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。
-
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」。
-
在 [模型] 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。
-
在「模型詳細資料」區段中，執行下列操作。
-
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。
-
(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。
-
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)。
-
在「超參數」段落中，輸入要用於訓練的超參數值。
-
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。
-
在服務存取區段中，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。
-
-
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。
-
jobTags和/或customModelTags— 將標籤與自訂工作或產生的自訂模型相關聯。 -
customModelKmsKeyId— 包含自訂 KMS 金鑰以加密您的自訂模型。 -
vpcConfig— 包括虛擬私有雲（VPC）的配置，以保護您的培訓數據和自定義任務。
回應
-
