- Resource: TunedModel
- TunedModelSource
- Status
- TuningTask
- TuningSnapshot
- Set data
- TuningExamples
- TuningExample
- Hyperparameter
- Metode
Resource: TunedModel
Model yang ditingkatkan yang dibuat menggunakan ModelService.CreateTunedModel.
Representasi JSON |
---|
{ "name": string, "displayName": string, "description": string, "state": enum ( |
Kolom | |
---|---|
name |
Hanya output. Nama model yang di-tuning. Nama unik akan dibuat saat pembuatan. Contoh: |
displayName |
Opsional. Nama yang akan ditampilkan untuk model ini di antarmuka pengguna. Nama tampilan harus berisi maksimal 40 karakter termasuk spasi. |
description |
Opsional. Deskripsi singkat tentang model ini. |
state |
Hanya output. Status model yang di-tuning. |
createTime |
Hanya output. Stempel waktu saat model ini dibuat. Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: |
updateTime |
Hanya output. Stempel waktu saat model ini diupdate. Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: |
tuningTask |
Wajib. Tugas tuning yang membuat model yang di-tuning. |
Kolom union source_model . Model yang digunakan sebagai titik awal untuk tuning. source_model hanya ada berupa salah satu diantara berikut: |
|
tunedModelSource |
Opsional. TunedModel untuk digunakan sebagai titik awal untuk melatih model baru. |
baseModel |
Tidak dapat diubah. Nama |
temperature |
Opsional. Mengontrol keacakan output. Nilai dapat berkisar hingga Nilai ini menetapkan nilai default yang akan digunakan oleh model dasar saat membuat model. |
topP |
Opsional. Untuk pengambilan sampel Nucleus. Sampling Nucleus mempertimbangkan kumpulan token terkecil yang jumlah probabilitasnya minimal Nilai ini menetapkan nilai default yang akan digunakan oleh model dasar saat membuat model. |
topK |
Opsional. Untuk pengambilan sampel Top-k. Sampling top-k mempertimbangkan kumpulan token yang paling mungkin untuk Nilai ini menetapkan nilai default yang akan digunakan oleh model dasar saat membuat model. |
TunedModelSource
Model yang disesuaikan sebagai sumber untuk melatih model baru.
Representasi JSON |
---|
{ "tunedModel": string, "baseModel": string } |
Kolom | |
---|---|
tunedModel |
Tidak dapat diubah. Nama |
baseModel |
Hanya output. Nama pangkalan |
Negara Bagian
Status model yang di-tuning.
Enum | |
---|---|
STATE_UNSPECIFIED |
Nilai default. Nilai ini tidak digunakan. |
CREATING |
Model sedang dibuat. |
ACTIVE |
Model siap digunakan. |
FAILED |
Model gagal dibuat. |
TuningTask
Menyesuaikan tugas yang membuat model yang disesuaikan.
Representasi JSON |
---|
{ "startTime": string, "completeTime": string, "snapshots": [ { object ( |
Kolom | |
---|---|
startTime |
Hanya output. Stempel waktu saat penyesuaian model ini dimulai. Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: |
completeTime |
Hanya output. Stempel waktu saat penyesuaian model ini selesai. Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: |
snapshots[] |
Hanya output. Metrik yang dikumpulkan selama tuning. |
trainingData |
Wajib. Hanya input. Tidak dapat diubah. Data pelatihan model. |
hyperparameters |
Tidak dapat diubah. Hyperparameter mengontrol proses penyesuaian. Jika tidak diberikan, nilai default akan digunakan. |
TuningSnapshot
Merekam untuk satu langkah penyesuaian.
Representasi JSON |
---|
{ "step": integer, "epoch": integer, "meanLoss": number, "computeTime": string } |
Kolom | |
---|---|
step |
Hanya output. Langkah tuning. |
epoch |
Hanya output. Epoch yang mencakup langkah ini. |
meanLoss |
Hanya output. Kerugian rata-rata contoh pelatihan untuk langkah ini. |
computeTime |
Hanya output. Stempel waktu saat metrik ini dihitung. Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: |
Set data
Set data untuk pelatihan atau validasi.
Representasi JSON |
---|
{ // Union field |
Kolom | |
---|---|
Kolom union dataset . Data inline atau referensi ke data. dataset hanya ada berupa salah satu diantara berikut: |
|
examples |
Opsional. Contoh inline. |
TuningExamples
Serangkaian contoh penyesuaian. Dapat berupa data pelatihan atau validasi.
Representasi JSON |
---|
{
"examples": [
{
object ( |
Kolom | |
---|---|
examples[] |
Wajib. Contoh. Input contoh dapat untuk teks atau diskusi, tetapi semua contoh dalam kumpulan harus memiliki jenis yang sama. |
TuningExample
Satu contoh untuk tuning.
Representasi JSON |
---|
{ "output": string, // Union field |
Kolom | |
---|---|
output |
Wajib. Output model yang diharapkan. |
Kolom union model_input . Input ke model untuk contoh ini. model_input hanya ada berupa salah satu diantara berikut: |
|
textInput |
Opsional. Input model teks. |
Hyperparameter
Hyperparameter mengontrol proses penyesuaian. Baca selengkapnya di https://ai.google.dev/docs/model_tuning_guidance
Representasi JSON |
---|
{ // Union field |
Kolom | |
---|---|
Kolom union learning_rate_option . Opsi untuk menentukan kecepatan pemelajaran selama tuning. learning_rate_option hanya ada berupa salah satu diantara berikut: |
|
learningRate |
Opsional. Tidak dapat diubah. Hyperparameter kecepatan pembelajaran untuk penyesuaian. Jika tidak disetel, nilai default 0,001 atau 0,0002 akan dihitung berdasarkan jumlah contoh pelatihan. |
learningRateMultiplier |
Opsional. Tidak dapat diubah. Pengganda kecepatan pembelajaran digunakan untuk menghitung learningRate akhir berdasarkan nilai default (direkomendasikan). Kecepatan pembelajaran aktual := learningRateMultiplier * kecepatan pembelajaran default Kecepatan pembelajaran default bergantung pada model dasar dan ukuran set data. Jika tidak disetel, default 1,0 akan digunakan. |
epochCount |
Tidak dapat diubah. Jumlah epoch pelatihan. Satu epoch adalah satu penerusan data pelatihan. Jika tidak disetel, nilai default 5 akan digunakan. |
batchSize |
Tidak dapat diubah. Hyperparameter ukuran tumpukan untuk penyesuaian. Jika tidak disetel, default 4 atau 16 akan digunakan berdasarkan jumlah contoh pelatihan. |
Metode |
|
---|---|
|
Membuat model yang di-tuning. |
|
Menghapus model yang di-tuning. |
|
Menghasilkan respons dari model yang diberi GenerateContentRequest input. |
|
Menghasilkan respons dari model yang diberi pesan input. |
|
Mendapatkan informasi tentang TunedModel tertentu. |
|
Mencantumkan model yang disesuaikan yang dimiliki oleh pengguna. |
|
Mengupdate model yang di-tuning. |
|
Mentransfer kepemilikan model yang telah disesuaikan. |