Modelos personalizados

La personalización del modelo es el proceso de proporcionar datos de entrenamiento a un modelo para mejorar su rendimiento en casos de uso específicos. Puede personalizar los modelos básicos de Amazon Bedrock para mejorar su rendimiento y crear una mejor experiencia para el cliente. Amazon Bedrock ofrece actualmente los siguientes métodos de personalización.

• Formación previa continua

  Proporcione datos sin etiquetar para preparar previamente un modelo básico familiarizándolo con ciertos tipos de entradas. Puede proporcionar datos de temas específicos para exponer un modelo a esas áreas. El proceso de formación previa continua modificará los parámetros del modelo para adaptarlos a los datos de entrada y mejorar su conocimiento del dominio.

  Por ejemplo, puede entrenar un modelo con datos privados, como documentos comerciales, que no estén disponibles públicamente para entrenar modelos lingüísticos de gran tamaño. Además, puede seguir mejorando el modelo reentrenándolo con más datos sin etiquetar a medida que estén disponibles.

• Ajustes

  Proporcione datos etiquetados para entrenar un modelo para mejorar el rendimiento en tareas específicas. Al proporcionar un conjunto de datos de entrenamiento con ejemplos etiquetados, el modelo aprende a asociar qué tipos de salidas deben generarse para ciertos tipos de entradas. Los parámetros del modelo se ajustan en el proceso y se mejora el rendimiento del modelo para las tareas representadas en el conjunto de datos de entrenamiento.

Para obtener información sobre las cuotas de personalización del modelo, consulteCuotas de personalización de modelos.

nota

El entrenamiento del modelo se cobra en función del número de fichas procesadas por el modelo (número de fichas en el corpus de datos de entrenamiento × número de épocas) y el almacenamiento del modelo se cobra por mes y por modelo. Para obtener más información, consulta los precios de Amazon Bedrock.

Realice los siguientes pasos en la personalización del modelo.

1. Cree un conjunto de datos de capacitación y, si corresponde, de validación para su tarea de personalización.

2. Si planea usar una nueva función de IAM personalizada, configure los permisos de IAM para acceder a los depósitos de S3 para sus datos. También puedes usar un rol existente o dejar que la consola cree automáticamente un rol con los permisos adecuados.

3. (Opcional) Configure las claves de KMS o la VPC para mayor seguridad.

4. Cree un trabajo de perfeccionamiento o de preentrenamiento continuo y controle el proceso de entrenamiento ajustando los valores de los hiperparámetros.

5. Analice los resultados observando las métricas de capacitación o validación o utilizando la evaluación del modelo.

6. Adquiera el rendimiento aprovisionado para su modelo personalizado recién creado.

7. Utilice su modelo personalizado como lo haría con un modelo base en las tareas de Amazon Bedrock, como la inferencia de modelos.

Temas

• Regiones y modelos compatibles para la personalización del modelo
• Requisitos previos para la personalización del modelo
• Enviar un trabajo de personalización de modelos
• Administrar un trabajo de personalización de modelos
• Analice los resultados de un trabajo de personalización de modelos
• Usa un modelo personalizado
• Ejemplos de código para la personalización de modelos
• Directrices para la personalización de modelos
• Solución de problemas