Tworzenie przebiegu trenowania przy użyciu interfejsu użytkownika dostrajania modelu podstawowego

Ważne

Ta funkcja jest dostępna w publicznej wersji zapoznawczej w następujących regionach: centralus, , eastuseastus2, northcentralusi westus.

W tym artykule opisano sposób tworzenia i konfigurowania przebiegu trenowania przy użyciu interfejsu użytkownika dostrajania modelu podstawowego (obecnie część interfejsu użytkownika trenowania modelu mozaiki sztucznej inteligencji). Możesz również utworzyć przebieg przy użyciu interfejsu API. Aby uzyskać instrukcje, zobacz Create a training run using the Foundation Model Fine-tuning API (Tworzenie przebiegu trenowania przy użyciu interfejsu API dostosowywania modelu podstawowego).

Wymagania

Zobacz Wymagania.

Tworzenie przebiegu trenowania przy użyciu interfejsu użytkownika

Wykonaj następujące kroki, aby utworzyć przebieg trenowania przy użyciu interfejsu użytkownika.

1. Na lewym pasku bocznym kliknij pozycję Eksperymenty.

2. Na karcie Dostrajanie modelu podstawowego kliknij pozycję Utwórz eksperyment modelu mozaiki AI.

   

3. Zostanie otwarty formularz dostrajania modelu podstawowego. Wymagane są elementy oznaczone gwiazdką. Wybierz wybrane opcje, a następnie kliknij przycisk Rozpocznij szkolenie.

   Typ: wybierz zadanie do wykonania.

   Zadanie	Opis
   Dostrajanie instrukcji	Kontynuuj trenowanie modelu podstawowego z danymi wejściowymi monitu i odpowiedzi, aby zoptymalizować model pod kątem określonego zadania.
   Dalsze wstępne szkolenie	Kontynuuj trenowanie modelu podstawowego, aby zapewnić mu wiedzę specyficzną dla domeny.
   Uzupełnianie czatu	Kontynuuj trenowanie modelu podstawowego przy użyciu dzienników czatów, aby zoptymalizować go pod kątem aplikacji do pytań i konwersacji.

   Wybierz model podstawowy: wybierz model, aby dostroić lub wytrenować. Aby uzyskać listę obsługiwanych modeli, zobacz Obsługiwane modele.

   Dane szkoleniowe: kliknij przycisk Przeglądaj , aby wybrać tabelę w wykazie aparatu Unity lub wprowadź pełny adres URL zestawu danych hugging Face. Aby uzyskać zalecenia dotyczące rozmiaru danych, zobacz Zalecany rozmiar danych na potrzeby trenowania modelu.

   Jeśli wybierzesz tabelę w wykazie aparatu Unity, musisz również wybrać zasoby obliczeniowe do odczytania tabeli.

   Zarejestruj się w lokalizacji: wybierz wykaz wykazu aparatu Unity i schemat z menu rozwijanych. Wytrenowany model jest zapisywany w tej lokalizacji.

   Nazwa modelu: model jest zapisywany przy użyciu tej nazwy w określonym wykazie i schemacie. W tym polu zostanie wyświetlona nazwa domyślna, którą można zmienić w razie potrzeby.

   Opcje zaawansowane: aby uzyskać więcej możliwości dostosowywania, można skonfigurować opcjonalne ustawienia oceny, dostrajania hiperparametrów lub trenować z istniejącego modelu zastrzeżonego.

   Ustawienie	opis
   Czas trwania szkolenia	Czas trwania przebiegu trenowania określony w epokach (na przykład 10ep) lub tokenach (na przykład 1000000tok). Wartość domyślna to 1ep.
   Tempo nauki	Wskaźnik uczenia na potrzeby trenowania modelu. Wartość domyślna to 5e-7. Optymalizator to DecoupledLionW z wersjami beta 0,99 i 0,95 i bez rozkładu masy. Harmonogram szybkości nauki to LinearWithWarmupSchedule z rozgrzewką wynoszącą 2% całkowitego czasu trwania szkolenia i ostatnim mnożnikiem szybkości nauki wynoszącym 0.
   Długość kontekstu	Maksymalna długość sekwencji próbki danych. Dane dłuższe niż to ustawienie są obcinane. Wartość domyślna zależy od wybranego modelu.
   Dane do ewaluacji	Kliknij przycisk Przeglądaj , aby wybrać tabelę w wykazie aparatu Unity lub wprowadź pełny adres URL zestawu danych przytulania twarzy. Jeśli to pole pozostanie puste, ocena nie zostanie wykonana.
   Monity dotyczące oceny modelu	Wpisz opcjonalne monity, które mają być używane do oceny modelu.
   Nazwa eksperymentu	Domyślnie nowa, automatycznie wygenerowana nazwa jest przypisywana dla każdego przebiegu. Opcjonalnie możesz wprowadzić nazwę niestandardową lub wybrać istniejący eksperyment z listy rozwijanej.
   Wagi niestandardowe	Domyślnie trenowanie rozpoczyna się przy użyciu oryginalnych wag wybranego modelu. Aby rozpocząć od niestandardowych wag z punktu kontrolnego Composer, wprowadź ścieżkę do tabeli wykazu aparatu Unity, która zawiera wartości punktu kontrolnego.

Następne kroki

Po zakończeniu przebiegu trenowania możesz przejrzeć metryki w środowisku MLflow i wdrożyć model na potrzeby wnioskowania. Zobacz kroki od 5 do 7 samouczka : tworzenie i wdrażanie przebiegu dostrajania modelu podstawowego.

Zobacz szczegółowe dostrajanie instrukcji: nazwany notes demonstracyjny rozpoznawania jednostek, aby zapoznać się z przykładem dostrajania instrukcji, który przeprowadzi cię przez proces przygotowywania danych, dostrajania przebiegu trenowania i wdrażania.