Ajustar

El ajuste es el proceso de tomar un modelo preentrenado y seguir entrenándolo en un conjunto de datos específico del dominio para mejorar su conocimiento y proporcionar mejores respuestas en ese dominio.

Al ajustar un modelo en acciones rápidas de IA, está creando un trabajo de Data Science para hacerlo. Debe tener la política necesaria para utilizar trabajos de Data Science para crear un trabajo de ajuste para ajustar un modelo básico en acciones rápidas de IA. Al crear un trabajo de ajuste, puede seleccionar un juego de datos para entrenar el modelo base. Los modelos de base con la etiqueta Ready to Fine Tune en el explorador de modelos se pueden ajustar con precisión. Puede seleccionar un juego de datos de Object Storage o cargar un juego de datos desde el almacenamiento del bloc de notas en el que está trabajando. Al cargar conjuntos de datos desde un bloc de notas, estos se guardan en el bloque de Object Storage donde se guarda el modelo ajustado. Por lo tanto, necesita la política para permitir que la sesión de bloc de notas escriba archivos en Object Storage. El juego de datos debe tener el formato JSONL y debe incluir las columnas 'prompt' y 'completion' necesarias. Opcionalmente, puede incluir una columna 'categoría'. Si ya existe en el bloque un archivo de juego de datos con el mismo nombre, se sustituye por el nuevo archivo. El juego de datos debe contener un mínimo de 100 registros para el ajuste.

Tiene la opción de definir qué porcentaje del juego de datos corresponde a la validación del modelo. El juego de versiones de modelo es una forma de agrupar un juego de modelos relacionados entre sí. Puede seleccionar un juego de versiones de modelo existente en el que colocar el modelo ajustado o crear uno nuevo. Puede guardar el modelo ajustado en un cubo de Object Storage que debe tener activada la versión.

Después de introducir la información de modelo, el juego de datos y el juego de versiones de modelo, y dónde guardar el modelo ajustado, puede seleccionar la infraestructura informática y la red para el trabajo de ajuste fino. Opcionalmente, puede configurar el registro para supervisar el trabajo de ajuste. Recomendamos el registro para solucionar cualquier error en el trabajo. Necesita la política necesaria para configurar el registro. Se admite entrenamiento y entrenamiento de un solo nodo con varias tarjetas GPU. Puede especificar los parámetros para ajustar el modelo, las épocas y la tasa de aprendizaje.

Puede revisar las configuraciones y los parámetros que ha definido para el trabajo de ajuste antes de crear el trabajo.