Reichen Sie einen Job zur Modellanpassung ein

Sie können ein benutzerdefiniertes Modell erstellen, indem Sie Fine-tuning oder Continued Pre-Training in der Amazon Bedrock-Konsole oder API verwenden. Die Anpassung kann mehrere Stunden dauern. Die Dauer des Auftrags hängt von der Größe der Trainingsdaten (Anzahl der Datensätze, Eingabe- und Ausgabetoken), der Anzahl der Epochen und der Batch-Größe ab. Wählen Sie die Registerkarte aus, die der Methode Ihrer Wahl entspricht, und folgen Sie den Schritten.

Console

Gehen Sie wie folgt vor, um einen Auftrag zur Modellanpassung in der Konsole einzureichen.

1. Wählen Sie in der Amazon Bedrock-Konsole im linken Navigationsbereich unter Foundation-Modelle die Option Benutzerdefinierte Modelle aus.

2. Wählen Sie auf der Registerkarte Modelle die Option Modell anpassen und dann Feinabstimmungsauftrag erstellen oder Weiterbildungsauftrag erstellen aus, je nachdem, welche Art von Modell Sie trainieren möchten.

3. Gehen Sie im Abschnitt Modelldetails wie folgt vor.

   1. Wählen Sie das Modell aus, das Sie mit Ihren eigenen Daten anpassen möchten, und geben Sie Ihrem resultierenden Modell einen Namen.

   2. (Optional) Standardmäßig verschlüsselt Amazon Bedrock Ihr Modell mit einem Schlüssel, der Eigentümer ist und von diesem verwaltet wird. AWS Um einen benutzerdefinierten KMS-Schlüssel zu verwenden, wählen Sie Modellverschlüsselung und wählen Sie einen Schlüssel aus.

   3. (Optional) Um Tags mit dem benutzerdefinierten Modell zu verknüpfen, erweitern Sie den Abschnitt Tags und wählen Sie Neues Tag hinzufügen aus.

4. Geben Sie im Abschnitt Auftragskonfiguration einen Namen für den Job ein und fügen Sie optional alle Tags hinzu, die dem Job zugeordnet werden sollen.

5. (Optional) Um eine Virtual Private Cloud (VPC) zum Schutz Ihrer Trainingsdaten und Ihres Anpassungsjobs zu verwenden, wählen Sie im Bereich VPC-Einstellungen eine VPC aus, die die Eingabe- und Ausgabedaten der Amazon S3 S3-Standorte, deren Subnetze und Sicherheitsgruppen enthält.

   Anmerkung

   Wenn Sie eine VPC-Konfiguration angeben, kann die Konsole keine neue Servicerolle für den Job erstellen. Erstellen Sie eine benutzerdefinierte Servicerolle und fügen Sie Berechtigungen hinzu, ähnlich dem unter beschriebenen Beispiel. Anfügen von VPC-Berechtigungen an eine Modellanpassungsrolle

6. Wählen Sie im Abschnitt Eingabedaten den S3-Speicherort der Trainingsdatensatzdatei und gegebenenfalls der Validierungsdatensatzdatei aus.

7. Geben Sie im Abschnitt Hyperparameter Eingabewerte für Hyperparameter ein, die im Training verwendet werden sollen.

8. Geben Sie im Abschnitt Ausgabedaten den Amazon S3 S3-Speicherort ein, an dem Amazon Bedrock die Ausgabe des Jobs speichern soll. Amazon Bedrock speichert die Trainings- und Validierungsverluste für jede Epoche werden in separaten Dateien an dem von Ihnen angegebenen Speicherort.

9. Wählen Sie im Abschnitt Servicezugriff eine der folgenden Optionen aus:

   • Eine vorhandene Servicerolle verwenden – Wählen Sie eine Servicerolle aus der Dropdown-Liste aus. Weitere Informationen zum Einrichten einer benutzerdefinierten Rolle mit den entsprechenden Berechtigungen finden Sie unter Erstellen Sie eine Servicerolle für die Modellanpassung.

   • Neue Servicerolle erstellen und verwenden – Geben Sie einen Namen für die Servicerolle ein.

10. Wählen Sie Modell feinabstimmen oder Weiterbildungsauftrag erstellen, um mit dem Job zu beginnen.

API

Anforderung

Senden Sie eine Anfrage CreateModelCustomizationJob(siehe Link für Anfrage- und Antwortformate und Felddetails) mit einem Endpunkt der Amazon Bedrock-Steuerebene, um einen Auftrag zur Modellanpassung einzureichen. Sie müssen mindestens die folgenden Felder angeben.

• roleArn— Der ARN der Servicerolle mit Berechtigungen zum Anpassen von Modellen. Amazon Bedrock kann automatisch eine Rolle mit den entsprechenden Berechtigungen erstellen, wenn Sie die Konsole verwenden, oder Sie können eine benutzerdefinierte Rolle erstellen, indem Sie die Schritte unter Erstellen Sie eine Servicerolle für die Modellanpassung befolgen.

  Anmerkung

  Wenn Sie ein vpcConfig Feld angeben, stellen Sie sicher, dass die Rolle über die richtigen Berechtigungen für den Zugriff auf die VPC verfügt. Ein Beispiel finden Sie unter Anfügen von VPC-Berechtigungen an eine Modellanpassungsrolle.

• baseModelIdentifier— Die Modell-ID oder der ARN des Basismodells, das angepasst werden soll.

• customModelName – der Name für das neu angepasste Modell.

• jobName – der Name, den der Trainingsauftrag erhalten soll.

• hyperParameters— Hyperparameter, die den Prozess der Modellanpassung beeinflussen.

• trainingDataConfig— Ein Objekt, das den Amazon S3 S3-URI des Trainingsdatensatzes enthält. Je nach Anpassungsmethode und Modell können Sie auch eine hinzufügenvalidationDataConfig. Weitere Hinweise zur Vorbereitung der Datensätze finden Sie unterVorbereitung der Datensätze.

• outputDataConfig— Ein Objekt, das den Amazon S3 S3-URI enthält, in den die Ausgabedaten geschrieben werden sollen.

Wenn Sie das nicht angebencustomizationType, ist die Modellanpassungsmethode standardmäßig auf FINE_TUNING eingestellt.

Um zu verhindern, dass die Anfrage mehr als einmal abgeschlossen wird, fügen Sie eine clientRequestToken hinzu.

Sie können die folgenden optionalen Felder für zusätzliche Konfigurationen hinzufügen.

• jobTagsund/oder customModelTags — Ordnen Sie dem Anpassungsjob oder dem daraus resultierenden benutzerdefinierten Modell Tags zu.

• customModelKmsKeyId— Fügen Sie einen benutzerdefinierten KMS-Schlüssel hinzu, um Ihr benutzerdefiniertes Modell zu verschlüsseln.

• vpcConfig— Fügen Sie die Konfiguration für eine virtuelle private Cloud (VPC) hinzu, um Ihre Trainingsdaten und Anpassungsaufgaben zu schützen.

Antwort

Die Antwort gibt eine zurückjobArn, mit der Sie den Job überwachen oder beenden können.

Siehe Codebeispiele