모델 사용자 지정 작업 제출

Amazon Bedrock 콘솔 또는 API에서 미세 조정 또는 지속적인 사전 교육을 사용하여 사용자 지정 모델을 생성할 수 있습니다. 사용자 지정 작업에는 몇 시간이 걸릴 수 있습니다. 작업 기간은 훈련 데이터의 크기(레코드 수, 입력 토큰 수, 출력 토큰 수), 에포크 수, 배치 크기에 따라 달라집니다. 선택한 방법에 해당하는 탭을 선택하고 단계를 따르세요.

Console

콘솔에서 모델 사용자 지정 작업을 제출하려면 다음 단계를 수행하십시오.

1. Amazon Bedrock 콘솔의 왼쪽 탐색 창에서 Foundation 모델 아래에서 사용자 지정 모델을 선택합니다.

2. 모델 탭에서 모델 사용자 지정을 선택한 다음 학습하려는 모델 유형에 따라 미세 조정 작업 생성 또는 지속적인 사전 교육 작업 생성을 선택합니다.

3. 모델 세부 정보 섹션에서 다음을 수행하십시오.

   1. 자체 데이터로 사용자 지정하려는 모델을 선택하고 결과 모델에 이름을 지정합니다.

   2. (선택 사항) 기본적으로 Amazon Bedrock은 소유하고 관리하는 키로 모델을 암호화합니다. AWS사용자 지정 KMS 키를 사용하려면 모델 암호화를 선택하고 키를 선택합니다.

   3. (선택 사항) 태그를 사용자 지정 모델에 연결하려면 태그 섹션을 확장하고 새 태그 추가를 선택합니다.

4. Job configuration 섹션에서 작업 이름을 입력하고 선택적으로 작업과 연결할 태그를 추가합니다.

5. (선택 사항) VPC (가상 사설 클라우드) 를 사용하여 교육 데이터 및 사용자 지정 작업을 보호하려면 VPC 설정 섹션에서 입력 데이터 및 출력 데이터 Amazon S3 위치, 해당 서브넷, 보안 그룹이 포함된 VPC를 선택합니다.

   참고

   VPC 구성을 포함하는 경우 콘솔은 해당 작업에 대한 새 서비스 역할을 생성할 수 없습니다. 에 설명된 예와 비슷한 방식으로 사용자 지정 서비스 역할을 생성하고 권한을 추가합니다. VPC 권한을 모델 사용자 지정 역할에 연결

6. 입력 데이터 섹션에서 교육 데이터세트 파일의 S3 위치를 선택하고 해당하는 경우 검증 데이터세트 파일을 선택합니다.

7. 하이퍼파라미터 섹션에서 훈련에 사용할 하이퍼파라미터의 입력 값을 입력합니다.

8. 출력 데이터 섹션에서 Amazon Bedrock이 작업 출력을 저장해야 하는 Amazon S3 위치를 입력합니다. Amazon Bedrock은 각 에포크의 훈련 손실 지표와 검증 손실 지표를 지정한 위치에서 별도의 파일에 저장합니다.

9. 서비스 액세스 섹션에서 다음 중 하나를 선택합니다.

   • 기존 서비스 역할 사용 - 드롭다운 목록에서 서비스 역할을 선택합니다. 적절한 권한이 있는 사용자 지정 역할을 설정하는 방법에 대한 자세한 내용은 모델 사용자 지정을 위한 서비스 역할 생성 섹션을 참조하세요.

   • 새 서비스 역할 생성 및 사용 - 서비스 역할의 이름을 입력합니다.

10. 모델 미세 조정 또는 지속적인 사전 교육 작업 생성을 선택하여 작업을 시작합니다.

API

요청

Amazon Bedrock 컨트롤 플레인 엔드포인트와 함께 요청 CreateModelCustomizationJob(요청 및 응답 형식과 필드 세부 정보는 링크 참조) 을 보내 모델 사용자 지정 작업을 제출하십시오. 최소한 다음 필드를 제공해야 합니다.

• roleArn— 모델을 사용자 지정할 수 있는 권한이 있는 서비스 역할의 ARN. Amazon Bedrock은 콘솔을 사용하는 경우 적절한 권한을 가진 역할을 자동으로 생성하거나 의 단계에 따라 사용자 지정 역할을 생성할 수 있습니다. 모델 사용자 지정을 위한 서비스 역할 생성

  참고

  vpcConfig필드를 포함하는 경우 역할에 VPC에 액세스할 수 있는 적절한 권한이 있는지 확인하십시오. 예시는 VPC 권한을 모델 사용자 지정 역할에 연결을 확인하세요.

• baseModelIdentifier— 사용자 지정할 기반 모델의 모델 ID 또는 ARN.

• customModelName - 새로 사용자 지정된 모델에 설정할 이름입니다.

• jobName - 훈련 작업에 설정할 이름입니다.

• hyperParameters— 모델 사용자 지정 프로세스에 영향을 미치는 하이퍼파라미터.

• trainingDataConfig— 교육 데이터세트의 Amazon S3 URI를 포함하는 객체입니다. 사용자 지정 방법 및 모델에 따라 validationDataConfig a도 포함할 수 있습니다. 데이터세트 준비에 대한 자세한 내용은 을 참조하십시오데이터 세트 준비.

• outputDataConfig— 출력 데이터를 쓸 Amazon S3 URI가 들어 있는 객체입니다.

를 지정하지 않는 경우 모델 사용자 지정 방법은 기본적으로 로 FINE_TUNING 설정됩니다. customizationType

요청이 두 번 이상 완료되지 않도록 하려면 a를 clientRequestToken 포함하세요.

추가 구성을 위해 다음과 같은 옵션 필드를 포함할 수 있습니다.

• jobTags및/또는 customModelTags — 태그를 사용자 지정 작업 또는 결과 사용자 지정 모델과 연결합니다.

• customModelKmsKeyId— 사용자 지정 모델을 암호화하기 위한 사용자 지정 KMS 키를 포함하세요.

• vpcConfig— 교육 데이터 및 사용자 지정 작업을 보호하기 위한 가상 사설 클라우드 (VPC) 구성을 포함합니다.

응답

응답은 작업을 모니터링하거나 jobArn 중지하는 데 사용할 수 있는 a를 반환합니다.

코드 예제를 참조하십시오.