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。

# 提交模型自訂任務以進行微調
<a name="model-customization-submit"></a>

您可以在 Amazon Bedrock 主控台或 API 中使用微調來建立自訂模型。您可以進一步微調現有的自訂模型。自訂任務可能需要幾個小時。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。

## 先決條件
<a name="submit-model-customization-job-prerequisites"></a>
+ 建立 AWS Identity and Access Management (IAM) 服務角色，以存取您要存放模型自訂訓練和驗證資料的 S3 儲存貯體。您可以使用 AWS 管理主控台 或 手動自動建立此角色。如需手動選項的詳細資訊，請參閱 [建立模型自訂的 IAM 服務角色](custom-model-job-access-security.md#custom-model-job-service-role)。
+ (選用) 加密輸入和輸出資料、您的自訂任務，或對自訂模型提出的推論請求。如需詳細資訊，請參閱[自訂模型的加密](encryption-custom-job.md)。
+ (選用) 建立虛擬私有雲端 (VPC) 以保護自訂任務。如需詳細資訊，請參閱[(選用) 使用 VPC 保護模型自訂任務](custom-model-job-access-security.md#vpc-model-customization)。

## 提交您的任務
<a name="submit-model-customization-job-how-to"></a>

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。

1.  AWS 管理主控台 使用具有使用 Amazon Bedrock 主控台之許可的 IAM 身分登入 。接著，開啟位於 [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock) 的 Amazon Bedrock 主控台。

1. 從左側導覽窗格中，選擇**調校**下的**自訂模型**。

1. 在**模型**索引標籤中，選擇**自訂模型**，然後選擇**建立微調任務**。

1. 在**模型詳細資訊**區段中，執行下列動作。

   1. 選擇您要使用自己的資料自訂的模型，並為產生的模型命名。您可以選擇基礎模型或先前自訂的模型 (微調或蒸餾) 作為基礎模型。

   1. (選用) 根據預設，Amazon Bedrock 會使用 AWS擁有和管理的金鑰來加密模型。若要使用[自訂 KMS 金鑰](encryption-custom-job.md)，請選取**模型加密**並選擇金鑰。

   1. (選用) 若要建立[標籤](tagging.md)與自訂模型相關聯，請展開**標籤**區段，然後選取**新增標籤**。

1. 在**任務組態**區段中，輸入任務的名稱，並選擇性地新增任何與任務相關聯的標籤。

1. (選用) 若要使用[虛擬私有雲端 (VPC) 來保護訓練資料和自訂任務](custom-model-job-access-security.md#vpc-model-customization)，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，則主控台無法為該任務建立新的服務角色。[建立自訂服務角色](model-customization-iam-role.md)並新增與 [將 VPC 許可連接至模型自訂角色](custom-model-job-access-security.md#vpc-data-access-role) 中所述範例類似的許可。

1. 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。

1. 在**超參數**區段中，輸入要用於訓練的[超參數](custom-models-hp.md)值。

1. 在**輸出資料**區段中，輸入 Amazon Bedrock 應在其中儲存工作輸出的 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，存放在您指定之位置的不同檔案中。

1. 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](model-customization-iam-role.md)。
   + **建立並使用新的服務角色** — 輸入服務角色的名稱。

1. 選擇**微調模型**以開始任務。

------
#### [ API ]

**請求**

使用 [Amazon Bedrock 控制平面端點](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp)傳送 [CreateModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateModelCustomizationJob.html) (請參閱請求與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 [建立模型自訂的服務角色](model-customization-iam-role.md) 中的步驟建立自訂角色。
**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](custom-model-job-access-security.md#vpc-data-access-role)。
+ `baseModelIdentifier` – 要自訂的基礎模型或先前自訂模型 (微調或蒸餾) 的[模型 ID](models-supported.md) 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](custom-models-hp.md)。
+ `trainingDataConfig` – 包含訓練資料集之 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 [準備資料以微調模型](model-customization-prepare.md)。
+ `validationDataconfig` – 包含驗證資料集之 Amazon S3 URI 的物件。
+ `outputDataConfig` – 包含要將輸出資料寫入之 Amazon S3 URI 的物件。

如果您未指定 `customizationType`，則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](tagging.md)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](encryption-custom-job.md)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](custom-model-job-access-security.md#vpc-model-customization)。

**回應**

回應會傳回 `jobArn`，可用來[監控](model-customization-monitor.md)或[停止](model-customization-stop.md)任務。

[查看程式碼範例](model-customization-code-samples.md)

------