- Recurso: TunedModel
- TunedModelSource
- Estado
- TuningTask
- TuningSnapshot
- Conjunto de datos
- TuningExamples
- TuningExample
- Hiperparámetros
- Métodos
Recurso: TunedModel
Un modelo ajustado que se creó con ModelService.CreateTunedModel.
Representación JSON |
---|
{ "name": string, "displayName": string, "description": string, "state": enum ( |
Campos | |
---|---|
name |
Solo salida. El nombre del modelo ajustado. Se generará un nombre único cuando se cree. Ejemplo: |
displayName |
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. |
description |
Opcional. Una descripción breve de este modelo. |
state |
Solo salida. El estado del modelo ajustado. |
createTime |
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: |
updateTime |
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: |
tuningTask |
Obligatorio. La tarea de ajuste que crea el modelo ajustado. |
Campo de unión source_model . El modelo que se usa como punto de partida para el ajuste. Las direcciones (source_model ) solo pueden ser una de las siguientes opciones: |
|
tunedModelSource |
Opcional. TunedModel para usar como punto de partida para entrenar el modelo nuevo |
baseModel |
Inmutable. El nombre del |
temperature |
Opcional. Controla la aleatorización del resultado. Los valores pueden ser superiores a Este valor especifica que, de forma predeterminada, es el que usa el modelo base cuando se crea. |
topP |
Opcional. Para el muestreo de núcleos. El muestreo de núcleos considera el conjunto más pequeño de tokens cuya suma de probabilidad sea al menos Este valor especifica que, de forma predeterminada, es el que usa el modelo base cuando se crea. |
topK |
Opcional. Para el muestreo de k superior. El muestreo de k superior considera el conjunto de tokens más probables de Este valor especifica que, de forma predeterminada, es el que usa el modelo base cuando se crea. |
TunedModelSource
Modelo ajustado como fuente para entrenar un modelo nuevo.
Representación JSON |
---|
{ "tunedModel": string, "baseModel": string } |
Campos | |
---|---|
tunedModel |
Inmutable. El nombre de |
baseModel |
Solo salida. Es el nombre del |
Estado
El estado del modelo ajustado.
Enumeradores | |
---|---|
STATE_UNSPECIFIED |
Es el valor predeterminado. Este valor no se usa. |
CREATING |
Se está creando el modelo. |
ACTIVE |
El modelo está listo para usarse. |
FAILED |
No se pudo crear el modelo. |
TuningTask
Tareas de ajuste que crean modelos ajustados.
Representación JSON |
---|
{ "startTime": string, "completeTime": string, "snapshots": [ { object ( |
Campos | |
---|---|
startTime |
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: |
completeTime |
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: |
snapshots[] |
Solo salida. Métricas recopiladas durante el ajuste. |
trainingData |
Obligatorio. Solo entrada. Inmutable. Los datos de entrenamiento del modelo |
hyperparameters |
Inmutable. Hiperparámetros que controlan el proceso de ajuste Si no se proporcionan, se usarán los valores predeterminados. |
TuningSnapshot
Graba para un solo paso de ajuste.
Representación JSON |
---|
{ "step": integer, "epoch": integer, "meanLoss": number, "computeTime": string } |
Campos | |
---|---|
step |
Solo salida. El paso de ajuste. |
epoch |
Solo salida. El ciclo de entrenamiento de este paso. |
meanLoss |
Solo salida. Es la pérdida media de los ejemplos de entrenamiento para este paso. |
computeTime |
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: |
Conjunto de datos
Conjunto de datos para entrenamiento o validación.
Representación JSON |
---|
{ // Union field |
Campos | |
---|---|
Campo de unión dataset . Datos intercalados o una referencia a los datos. Las direcciones (dataset ) solo pueden ser una de las siguientes opciones: |
|
examples |
Opcional. Ejemplos intercalados. |
TuningExamples
Un conjunto de ejemplos de ajuste. Pueden ser datos de entrenamiento o validación.
Representación JSON |
---|
{
"examples": [
{
object ( |
Campos | |
---|---|
examples[] |
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. |
TuningExample
Un solo ejemplo de ajuste.
Representación JSON |
---|
{ "output": string, // Union field |
Campos | |
---|---|
output |
Obligatorio. Resultado esperado del modelo. |
Campo de unión model_input . La entrada al modelo para este ejemplo. Las direcciones (model_input ) solo pueden ser una de las siguientes opciones: |
|
textInput |
Opcional. Entrada del modelo de texto. |
Hiperparámetros
Hiperparámetros que controlan el proceso de ajuste Más información en https://ai.google.dev/docs/model_tuning_guidance
Representación JSON |
---|
{ // Union field |
Campos | |
---|---|
Campo de unión learning_rate_option . Opciones para especificar la tasa de aprendizaje durante el ajuste. Las direcciones (learning_rate_option ) solo pueden ser una de las siguientes opciones: |
|
learningRate |
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. |
learningRateMultiplier |
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. |
epochCount |
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. |
batchSize |
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. |
Métodos |
|
---|---|
|
Crea un modelo ajustado. |
|
Borra un modelo ajustado. |
|
Genera una respuesta del modelo a partir de un GenerateContentRequest de entrada. |
|
Genera una respuesta del modelo dado un mensaje de entrada. |
|
Obtiene información sobre un TunedModel específico. |
|
Muestra una lista de los modelos ajustados que son propiedad del usuario. |
|
Actualiza un modelo ajustado. |
|
Transfiere la propiedad del modelo ajustado. |