輸入要在訓練中使用的超參數值。
-
在輸出資料區段中，輸入 Amazon Bedrock 應儲存任務輸出的 Amazon S3 位置。Amazon Bedrock 會將每個 epoch 的訓練損失指標和驗證遺失指標，儲存在您指定之位置的不同檔案中。
-
在服務存取區段中，選取下列其中一項：
-
使用現有服務角色 — 從下拉式清單中選取服務角色。如需有關使用適當許可權設定自訂角色的詳細資訊，請參閱 建立模型自訂的服務角色。
-
建立並使用新的服務角色 — 輸入服務角色的名稱。
-
-
選擇微調模型或建立持續預先訓練任務以開始任務。
-
- API
-
請求
使用 Amazon Bedrock 控制平面端點傳送 CreateModelCustomizationJob （請參閱請求和回應格式和欄位詳細資訊的連結） 請求，以提交模型自訂任務。您至少必須提供下列欄位。
-
roleArn– 具有自訂模型許可的服務角色 ARN。如果您使用 主控台，Amazon Bedrock 可以自動建立具有適當許可的角色，或者您可以依照 中的步驟建立自訂角色建立模型自訂的服務角色。注意
如果您包含
vpcConfig欄位，請確定角色具有存取 VPC 的適當許可。如需範例，請參閱「將VPC許可連接至模型自訂角色」。 -
baseModelIdentifier– 要自訂的基礎模型的模型 ID 或 ARN。 -
customModelName— 指定新自訂模型的名稱。 -
jobName– 提供訓練工作的名稱。 -
hyperParameters– 影響模型自訂程序的超參數。 -
trainingDataConfig– 包含訓練資料集 Amazon S3 URI 的物件。根據自訂方法和模型，您也可以包含validationDataConfig。如需準備資料集的詳細資訊，請參閱準備資料集。 -
validationDataconfig– 包含驗證資料集 Amazon S3 URI 的物件。 -
outputDataConfig– 包含要寫入輸出資料的 Amazon S3 URI 的物件。
如果您未指定
customizationType，模型自訂方法預設為FINE_TUNING。若要防止請求完成多次，請包含
clientRequestToken。您可以針對額外組態包含下列選用欄位。
-
jobTags和/或customModelTags– 將標籤與自訂任務或產生的自訂模型建立關聯。 -
customModelKmsKeyId– 包含自訂 KMS 金鑰來加密您的自訂模型。 -
vpcConfig– 包含虛擬私有雲端 (VPC) 的組態，以保護訓練資料和自訂任務。
回應
-
