- منبع: TunedModel
- TunedModelSource
- حالت
- TuningTask
- TuningSnapshot
- مجموعه داده
- نمونه های تنظیم
- نمونه تنظیم
- فراپارامترها
- مواد و روش ها
منبع: TunedModel
یک مدل تنظیم شده با استفاده از ModelService.CreateTunedModel ایجاد شده است.
نمایندگی JSON |
---|
{ "name": string, "displayName": string, "description": string, "state": enum ( |
زمینه های | |
---|---|
name | فقط خروجی نام مدل تنظیم شده. یک نام منحصر به فرد در ایجاد ایجاد می شود. مثال: |
displayName | اختیاری. نامی که برای این مدل در رابط های کاربری نمایش داده می شود. نام نمایشی باید حداکثر 40 کاراکتر شامل فاصله باشد. |
description | اختیاری. توضیح کوتاهی در مورد این مدل |
state | فقط خروجی وضعیت مدل تنظیم شده. |
createTime | فقط خروجی مهر زمانی که این مدل ایجاد شد. مهر زمانی در قالب RFC3339 UTC "Zulu"، با وضوح نانوثانیه و حداکثر نه رقم کسری. مثالها: |
updateTime | فقط خروجی مهر زمانی که این مدل به روز شد. مهر زمانی در قالب RFC3339 UTC "Zulu"، با وضوح نانوثانیه و حداکثر نه رقم کسری. مثالها: |
tuningTask | ضروری. وظیفه تنظیم که مدل کوک شده را ایجاد می کند. |
source_model فیلد اتحادیه. مدلی که به عنوان نقطه شروع برای تنظیم استفاده می شود. source_model تنها می تواند یکی از موارد زیر باشد: | |
tunedModelSource | اختیاری. از TunedModel به عنوان نقطه شروع برای آموزش مدل جدید استفاده کنید. |
baseModel | تغییرناپذیر. نام |
temperature | اختیاری. تصادفی بودن خروجی را کنترل می کند. مقادیر می توانند بیش از این مقدار پیشفرض را مشخص میکند که مدل پایه هنگام ایجاد مدل استفاده میکند. |
topP | اختیاری. برای نمونه برداری هسته نمونه برداری هسته کوچکترین مجموعه ای از نشانه ها را در نظر می گیرد که مجموع احتمال آنها حداقل این مقدار پیشفرض را مشخص میکند که مدل پایه هنگام ایجاد مدل استفاده میکند. |
topK | اختیاری. برای نمونه گیری Top-k. نمونه گیری Top-k مجموعه ای از محتمل ترین توکن های این مقدار پیشفرض را مشخص میکند که مدل پایه هنگام ایجاد مدل استفاده میکند. |
TunedModelSource
مدل تیون شده به عنوان منبعی برای آموزش مدل جدید.
نمایندگی JSON |
---|
{ "tunedModel": string, "baseModel": string } |
زمینه های | |
---|---|
tunedModel | تغییرناپذیر. نام |
baseModel | فقط خروجی نام |
حالت
وضعیت مدل تنظیم شده.
Enums | |
---|---|
STATE_UNSPECIFIED | مقدار پیش فرض این مقدار استفاده نشده است. |
CREATING | مدل در حال ایجاد است. |
ACTIVE | مدل آماده استفاده است. |
FAILED | مدل ایجاد نشد. |
TuningTask
کارهای تنظیمی که مدل های تنظیم شده ایجاد می کنند.
نمایندگی JSON |
---|
{ "startTime": string, "completeTime": string, "snapshots": [ { object ( |
زمینه های | |
---|---|
startTime | فقط خروجی مهر زمانی که تنظیم این مدل شروع شد. مهر زمانی در قالب RFC3339 UTC "Zulu"، با وضوح نانوثانیه و حداکثر نه رقم کسری. مثالها: |
completeTime | فقط خروجی مهر زمانی هنگام تنظیم این مدل تکمیل شد. مهر زمانی در قالب RFC3339 UTC "Zulu"، با وضوح نانوثانیه و حداکثر نه رقم کسری. مثالها: |
snapshots[] | فقط خروجی معیارهای جمع آوری شده در طول تنظیم. |
trainingData | ضروری. فقط ورودی تغییرناپذیر. داده های آموزش مدل |
hyperparameters | تغییرناپذیر. فراپارامترهایی که فرآیند تنظیم را کنترل می کنند. در صورت عدم ارائه، از مقادیر پیش فرض استفاده خواهد شد. |
TuningSnapshot
برای یک مرحله کوک ضبط کنید.
نمایندگی JSON |
---|
{ "step": integer, "epoch": integer, "meanLoss": number, "computeTime": string } |
زمینه های | |
---|---|
step | فقط خروجی مرحله تنظیم. |
epoch | فقط خروجی دوره ای که این مرحله بخشی از آن بود. |
meanLoss | فقط خروجی میانگین از دست دادن مثال های آموزشی برای این مرحله. |
computeTime | فقط خروجی مهر زمانی که این متریک محاسبه شد. مهر زمانی در قالب RFC3339 UTC "Zulu"، با وضوح نانوثانیه و حداکثر نه رقم کسری. مثالها: |
مجموعه داده
مجموعه داده برای آموزش یا اعتبار سنجی
نمایندگی JSON |
---|
{ // Union field |
زمینه های | |
---|---|
dataset فیلد اتحادیه داده های درون خطی یا ارجاع به داده ها. dataset می تواند تنها یکی از موارد زیر باشد: | |
examples | اختیاری. نمونه های درون خطی |
نمونه های تنظیم
مجموعه ای از نمونه های تنظیم. می تواند داده های آموزشی یا اعتبار سنجی باشد.
نمایندگی JSON |
---|
{
"examples": [
{
object ( |
زمینه های | |
---|---|
examples[] | ضروری. نمونه ها ورودی مثال می تواند برای متن یا بحث باشد، اما همه مثال ها در یک مجموعه باید از یک نوع باشند. |
نمونه تنظیم
یک مثال واحد برای تنظیم.
نمایندگی JSON |
---|
{ "output": string, // Union field |
زمینه های | |
---|---|
output | ضروری. خروجی مدل مورد انتظار |
فیلد اتحادیه model_input . ورودی مدل برای این مثال. model_input فقط می تواند یکی از موارد زیر باشد: | |
textInput | اختیاری. ورودی مدل متن |
فراپارامترها
فراپارامترهایی که فرآیند تنظیم را کنترل می کنند. در https://ai.google.dev/docs/model_tuning_guidance بیشتر بخوانید
نمایندگی JSON |
---|
{ // Union field |
زمینه های | |
---|---|
learning_rate_option فیلد اتحادیه . گزینه هایی برای تعیین میزان یادگیری در طول تنظیم. learning_rate_option تنها می تواند یکی از موارد زیر باشد: | |
learningRate | اختیاری. تغییرناپذیر. فراپارامتر نرخ یادگیری برای تنظیم. اگر تنظیم نشود، پیش فرض 0.001 یا 0.0002 بر اساس تعداد نمونه های آموزشی محاسبه می شود. |
learningRateMultiplier | اختیاری. تغییرناپذیر. ضریب نرخ یادگیری برای محاسبه نرخ یادگیری نهایی بر اساس مقدار پیش فرض (توصیه شده) استفاده می شود. نرخ یادگیری واقعی:= LearnRateMultiplier * نرخ یادگیری پیشفرض نرخ یادگیری پیشفرض به مدل پایه و اندازه مجموعه بستگی دارد. اگر تنظیم نشود، پیش فرض 1.0 استفاده خواهد شد. |
epochCount | تغییرناپذیر. تعداد دوره های آموزشی یک دوره یک گذر از داده های آموزشی است. اگر تنظیم نشده باشد، پیش فرض 5 استفاده خواهد شد. |
batchSize | تغییرناپذیر. فراپارامتر اندازه دسته برای تنظیم. اگر تنظیم نشده باشد، بر اساس تعداد نمونه های آموزشی، از 4 یا 16 پیش فرض استفاده می شود. |
مواد و روش ها | |
---|---|
| یک مدل تنظیم شده ایجاد می کند. |
| یک مدل تنظیم شده را حذف می کند. |
| پاسخی را از مدل با یک ورودی GenerateContentRequest ایجاد می کند. |
| یک پاسخ از مدل با یک پیام ورودی ایجاد می کند. |
| اطلاعاتی در مورد یک TunedModel خاص دریافت می کند. |
| مدل های تنظیم شده متعلق به کاربر را فهرست می کند. |
| یک مدل تنظیم شده را به روز می کند. |
| مالکیت مدل تنظیم شده را منتقل می کند. |