提交模型自訂工作 - Amazon Bedrock

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。

提交模型自訂工作

您可以使用 Amazon 基岩主控台或 API 中的微調或繼續預先訓練來建立自訂模型。自訂工作可能需要幾個小時。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。選擇與您選擇的方法相對應的選項卡,然後按照步驟操作。

Console

若要在主控台中提交模型自訂工作,請執行下列步驟。

  1. 在 Amazon 基岩主控台中,從左側導覽窗格選擇「基礎模型」下的「自訂模型」。

  2. 在 [模] 索引標籤中,選擇 [自訂模型],然後選擇 [建立微調工作] 或 [建立持續的訓練前期工作],視您要訓練的模型類型而定。

  3. 在「模型詳細資料」區段中,執行下列操作。

    1. 選擇要使用自己的數據自定義的模型,並為生成的模型命名。

    2. (選用) 根據預設,Amazon 基岩會使用擁有和管理的金鑰來加密您的模型。 AWS若要使用自訂 KMS 金鑰,請選取模型加密並選擇金鑰。

    3. (選擇性) 若要將與自訂模型相關聯,請展開「標」區段,然後選取「新增標籤」。

  4. 在「Job 組態」段落中,輸入工作的名稱,並選擇性地新增任何與工作關聯的標籤。

  5. (選擇性) 若要使用虛擬私有雲端 (VPC) 來保護訓練資料和自訂任務,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 V PC。

    注意

    如果包含 VPC 組態,則主控台無法為該工作建立新的服務角色。建立自訂服務角色,並新增類似於中所述範例的權限將 VPC 權限附加至模型自訂角色

  6. 在「輸入資料」區段中,選取訓練資料集檔案的 S3 位置,以及驗證資料集檔案 (如果適用)。

  7. 在「超參數」段落中,輸入要用於訓練的超參數值。

  8. 在「輸出資料」區段中,輸入 Amazon 基岩應儲存任務輸出的 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,儲存在您指定之位置的不同檔案中。

  9. 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權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

    • 建立並使用新的服務角色 — 輸入服務角色的名稱。

  10. 選擇「微調模型」或「建立持續的訓練前工作」以開始工作。

API

請求

透過 Amazon Bedrock 控制平面端點傳送 CreateModelCustomizationJob(請參閱請求和回應格式連結以及欄位詳細資訊的連結),以提交模型自訂任務。最低限度,您必須提供下列欄位。

  • roleArn— 具有自訂模型之權限之服務角色的 ARN。如果您使用主控台,Amazon Bdrock 可以自動建立具有適當許可的角色,或者您可以按照中的步驟建立自訂角色。建立模型自訂的服務角色

    注意

    如果您包含vpcConfig欄位,請確定角色具有存取 VPC 的適當權限。如需範例,請參閱將 VPC 權限附加至模型自訂角色

  • baseModelIdentifier— 要自訂之基礎模型的模型 ID 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

  • trainingDataConfig— 包含訓練資料集之 Amazon S3 URI 的物件。根據自訂方法和模型,您也可以包括validationDataConfig. 如需準備資料集的詳細資訊,請參閱準備資料集

  • outputDataConfig— 包含要將輸出資料寫入的 Amazon S3 URI 的物件。

如果未指定customizationType,模型自訂方法預設為FINE_TUNING

若要避免要求完成超過一次,請加入clientRequestToken.

您可以包含下列可選欄位以供額外組態使用。

回應

回應會傳回jobArn可用來監視停止工作的一個。

查看程式碼範例