Affinage
Le réglage fin est le processus consistant à prendre un modèle préentraîné et à le former davantage sur un ensemble de données spécifique à un domaine afin d'améliorer ses connaissances et de fournir de meilleures réponses dans ce domaine.
Lorsque vous affinez un modèle dans des actions rapides d'IA, vous créez un travail Data Science pour le faire. Vous devez disposer de la stratégie nécessaire pour utiliser les travaux Data Science afin de créer un travail de réglage fin permettant d'affiner un modèle de base dans les actions rapides d'IA. Lorsque vous créez un travail de réglage fin, vous pouvez sélectionner un ensemble de données pour entraîner le modèle de base. Les modèles de base avec la balise Ready to Fine Tune
dans l'explorateur de modèles peuvent être affinés. Vous pouvez sélectionner un ensemble de données dans Object Storage ou télécharger un ensemble de données à partir du stockage du bloc-notes dans lequel vous travaillez. Lorsque vous téléchargez des ensembles de données à partir d'un bloc-notes, ils sont enregistrés dans le bucket Object Storage où le modèle affiné est enregistré. Par conséquent, vous avez besoin de la stratégie pour laisser la session de bloc-notes écrire des fichiers dans Object Storage. Le jeu de données doit être au format JSONL et doit inclure les colonnes 'prompt' et 'completion' nécessaires. Vous pouvez éventuellement inclure une colonne "catégorie". Si un fichier d'ensemble de données portant le même nom existe déjà dans le bucket, il est remplacé par le nouveau fichier. L'ensemble de données doit contenir au moins 100 enregistrements à affiner.
Vous avez la possibilité de définir le pourcentage du jeu de données pour la validation du modèle. L'ensemble de versions de modèle permet de regrouper un ensemble de modèles liés entre eux. Vous pouvez sélectionner un jeu de versions de modèle existant dans lequel placer le modèle affiné ou en créer un nouveau. Vous pouvez enregistrer le modèle affiné dans un bucket Object Storage pour lequel la gestion des versions doit être activée.
Une fois que vous avez saisi les informations de modèle, l'ensemble de données et l'ensemble de versions de modèle, et l'emplacement d'enregistrement du modèle affiné, vous pouvez choisir l'infrastructure de calcul et les fonctions de réseau pour le travail d'ajustement. Vous pouvez éventuellement configurer la journalisation pour surveiller le travail de réglage fin. Nous avons recommandé la journalisation pour le dépannage des erreurs dans le travail. Vous avez besoin de la stratégie nécessaire pour configurer la journalisation. L'entraînement et l'entraînement sur un seul noeud avec plusieurs cartes GPU sont pris en charge. Vous pouvez spécifier les paramètres permettant d'affiner le modèle, les époques et le taux de formation.
Vous pouvez vérifier les configurations et les paramètres que vous avez définis pour le travail de réglage fin avant sa création.
Pour obtenir la liste complète des paramètres et des valeurs des commandes de l'interface de ligne de commande des actions rapides AI, reportez-vous à Interface de ligne de commande des actions rapides AI.
Cette tâche ne peut pas être effectuée à l'aide de l'API.