Documentation Oracle Cloud Infrastructure

Créer un modèle personnalisé entraîné

Créez un modèle personnalisé dans OCI Generative AI en affinant un modèle de base avec votre propre ensemble de données.

Avant de créer un modèle, assurez-vous que vous disposez des autorisations nécessaires pour créer des modèles personnalisés et des buckets de liste, et que votre ensemble de données répond aux exigences en matière de données d'entraînement.

Remarque

Les modèles de base pour les modèles personnalisés ne sont pas disponibles dans toutes les régions. Reportez-vous à Modèles de base préentraînés dans l'IA générative pour connaître les régions dans lesquelles un modèle de base est disponible.

  • Sur la page de liste Modèles personnalisés, sélectionnez Créer un modèle personnalisé. Si vous avez besoin d'aide pour trouver la page de liste, reportez-vous à Liste des modèles personnalisés.

    Définition de modèle

    1. Sélectionnez Créer un modèle.
    2. Sélectionnez le compartiment dans lequel créer le modèle. Le compartiment par défaut est celui de la page de liste, mais vous pouvez sélectionner n'importe quel compartiment dans laquelle vous êtes autorisé à travailler.
    3. (Facultatif) Saisissez le nom du modèle personnalisé. Commencez le nom par une lettre ou un trait de soulignement, suivi de lettres, de chiffres, de traits d'union ou de traits de soulignement. Il peut comporter entre 1 et 255 caractères. Si vous n'entrez pas de nom, le système génère un nom que vous pourrez modifier ultérieurement.
      Le nom généré a le format generativeaimodel<horodatage>. Par exemple : generativeaimodel20250531234930
    4. (Facultatif) Saisissez la version du modèle. Si vous n'entrez pas de version, le système génère une version que vous pourrez modifier ultérieurement.
      La version générée est au format v<timestamp>. Par exemple : v20250531234930
    5. (Facultatif) Entrez la description du modèle.
    6. (Facultatif) Sélectionnez Ajouter une balise et affectez des balises à ce modèle personnalisé. Reportez-vous à Balises de ressource.
    7. Sélectionnez Suivant.

    Configuration d'affinage

    1. Sélectionnez un modèle de base pour le modèle personnalisé.
      Pour plus d'informations sur le modèle de base, reportez-vous aux principales fonctionnalités des modèles préentraînés.
    2. Sélectionnez une méthode Fine-tuning.
      Important

      Pour obtenir des instructions, reportez-vous à Sélection d'une méthode de réglage fin dans l'IA générative.
    3. Sélectionnez un cluster d'IA dédié fine-tuning en effectuant l'une des actions suivantes :
      • Sélectionnez un cluster d'IA dédié dans la liste. Si vous avez créé un cluster il y a quelques minutes, attendez que ce cluster devienne actif. Assurez-vous que le modèle de base associé à ce cluster correspond au modèle de base.
      • Sélectionnez Créer un cluster d'IA dédié et procédez comme suit :
        1. (Facultatif) Entrez un nom et une description.
        2. Sélectionnez un modèle de base correspondant au modèle de base à l'étape 1.
        3. (Facultatif) Sélectionnez Ajouter une balise et affectez des balises à ce modèle personnalisé. Reportez-vous à Balises de ressource.
        4. Lisez les heures d'unité d'engagement pour le cluster d'IA dédié fine-tuning et cochez la case pour accepter l'engagement.
        5. (Facultatif) Sélectionnez Ajouter une balise et affectez des balises à ce cluster AI dédié. Reportez-vous à Balises de ressource.
        6. Sélectionnez Créer et attendez que le cluster devienne actif.
        7. Dans la liste Cluster d'IA dédié, choisissez le cluster d'IA dédié que vous avez créé.
    4. (Facultatif) Sélectionnez Hyperparamètres et mettez à jour les valeurs si nécessaire. Reportez-vous à Hyperparamètres de réglage fin dans l'IA générative. Pour réinitialiser les valeurs, sélectionnez Restaurer les valeurs par défaut.
    5. Sélectionnez Suivant.

    Sélection des données

    1. Sélectionnez le bucket Object Storage contenant l'ensemble de données d'entraînement. Si le bucket n'est pas répertorié, effectuez les actions suivantes :
      • Assurez-vous que le bucket se trouve dans la même région que le modèle personnalisé.
      • Sélectionnez Modifier un compartiment et sélectionnez le compartiment qui héberge le bucket avec les données d'entraînement.
      • Demandez à un administrateur de vous autoriser à accéder aux buckets et aux objets dans ce compartiment.
    2. Dans les fichiers répertoriés du bucket, sélectionnez un fichier d'entraînement à utiliser pour ce modèle.
    3. Affichez l'aperçu de la façon dont les données du fichier d'entraînement sont incluses.
      • En cas d'avertissement ou d'erreur, corrigez les données.
      • Si les enregistrements de données sont analysés correctement, passez à l'étape suivante.

    Examiner le modèle personnalisé

    Vérifiez les informations sur le modèle personnalisé. Si vous n'êtes pas satisfait des informations, revenez en arrière et modifiez les valeurs. Si vous êtes satisfait des sélections, créez le modèle personnalisé.

  • Utilisez la commande model create et les paramètres requis pour créer un modèle personnalisé :

    oci generative-ai model create 
--base-model-id <base-model-OCID>
--compartment-id <compartment-OCID>
--fine-tune-details [complex type]
[OPTIONS]

    Pour obtenir la liste complète des paramètres et des valeurs des commandes de la CLI, reportez-vous à Référence des commandes de la CLI.

    Remarque

    Pour l'ID de modèle de base, au lieu d'un OCID, vous pouvez utiliser le nom de modèle de base exactement comme indiqué dans le playground de test de la console. Vous pouvez également trouver ce nom de modèle OCI sur la page de détails du modèle dans Modèles fondamentaux préentraînés dans l'IA générative.

  • Exécutez l'opération CreateModel pour créer un modèle personnalisé.

    Remarque

    Pour l'ID de modèle de base, au lieu d'un OCID, vous pouvez utiliser le nom de modèle de base exactement comme indiqué dans le playground de test de la console. Vous pouvez également trouver ce nom de modèle OCI sur la page de détails du modèle dans Modèles fondamentaux préentraînés dans l'IA générative.