- Ressource: TunedModel
- TunedModelSource
- État
- TuningTask
- TuningSnapshot
- Ensemble de données
- TuningExamples
- TuningExample
- Hyperparamètres
- Méthodes
Ressource: TunedModel
Modèle affiné créé à l'aide de ModelService.CreateTunedModel.
Représentation JSON |
---|
{ "name": string, "displayName": string, "description": string, "state": enum ( |
Champs | |
---|---|
name |
Uniquement en sortie. Nom du modèle réglé. Un nom unique sera généré lors de la création. Exemple: |
displayName |
Facultatif. Nom à afficher pour ce modèle dans les interfaces utilisateur. Le nom à afficher ne doit pas dépasser 40 caractères, espaces compris. |
description |
Facultatif. Brève description de ce modèle. |
state |
Uniquement en sortie. État du modèle réglé. |
createTime |
Uniquement en sortie. Horodatage de la création du modèle. Code temporel au format RFC3339 UTC "Zulu", avec une résolution à la nanoseconde et jusqu'à neuf chiffres après la virgule. Exemples: |
updateTime |
Uniquement en sortie. Horodatage de la mise à jour de ce modèle. Code temporel au format RFC3339 UTC "Zulu", avec une résolution à la nanoseconde et jusqu'à neuf chiffres après la virgule. Exemples: |
tuningTask |
Obligatoire. Tâche de réglage qui crée le modèle réglé. |
Champ d'union source_model . Modèle utilisé comme point de départ pour le réglage. source_model ne peut être qu'un des éléments suivants : |
|
tunedModelSource |
Facultatif. TunedModel à utiliser comme point de départ pour l'entraînement du nouveau modèle. |
baseModel |
Immuable. Nom de l'élément |
temperature |
Facultatif. Contrôle le caractère aléatoire de la sortie. Les valeurs peuvent être supérieures à Cette valeur indique que la valeur par défaut sera celle utilisée par le modèle de base lors de sa création. |
topP |
Facultatif. Pour l'échantillonnage du noyau. L'échantillonnage de noyau prend en compte le plus petit ensemble de jetons dont la probabilité est égale à Cette valeur indique que la valeur par défaut sera celle utilisée par le modèle de base lors de sa création. |
topK |
Facultatif. Pour l'échantillonnage Top K. L'échantillonnage top-k considère l'ensemble de Cette valeur indique que la valeur par défaut sera celle utilisée par le modèle de base lors de sa création. |
TunedModelSource
Modèle réglé en tant que source pour l'entraînement d'un nouveau modèle
Représentation JSON |
---|
{ "tunedModel": string, "baseModel": string } |
Champs | |
---|---|
tunedModel |
Immuable. Nom du |
baseModel |
Uniquement en sortie. Nom de l' |
État
État du modèle réglé.
Enums | |
---|---|
STATE_UNSPECIFIED |
Valeur par défaut. Cette valeur n'est pas utilisée. |
CREATING |
Le modèle est en cours de création. |
ACTIVE |
Le modèle est prêt à être utilisé. |
FAILED |
Échec de la création du modèle. |
TuningTask
Tâches de réglage qui créent des modèles réglés
Représentation JSON |
---|
{ "startTime": string, "completeTime": string, "snapshots": [ { object ( |
Champs | |
---|---|
startTime |
Uniquement en sortie. Code temporel correspondant au début du réglage de ce modèle. Code temporel au format RFC3339 UTC "Zulu", avec une résolution à la nanoseconde et jusqu'à neuf chiffres après la virgule. Exemples: |
completeTime |
Uniquement en sortie. Horodatage de la fin du réglage de ce modèle. Code temporel au format RFC3339 UTC "Zulu", avec une résolution à la nanoseconde et jusqu'à neuf chiffres après la virgule. Exemples: |
snapshots[] |
Uniquement en sortie. Métriques collectées pendant le réglage. |
trainingData |
Obligatoire. Uniquement en entrée. Immuable. Données d'entraînement du modèle. |
hyperparameters |
Immuable. Hyperparamètres contrôlant le processus de réglage Si aucune valeur n'est fournie, les valeurs par défaut sont utilisées. |
TuningSnapshot
Enregistrez pour une seule étape de réglage.
Représentation JSON |
---|
{ "step": integer, "epoch": integer, "meanLoss": number, "computeTime": string } |
Champs | |
---|---|
step |
Uniquement en sortie. Étape du réglage. |
epoch |
Uniquement en sortie. epoch à laquelle cette étape faisait partie. |
meanLoss |
Uniquement en sortie. Perte moyenne des exemples d'entraînement pour cette étape. |
computeTime |
Uniquement en sortie. Horodatage lors du calcul de cette métrique. Code temporel au format RFC3339 UTC "Zulu", avec une résolution à la nanoseconde et jusqu'à neuf chiffres après la virgule. Exemples: |
Ensemble de données
ensemble de données pour l'entraînement ou la validation.
Représentation JSON |
---|
{ // Union field |
Champs | |
---|---|
Champ d'union dataset . Données intégrées ou référence aux données. dataset ne peut être qu'un des éléments suivants : |
|
examples |
Facultatif. Exemples intégrés |
TuningExamples
Ensemble d'exemples de réglages Il peut s'agir de données d'entraînement ou de validation.
Représentation JSON |
---|
{
"examples": [
{
object ( |
Champs | |
---|---|
examples[] |
Obligatoire. Exemples Vous pouvez saisir du texte ou discuter, mais tous les exemples d'un ensemble doivent être du même type. |
TuningExample
Un seul exemple de réglage.
Représentation JSON |
---|
{ "output": string, // Union field |
Champs | |
---|---|
output |
Obligatoire. Sortie attendue du modèle. |
Champ d'union model_input . Entrée du modèle pour cet exemple. model_input ne peut être qu'un des éléments suivants : |
|
textInput |
Facultatif. Entrée de modèle textuel. |
Hyperparamètres
Hyperparamètres contrôlant le processus de réglage Pour en savoir plus, consultez https://ai.google.dev/docs/model_tuning_guidance.
Représentation JSON |
---|
{ // Union field |
Champs | |
---|---|
Champ d'union learning_rate_option . Options permettant de spécifier le taux d'apprentissage pendant le réglage. learning_rate_option ne peut être qu'un des éléments suivants : |
|
learningRate |
Facultatif. Immuable. Hyperparamètre du taux d'apprentissage pour le réglage. Si cette règle n'est pas configurée, une valeur par défaut de 0,001 ou 0,0002 sera calculée en fonction du nombre d'exemples d'entraînement. |
learningRateMultiplier |
Facultatif. Immuable. Le multiplicateur du taux d'apprentissage permet de calculer le taux d'apprentissage final en fonction de la valeur par défaut (recommandée). Taux d'apprentissage réel := learningRateMultiplier * taux d'apprentissage par défaut Le taux d'apprentissage par défaut dépend du modèle de base et de la taille de l'ensemble de données. Si cette règle n'est pas configurée, la valeur par défaut 1.0 sera utilisée. |
epochCount |
Immuable. Nombre d'époques d'entraînement. Une époque correspond à un passage par les données d'entraînement. Si cette règle n'est pas configurée, la valeur par défaut est 5. |
batchSize |
Immuable. Hyperparamètre de taille de lot pour le réglage. Si cette règle n'est pas configurée, une valeur par défaut de 4 ou 16 sera utilisée en fonction du nombre d'exemples d'entraînement. |
Méthodes |
|
---|---|
|
Crée un modèle réglé. |
|
Supprime un modèle réglé. |
|
Génère une réponse du modèle en fonction d'une GenerateContentRequest d'entrée. |
|
Génère une réponse du modèle à partir d'un message d'entrée. |
|
Récupère des informations sur un TunedModel spécifique. |
|
Répertorie les modèles réglés appartenant à l'utilisateur. |
|
Met à jour un modèle réglé. |
|
Transfère la propriété du modèle réglé. |