REST Resource: tunedModels

{
  "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
}

string

Solo salida. El nombre del modelo ajustado. Se generará un nombre único cuando se cree. Ejemplo: tunedModels/az2mb0bpw6i Si se establece displayName al crearse, la parte del ID del nombre se establecerá concatenando las palabras de displayName con guiones y agregando una parte aleatoria para que sea única. Ejemplo: displayName = "Traductor de oraciones" name = "tunedModels/sentence-translator-u3b7m"

string

Opcional. El nombre que se mostrará para este modelo en las interfaces de usuario. El nombre visible debe tener hasta 40 caracteres, incluidos los espacios.

string

Opcional. Una descripción breve de este modelo.

enum (State)

Solo salida. El estado del modelo ajustado.

string (Timestamp format)

Solo salida. La marca de tiempo de la creación de este modelo.

Una marca de tiempo en formato RFC3339 UTC “Zulú”, con resolución de nanosegundos y hasta nueve dígitos fraccionarios. Ejemplos: "2014-10-02T15:01:23Z" y "2014-10-02T15:01:23.045123456Z".

string (Timestamp format)

Solo salida. La marca de tiempo de la actualización de este modelo.

Una marca de tiempo en formato RFC3339 UTC “Zulú”, con resolución de nanosegundos y hasta nueve dígitos fraccionarios. Ejemplos: "2014-10-02T15:01:23Z" y "2014-10-02T15:01:23.045123456Z".

object (TuningTask)

Obligatorio. La tarea de ajuste que crea el modelo ajustado.

object (TunedModelSource)

Opcional. TunedModel para usar como punto de partida para entrenar el modelo nuevo

string

Inmutable. El nombre del Model que se ajustará. Ejemplo: models/text-bison-001

number

Opcional. Controla la aleatorización del resultado.

Los valores pueden ser superiores a [0.0,1.0], inclusive. Un valor más cercano a 1.0 producirá respuestas más variadas, mientras que un valor más cercano a 0.0 suele generar respuestas menos sorprendentes del modelo.

Este valor especifica que, de forma predeterminada, es el que usa el modelo base cuando se crea.

number

Opcional. Para el muestreo de núcleos.

El muestreo de núcleos considera el conjunto más pequeño de tokens cuya suma de probabilidad sea al menos topP.

Este valor especifica que, de forma predeterminada, es el que usa el modelo base cuando se crea.

integer

Opcional. Para el muestreo de k superior.

El muestreo de k superior considera el conjunto de tokens más probables de topK. Este valor especifica la configuración predeterminada que usará el backend mientras realiza la llamada al modelo.

Este valor especifica que, de forma predeterminada, es el que usa el modelo base cuando se crea.

{
  "tunedModel": string,
  "baseModel": string
}

string

Inmutable. El nombre de TunedModel que se usará como punto de partida para entrenar el modelo nuevo. Ejemplo: tunedModels/my-tuned-model

string

Solo salida. Es el nombre del Model base desde el que se sincronizó este TunedModel. Ejemplo: models/text-bison-001

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

string (Timestamp format)

Solo salida. La marca de tiempo que comenzó el ajuste de este modelo.

Una marca de tiempo en formato RFC3339 UTC “Zulú”, con resolución de nanosegundos y hasta nueve dígitos fraccionarios. Ejemplos: "2014-10-02T15:01:23Z" y "2014-10-02T15:01:23.045123456Z".

string (Timestamp format)

Solo salida. La marca de tiempo que se completó el ajuste de este modelo.

Una marca de tiempo en formato RFC3339 UTC “Zulú”, con resolución de nanosegundos y hasta nueve dígitos fraccionarios. Ejemplos: "2014-10-02T15:01:23Z" y "2014-10-02T15:01:23.045123456Z".

object (TuningSnapshot)

Solo salida. Métricas recopiladas durante el ajuste.

object (Dataset)

Obligatorio. Solo entrada. Inmutable. Los datos de entrenamiento del modelo

object (Hyperparameters)

Inmutable. Hiperparámetros que controlan el proceso de ajuste Si no se proporcionan, se usarán los valores predeterminados.

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

integer

Solo salida. El paso de ajuste.

integer

Solo salida. El ciclo de entrenamiento de este paso.

number

Solo salida. Es la pérdida media de los ejemplos de entrenamiento para este paso.

string (Timestamp format)

Solo salida. La marca de tiempo en la que se calculó esta métrica.

Una marca de tiempo en formato RFC3339 UTC “Zulú”, con resolución de nanosegundos y hasta nueve dígitos fraccionarios. Ejemplos: "2014-10-02T15:01:23Z" y "2014-10-02T15:01:23.045123456Z".

{

  // Union field dataset can be only one of the following:
  "examples": {
    object (TuningExamples)
  }
  // End of list of possible types for union field dataset.
}

object (TuningExamples)

Opcional. Ejemplos intercalados.

{
  "examples": [
    {
      object (TuningExample)
    }
  ]
}

object (TuningExample)

Obligatorio. Los ejemplos. La entrada de ejemplo puede ser para texto o conversaciones, pero todos los ejemplos de un conjunto deben ser del mismo tipo.

{
  "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.
}

string

Obligatorio. Resultado esperado del modelo.

string

Opcional. Entrada del modelo de texto.

{

  // 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
}

number

Opcional. Inmutable. El hiperparámetro de la tasa de aprendizaje para el ajuste. Si no se establece, se calculará un valor predeterminado de 0.001 o 0.0002 en función de la cantidad de ejemplos de entrenamiento.

number

Opcional. Inmutable. El multiplicador de la tasa de aprendizaje se usa para calcular una tasa de aprendizaje final según el valor predeterminado (recomendado). Tasa de aprendizaje real := learningRateMultiplier * tasa de aprendizaje predeterminada La tasa de aprendizaje predeterminada depende del modelo base y el tamaño del conjunto de datos. Si no la estableces, se usará el valor predeterminado de 1.0.

integer

Inmutable. Es la cantidad de ciclos de entrenamiento. Un ciclo de entrenamiento consiste en una pasada a través de los datos de entrenamiento. Si no la estableces, se usará el valor predeterminado de 5.

integer

Inmutable. El hiperparámetro del tamaño del lote para el ajuste. Si no se establece, se usará un valor predeterminado de 4 o 16 según la cantidad de ejemplos de entrenamiento.