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。
您可以使用 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，以執行模型分割。您至少必須提供下列欄位。
| 欄位 | 描述 |
|---|---|
| baseModelIdentifier | 學生模型的模型識別符 |
| customModelName | 新已分割模型的名稱 |
| jobName | 模型蒸餾任務的名稱 |
| roleArn | 授予 Amazon Bedrock 讀取訓練和驗證檔案和寫入輸出路徑的許可 |
| trainingDataConfig | 具有訓練資料的 Amazon S3 路徑 |
| outputDataConfig | 包含您的訓練和驗證指標的 Amazon S3 路徑 |
| distillationConfig | 蒸餾任務所需的輸入 |
| customModelKmsKeyId | 加密自訂模型 |
| clientRequestToken | 權杖，防止請求完成多次 |
下列欄位為選用：
| 欄位 | 描述 |
|---|---|
| customizationType | 根據DISTILLATION 預設， 會針對 蒸餾任務設為 。 |
| validationDataConfig | 驗證資料 Amazon S3 路徑的清單 |
| jobTags | 將標籤與任務建立關聯 |
| customModelTags | 將標籤與產生的自訂模型建立關聯 |
| vpcConfig | VPC 可保護您的訓練資料和蒸餾任務 |
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。 -
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。
以下是 CreateModelCustomizationJob API 的範例程式碼片段。此範例使用調用日誌中的 prompt-response 對作為輸入資料來源，並指定用於選取 prompt-response 對的篩選條件。
"trainingDataConfig": {
"invocationLogsConfig": {
"usePromptResponse": true,
"invocationLogSource": {"s3Uri": "string"},
"requestMetadataFilters": {"equals": {
"priority": "High"
}},
}
回應
回應會傳回模型蒸餾任務jobArn的 。您可以使用此 Amazon Resource Name (ARN) 停止任務或刪除已分割的模型。
