REST Resource: tunedModels

সম্পদ: TunedModel

ModelService.CreateTunedModel ব্যবহার করে তৈরি একটি সূক্ষ্ম-টিউনড মডেল।

JSON প্রতিনিধিত্ব
{
  "name": string,
  "displayName": string,
  "description": string,
  "state": enum (State),
  "createTime": string,
  "updateTime": string,
  "tuningTask": {
    object (TuningTask)
  },

  // Union field source_model can be only one of the following:
  "tunedModelSource": {
    object (TunedModelSource)
  },
  "baseModel": string
  // End of list of possible types for union field source_model.
  "temperature": number,
  "topP": number,
  "topK": integer
}
ক্ষেত্র
name

string

শুধুমাত্র আউটপুট। টিউন করা মডেলের নাম। একটি অনন্য নাম তৈরি করা হবে. উদাহরণ: tunedModels/az2mb0bpw6i যদি displayName তৈরিতে সেট করা থাকে, তাহলে নামের আইডি অংশটি হাইফেনের সাথে ডিসপ্লেনামের শব্দগুলিকে সংযুক্ত করে এবং অনন্যতার জন্য একটি এলোমেলো অংশ যোগ করে সেট করা হবে। উদাহরণ: displayName = "Sentence Translator" name = "tunedModels/sentence-translator-u3b7m"

displayName

string

ঐচ্ছিক। ব্যবহারকারী ইন্টারফেসে এই মডেলের জন্য প্রদর্শনের নাম। প্রদর্শনের নামটি স্পেস সহ 40টি অক্ষর পর্যন্ত হতে হবে।

description

string

ঐচ্ছিক। এই মডেলের একটি সংক্ষিপ্ত বিবরণ।

state

enum ( State )

শুধুমাত্র আউটপুট। সুর ​​করা মডেলের অবস্থা।

createTime

string ( Timestamp format)

শুধুমাত্র আউটপুট। টাইমস্ট্যাম্প যখন এই মডেলটি তৈরি করা হয়েছিল।

RFC3339 UTC "জুলু" ফর্ম্যাটে একটি টাইমস্ট্যাম্প, ন্যানোসেকেন্ড রেজোলিউশন এবং নয়টি পর্যন্ত ভগ্নাংশের সংখ্যা। উদাহরণ: "2014-10-02T15:01:23Z" এবং "2014-10-02T15:01:23.045123456Z" ।

updateTime

string ( Timestamp format)

শুধুমাত্র আউটপুট। টাইমস্ট্যাম্প যখন এই মডেল আপডেট করা হয়েছিল।

RFC3339 UTC "জুলু" ফর্ম্যাটে একটি টাইমস্ট্যাম্প, ন্যানোসেকেন্ড রেজোলিউশন এবং নয়টি পর্যন্ত ভগ্নাংশের সংখ্যা। উদাহরণ: "2014-10-02T15:01:23Z" এবং "2014-10-02T15:01:23.045123456Z" ।

tuningTask

object ( TuningTask )

প্রয়োজন। টিউনিং টাস্ক যা টিউন করা মডেল তৈরি করে।

ইউনিয়ন ফিল্ড source_model । টিউনিংয়ের সূচনা বিন্দু হিসাবে ব্যবহৃত মডেল। source_model নিম্নলিখিতগুলির মধ্যে একটি হতে পারে:
tunedModelSource

object ( TunedModelSource )

ঐচ্ছিক। টিউনডমডেল নতুন মডেলের প্রশিক্ষণের সূচনা পয়েন্ট হিসাবে ব্যবহার করতে হবে।

baseModel

string

অপরিবর্তনীয়। টিউন করার জন্য Model নাম। উদাহরণ: models/text-bison-001

temperature

number

ঐচ্ছিক। আউটপুটের এলোমেলোতা নিয়ন্ত্রণ করে।

মানগুলি সহ [0.0,1.0] এর বেশি হতে পারে। 1.0 এর কাছাকাছি একটি মান আরও বৈচিত্র্যময় প্রতিক্রিয়া তৈরি করবে, যখন 0.0 এর কাছাকাছি একটি মান সাধারণত মডেল থেকে কম আশ্চর্যজনক প্রতিক্রিয়া সৃষ্টি করবে।

এই মানটি মডেল তৈরি করার সময় বেস মডেল দ্বারা ব্যবহৃত একটি হতে ডিফল্ট নির্দিষ্ট করে।

topP

number

ঐচ্ছিক। নিউক্লিয়াস স্যাম্পলিংয়ের জন্য।

নিউক্লিয়াস স্যাম্পলিং টোকেনের ক্ষুদ্রতম সেট বিবেচনা করে যার সম্ভাব্যতার যোগফল কমপক্ষে topP ।

এই মানটি মডেল তৈরি করার সময় বেস মডেল দ্বারা ব্যবহৃত একটি হতে ডিফল্ট নির্দিষ্ট করে।

topK

integer

ঐচ্ছিক। টপ-কে স্যাম্পলিংয়ের জন্য।

Top-k স্যাম্পলিং topK সবচেয়ে সম্ভাব্য টোকেনের সেট বিবেচনা করে। এই মানটি মডেলে কল করার সময় ব্যাকএন্ড দ্বারা ব্যবহার করা ডিফল্ট নির্দিষ্ট করে।

এই মানটি মডেল তৈরি করার সময় বেস মডেল দ্বারা ব্যবহৃত একটি হতে ডিফল্ট নির্দিষ্ট করে।

TunedModelSource

একটি নতুন মডেল প্রশিক্ষণের জন্য একটি উত্স হিসাবে টিউন করা মডেল.

JSON প্রতিনিধিত্ব
{
  "tunedModel": string,
  "baseModel": string
}
ক্ষেত্র
tunedModel

string

অপরিবর্তনীয়। নতুন মডেলের প্রশিক্ষণের সূচনা পয়েন্ট হিসাবে ব্যবহার করার জন্য TunedModel এর নাম। উদাহরণ: tunedModels/my-tuned-model

baseModel

string

শুধুমাত্র আউটপুট। এই TunedModel বেস Model নাম থেকে টিউন করা হয়েছে। উদাহরণ: models/text-bison-001

অবস্থা

সুর ​​করা মডেলের অবস্থা।

Enums
STATE_UNSPECIFIED ডিফল্ট মান। এই মান অব্যবহৃত.
CREATING মডেল তৈরি করা হচ্ছে।
ACTIVE মডেলটি ব্যবহারের জন্য প্রস্তুত।
FAILED মডেল তৈরি করা ব্যর্থ হয়েছে.

টিউনিং টাস্ক

টিউনিং কাজ যা টিউন করা মডেল তৈরি করে।

JSON প্রতিনিধিত্ব
{
  "startTime": string,
  "completeTime": string,
  "snapshots": [
    {
      object (TuningSnapshot)
    }
  ],
  "trainingData": {
    object (Dataset)
  },
  "hyperparameters": {
    object (Hyperparameters)
  }
}
ক্ষেত্র
startTime

string ( Timestamp format)

শুধুমাত্র আউটপুট। এই মডেল টিউনিং শুরু করার সময় টাইমস্ট্যাম্প.

RFC3339 UTC "জুলু" ফর্ম্যাটে একটি টাইমস্ট্যাম্প, ন্যানোসেকেন্ড রেজোলিউশন এবং নয়টি পর্যন্ত ভগ্নাংশের সংখ্যা। উদাহরণ: "2014-10-02T15:01:23Z" এবং "2014-10-02T15:01:23.045123456Z" ।

completeTime

string ( Timestamp format)

শুধুমাত্র আউটপুট। এই মডেল টিউন করার সময় টাইমস্ট্যাম্প সম্পন্ন হয়েছে।

RFC3339 UTC "জুলু" ফর্ম্যাটে একটি টাইমস্ট্যাম্প, ন্যানোসেকেন্ড রেজোলিউশন এবং নয়টি পর্যন্ত ভগ্নাংশের সংখ্যা। উদাহরণ: "2014-10-02T15:01:23Z" এবং "2014-10-02T15:01:23.045123456Z" ।

snapshots[]

object ( TuningSnapshot )

শুধুমাত্র আউটপুট। টিউনিংয়ের সময় সংগৃহীত মেট্রিক।

trainingData

object ( Dataset )

প্রয়োজন। শুধুমাত্র ইনপুট। অপরিবর্তনীয়। মডেল প্রশিক্ষণ তথ্য.

hyperparameters

object ( Hyperparameters )

অপরিবর্তনীয়। হাইপারপ্যারামিটার টিউনিং প্রক্রিয়া নিয়ন্ত্রণ করে। প্রদান না করা হলে, ডিফল্ট মান ব্যবহার করা হবে।

টিউনিং স্ন্যাপশট

একটি একক টিউনিং ধাপের জন্য রেকর্ড করুন।

JSON প্রতিনিধিত্ব
{
  "step": integer,
  "epoch": integer,
  "meanLoss": number,
  "computeTime": string
}
ক্ষেত্র
step

integer

শুধুমাত্র আউটপুট। টিউনিং ধাপ।

epoch

integer

শুধুমাত্র আউটপুট। এই পদক্ষেপটি সেই যুগের অংশ ছিল।

meanLoss

number

শুধুমাত্র আউটপুট। এই ধাপের জন্য প্রশিক্ষণ উদাহরণের গড় ক্ষতি।

computeTime

string ( Timestamp format)

শুধুমাত্র আউটপুট। টাইমস্ট্যাম্প যখন এই মেট্রিক গণনা করা হয়েছিল।

RFC3339 UTC "জুলু" ফর্ম্যাটে একটি টাইমস্ট্যাম্প, ন্যানোসেকেন্ড রেজোলিউশন এবং নয়টি পর্যন্ত ভগ্নাংশের সংখ্যা। উদাহরণ: "2014-10-02T15:01:23Z" এবং "2014-10-02T15:01:23.045123456Z" ।

ডেটাসেট

প্রশিক্ষণ বা বৈধতার জন্য ডেটাসেট।

JSON প্রতিনিধিত্ব
{

  // Union field dataset can be only one of the following:
  "examples": {
    object (TuningExamples)
  }
  // End of list of possible types for union field dataset.
}
ক্ষেত্র
ইউনিয়ন ফিল্ড dataset । ইনলাইন ডেটা বা ডেটার রেফারেন্স। dataset নিম্নলিখিতগুলির মধ্যে একটি হতে পারে:
examples

object ( TuningExamples )

ঐচ্ছিক। ইনলাইন উদাহরণ।

টিউনিং উদাহরণ

টিউনিং উদাহরণের একটি সেট। প্রশিক্ষণ বা বৈধতা তথ্য হতে পারে.

JSON প্রতিনিধিত্ব
{
  "examples": [
    {
      object (TuningExample)
    }
  ]
}
ক্ষেত্র
examples[]

object ( TuningExample )

প্রয়োজন। উদাহরণ. উদাহরণ ইনপুট পাঠ্য বা আলোচনার জন্য হতে পারে, তবে একটি সেটের সমস্ত উদাহরণ অবশ্যই একই ধরণের হতে হবে।

টিউনিং উদাহরণ

টিউনিংয়ের জন্য একটি একক উদাহরণ।

JSON প্রতিনিধিত্ব
{
  "output": string,

  // Union field model_input can be only one of the following:
  "textInput": string
  // End of list of possible types for union field model_input.
}
ক্ষেত্র
output

string

প্রয়োজন। প্রত্যাশিত মডেল আউটপুট।

ইউনিয়ন ফিল্ড model_input । এই উদাহরণের জন্য মডেল ইনপুট. model_input নিম্নলিখিতগুলির মধ্যে একটি হতে পারে:
textInput

string

ঐচ্ছিক। টেক্সট মডেল ইনপুট।

হাইপারপ্যারামিটার

হাইপারপ্যারামিটার টিউনিং প্রক্রিয়া নিয়ন্ত্রণ করে। https://ai.google.dev/docs/model_tuning_guidance- এ আরও পড়ুন

JSON প্রতিনিধিত্ব
{

  // Union field learning_rate_option can be only one of the following:
  "learningRate": number,
  "learningRateMultiplier": number
  // End of list of possible types for union field learning_rate_option.
  "epochCount": integer,
  "batchSize": integer
}
ক্ষেত্র
ইউনিয়ন ফিল্ড learning_rate_option । টিউনিংয়ের সময় শেখার হার নির্দিষ্ট করার বিকল্প। learning_rate_option নিম্নলিখিতগুলির মধ্যে একটি হতে পারে:
learningRate

number

ঐচ্ছিক। অপরিবর্তনীয়। টিউনিংয়ের জন্য শেখার হার হাইপারপ্যারামিটার। সেট করা না থাকলে, 0.001 বা 0.0002 এর একটি ডিফল্ট প্রশিক্ষণের উদাহরণের সংখ্যার উপর ভিত্তি করে গণনা করা হবে।

learningRateMultiplier

number

ঐচ্ছিক। অপরিবর্তনীয়। শেখার হার গুণকটি ডিফল্ট (প্রস্তাবিত) মানের উপর ভিত্তি করে একটি চূড়ান্ত শেখার হার গণনা করতে ব্যবহৃত হয়। প্রকৃত শেখার হার := learningRateMultiplier * ডিফল্ট শেখার হার ডিফল্ট শেখার হার বেস মডেল এবং ডেটাসেট আকারের উপর নির্ভরশীল। সেট না করা হলে, 1.0 এর একটি ডিফল্ট ব্যবহার করা হবে।

epochCount

integer

অপরিবর্তনীয়। প্রশিক্ষণ যুগের সংখ্যা। একটি যুগ হল প্রশিক্ষণ ডেটার মধ্য দিয়ে একটি পাস। সেট না হলে, ডিফল্ট 5 ব্যবহার করা হবে।

batchSize

integer

অপরিবর্তনীয়। টিউনিংয়ের জন্য ব্যাচ আকারের হাইপারপ্যারামিটার। যদি সেট না করা হয়, তাহলে প্রশিক্ষণ উদাহরণের সংখ্যার উপর ভিত্তি করে 4 বা 16 এর একটি ডিফল্ট ব্যবহার করা হবে।

পদ্ধতি

create

 একটি সুর করা মডেল তৈরি করে।

delete

 একটি টিউন করা মডেল মুছে দেয়।

generateContent

 একটি ইনপুট GenerateContentRequest প্রদত্ত মডেল থেকে একটি প্রতিক্রিয়া তৈরি করে।

generateText

 একটি ইনপুট বার্তা দেওয়া মডেল থেকে একটি প্রতিক্রিয়া তৈরি করে।

get

 একটি নির্দিষ্ট TunedModel সম্পর্কে তথ্য পায়।

list

 ব্যবহারকারীর মালিকানাধীন টিউন করা মডেলের তালিকা করে।

patch

 একটি টিউন করা মডেল আপডেট করে।

transferOwnership

 টিউন করা মডেলের মালিকানা হস্তান্তর করে।