Introduktion
Grundmodeller är förtränade modeller som ger dig en bra utgångspunkt. Genom att använda en grundmodell kan du spara tid och arbete eftersom du behöver mindre data för att träna en modell för ditt specifika användningsfall för maskininlärning.
Anta att du är dataexpert och arbetar för en hotellbokningsbyrå. När kunderna bläddrar igenom olika hotell är en av de viktigaste faktorerna för att bestämma vilket hotell som ska bokas recensioner från andra resenärer.
Som dataexpert kanske du vill extrahera insikter från hotellrecensionerna för att ta reda på varför vissa hotell föredras framför andra. Om du vill extrahera information från hotellrecensioner kan du använda stora språkmodeller (LLM: er) som är utformade för bearbetning av naturligt språk (NLP).
LLM:er använder djupinlärningstekniker för att förstå och generera mänskligt språk. Djupinlärning är ett delfält inom maskininlärning som omfattar träning av artificiella neurala nätverk med flera lager för att extrahera hierarkiska mönster och representationer från data. Att träna neurala nätverk kan vara kostsamt eftersom det kräver stora mängder data och kraftfull beräkning.
I stället för att träna din egen LLM från grunden kan du använda en förtränad modell som du finjusterar med dina egna data. Anta att du vill identifiera sentiment i hotellrecensioner. Du kanske vill kategorisera alla nyligen publicerade recensioner som beskriver hotellet som hemskt, genomsnittligt eller utmärkt. Du kan använda en liten uppsättning kategoriserade hotellrecensioner för att finjustera en förtränad grundmodell.
I den här modulen får du lära dig hur du finjusterar en grundmodell från modellkatalogen i Azure Machine Learning.
Utbildningsmål
I den här modulen lär du dig att:
- När du ska finjustera en grundmodell från modellkatalogen.
- Finjustera en grundmodell.
- Distribuera och testa en finjusterad modell.