REST Resource: tunedModels

संसाधन: TunedModel

ModelService.CreateTunedModel का इस्तेमाल करके बनाया गया बेहतर मॉडल.

जेएसओएन के काेड में दिखाना 
{
  "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
}
फ़ील्ड
name

string

सिर्फ़ आउटपुट के लिए. ट्यून किए गए मॉडल का नाम. बनाए जाने पर, एक यूनीक नाम जनरेट किया जाएगा. उदाहरण: tunedModels/az2mb0bpw6i अगर DisplayName को बनाने पर सेट किया गया है, तो नाम के आईडी वाले हिस्से को DisplayName के शब्दों को हाइफ़न के साथ जोड़कर और यूनीक वैल्यू के लिए कोई रैंडम हिस्सा जोड़कर सेट किया जाएगा. उदाहरण: displayName = "वाक्य का अनुवादक" नाम = " TunedModels/sentence-Translator-u3b7m"
displayName

string

ज़रूरी नहीं. यूज़र इंटरफ़ेस में इस मॉडल के लिए दिखाया जाने वाला नाम. डिसप्ले नेम में 40 से ज़्यादा वर्ण नहीं होने चाहिए. इसमें स्पेस भी शामिल हैं.
description

string

ज़रूरी नहीं. इस मॉडल के बारे में कम शब्दों में जानकारी.
state

enum (State)

सिर्फ़ आउटपुट के लिए. ट्यून किए गए मॉडल की स्थिति.
createTime

string (Timestamp format)

सिर्फ़ आउटपुट के लिए. वह टाइमस्टैंप जब इस मॉडल को बनाया गया था.

RFC3339 यूटीसी "ज़ुलु" फ़ॉर्मैट में एक टाइमस्टैंप, जिसमें नैनोसेकंड का रिज़ॉल्यूशन और नौ फ़्रैक्शनल अंक हो सकते हैं. उदाहरण: "2014-10-02T15:01:23Z" और "2014-10-02T15:01:23.045123456Z".
updateTime

string (Timestamp format)

सिर्फ़ आउटपुट के लिए. इस मॉडल को अपडेट किए जाने के समय का टाइमस्टैंप.

RFC3339 यूटीसी "ज़ुलु" फ़ॉर्मैट में एक टाइमस्टैंप, जिसमें नैनोसेकंड का रिज़ॉल्यूशन और नौ फ़्रैक्शनल अंक हो सकते हैं. उदाहरण: "2014-10-02T15:01:23Z" और "2014-10-02T15:01:23.045123456Z".
tuningTask

object (TuningTask)

ज़रूरी है. ट्यून करने वाला टास्क, जो ट्यून किया गया मॉडल बनाता है.
यूनियन फ़ील्ड source_model. ट्यूनिंग के लिए, शुरुआत की जगह के तौर पर इस्तेमाल किया गया मॉडल. source_model इनमें से सिर्फ़ एक हो सकती है:
tunedModelSource

object (TunedModelSource)

ज़रूरी नहीं. नए मॉडल की ट्रेनिंग के लिए शुरुआत की जगह के तौर पर TunedModel का इस्तेमाल करें.
baseModel

string

इम्यूटेबल. ट्यून करने के लिए Model का नाम. उदाहरण: models/text-bison-001
temperature

number

ज़रूरी नहीं. आउटपुट की रैंडमनेस को कंट्रोल करता है.

वैल्यू की सीमा [0.0,1.0] तक हो सकती है. इसमें भी शामिल हैं. 1.0 के करीब की वैल्यू से ऐसे जवाब मिलेंगे जो अलग-अलग होंगे. वहीं, 0.0 के करीब होने पर, मॉडल से कम हैरान करने वाले जवाब मिलेंगे.

इस वैल्यू से पता चलता है कि मॉडल बनाते समय, बेस मॉडल में उस वैल्यू का इस्तेमाल डिफ़ॉल्ट रूप से किया जाता है.
topP

number

ज़रूरी नहीं. न्यूक्लियस सैंपलिंग के लिए.

न्यूक्लियस सैंपलिंग, टोकन के सबसे छोटे सेट को ध्यान में रखती है, जिसकी प्रॉबबिलिटी का योग कम से कम topP है.

इस वैल्यू से पता चलता है कि मॉडल बनाते समय, बेस मॉडल में उस वैल्यू का इस्तेमाल डिफ़ॉल्ट रूप से किया जाता है.
topK

integer

ज़रूरी नहीं. टॉप-के सैंपलिंग के लिए.

टॉप-k सैंपलिंग, topK के सबसे संभावित टोकन के सेट पर विचार करती है. यह वैल्यू, मॉडल को कॉल करते समय बैकएंड में डिफ़ॉल्ट रूप से इस्तेमाल किए जाने के लिए तय होती है.

इस वैल्यू से पता चलता है कि मॉडल बनाते समय, बेस मॉडल में उस वैल्यू का इस्तेमाल डिफ़ॉल्ट रूप से किया जाता है.

TunedModelSource

नए मॉडल की ट्रेनिंग के लिए, मॉडल को सोर्स के तौर पर ट्यून किया गया.

जेएसओएन के काेड में दिखाना 
{
  "tunedModel": string,
  "baseModel": string
}
फ़ील्ड
tunedModel

string

इम्यूटेबल. नए मॉडल की ट्रेनिंग के शुरुआती पॉइंट के तौर पर इस्तेमाल करने के लिए, TunedModel का नाम. उदाहरण: tunedModels/my-tuned-model
baseModel

string

सिर्फ़ आउटपुट के लिए. उस बेस Model का नाम जिससे इस TunedModel को ट्यून किया गया था. उदाहरण: models/text-bison-001

स्थिति

ट्यून किए गए मॉडल की स्थिति.

Enums
STATE_UNSPECIFIED डिफ़ॉल्ट वैल्यू. इस वैल्यू का इस्तेमाल नहीं किया गया है.
CREATING मॉडल बनाया जा रहा है.
ACTIVE यह मॉडल इस्तेमाल किए जाने के लिए तैयार है.
FAILED मॉडल नहीं बनाया जा सका.

TuningTask

ट्यून किए गए मॉडल बनाने वाले टास्क ट्यून करना.

जेएसओएन के काेड में दिखाना 
{
  "startTime": string,
  "completeTime": string,
  "snapshots": [
    {
      object (TuningSnapshot)
    }
  ],
  "trainingData": {
    object (Dataset)
  },
  "hyperparameters": {
    object (Hyperparameters)
  }
}
फ़ील्ड
startTime

string (Timestamp format)

सिर्फ़ आउटपुट के लिए. इस मॉडल को ट्यून करने के दौरान, शुरू होने वाला टाइमस्टैंप.

RFC3339 यूटीसी "ज़ुलु" फ़ॉर्मैट में एक टाइमस्टैंप, जिसमें नैनोसेकंड का रिज़ॉल्यूशन और नौ फ़्रैक्शनल अंक हो सकते हैं. उदाहरण: "2014-10-02T15:01:23Z" और "2014-10-02T15:01:23.045123456Z".
completeTime

string (Timestamp format)

सिर्फ़ आउटपुट के लिए. इस मॉडल को ट्यून करने के बाद का टाइमस्टैंप.

RFC3339 यूटीसी "ज़ुलु" फ़ॉर्मैट में एक टाइमस्टैंप, जिसमें नैनोसेकंड का रिज़ॉल्यूशन और नौ फ़्रैक्शनल अंक हो सकते हैं. उदाहरण: "2014-10-02T15:01:23Z" और "2014-10-02T15:01:23.045123456Z".
snapshots[]

object (TuningSnapshot)

सिर्फ़ आउटपुट के लिए. ट्यूनिंग के दौरान इकट्ठा की गई मेट्रिक.
trainingData

object (Dataset)

ज़रूरी है. सिर्फ़ इनपुट. इम्यूटेबल. मॉडल ट्रेनिंग का डेटा.
hyperparameters

object (Hyperparameters)

इम्यूटेबल. ट्यूनिंग प्रोसेस को कंट्रोल करने वाले हाइपर पैरामीटर. अगर यह पैरामीटर उपलब्ध नहीं कराया जाता, तो डिफ़ॉल्ट वैल्यू का इस्तेमाल किया जाएगा.

TuningSnapshot

ट्यूनिंग के एक चरण के लिए रिकॉर्ड करें.

जेएसओएन के काेड में दिखाना 
{
  "step": integer,
  "epoch": integer,
  "meanLoss": number,
  "computeTime": string
}
फ़ील्ड
step

integer

सिर्फ़ आउटपुट के लिए. ट्यूनिंग स्टेप.
epoch

integer

सिर्फ़ आउटपुट के लिए. यह epoch चरण जिसका हिस्सा था.
meanLoss

number

सिर्फ़ आउटपुट के लिए. इस चरण के लिए ट्रेनिंग के उदाहरणों का औसत नुकसान.
computeTime

string (Timestamp format)

सिर्फ़ आउटपुट के लिए. इस मेट्रिक की गिनती करने के समय का टाइमस्टैंप.

RFC3339 यूटीसी "ज़ुलु" फ़ॉर्मैट में एक टाइमस्टैंप, जिसमें नैनोसेकंड का रिज़ॉल्यूशन और नौ फ़्रैक्शनल अंक हो सकते हैं. उदाहरण: "2014-10-02T15:01:23Z" और "2014-10-02T15:01:23.045123456Z".

डेटासेट

ट्रेनिंग या पुष्टि के लिए डेटासेट.

जेएसओएन के काेड में दिखाना 
{

  // Union field dataset can be only one of the following:
  "examples": {
    object (TuningExamples)
  }
  // End of list of possible types for union field dataset.
}
फ़ील्ड
यूनियन फ़ील्ड dataset. इनलाइन डेटा या डेटा का रेफ़रंस. dataset इनमें से सिर्फ़ एक हो सकती है:
examples

object (TuningExamples)

ज़रूरी नहीं. इनलाइन के उदाहरण.

TuningExamples

ट्यूनिंग के उदाहरणों का सेट. यह ट्रेनिंग या पुष्टि करने वाला डेटा हो सकता है.

जेएसओएन के काेड में दिखाना 
{
  "examples": [
    {
      object (TuningExample)
    }
  ]
}
फ़ील्ड
examples[]

object (TuningExample)

ज़रूरी है. उदाहरण. इनपुट के उदाहरण, टेक्स्ट या चर्चा के लिए हो सकते हैं, लेकिन किसी सेट में मौजूद सभी उदाहरण एक ही तरह के होने चाहिए.

TuningExample

ट्यूनिंग का एक उदाहरण.

जेएसओएन के काेड में दिखाना 
{
  "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.
}
फ़ील्ड
output

string

ज़रूरी है. अनुमानित मॉडल आउटपुट.
यूनियन फ़ील्ड model_input. इस उदाहरण के लिए मॉडल के लिए इनपुट. model_input इनमें से सिर्फ़ एक हो सकती है:
textInput

string

ज़रूरी नहीं. टेक्स्ट मॉडल का इनपुट.

हाइपर पैरामीटर

ट्यूनिंग प्रोसेस को कंट्रोल करने वाले हाइपर पैरामीटर. ज़्यादा जानकारी के लिए, https://ai.google.dev/docs/model_tuning_guidance पर जाएं

जेएसओएन के काेड में दिखाना 
{

  // 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
}
फ़ील्ड
यूनियन फ़ील्ड learning_rate_option. ट्यूनिंग के दौरान लर्निंग रेट तय करने के विकल्प. learning_rate_option इनमें से सिर्फ़ एक हो सकती है:
learningRate

number

ज़रूरी नहीं. इम्यूटेबल. ट्यूनिंग के लिए लर्निंग रेट हाइपर पैरामीटर. अगर यह नीति सेट नहीं की जाती है, तो ट्रेनिंग के उदाहरणों की संख्या के हिसाब से 0.001 या 0.0002 के डिफ़ॉल्ट वैल्यू का हिसाब लगाया जाएगा.
learningRateMultiplier

number

ज़रूरी नहीं. इम्यूटेबल. लर्निंग रेट के मल्टीप्लायर का इस्तेमाल, डिफ़ॉल्ट (सुझाया गया) वैल्यू के आधार पर फ़ाइनल लर्निंगरेट का हिसाब लगाने के लिए किया जाता है. सीखने की असल दर := LearningRateMultiplier * सीखने की डिफ़ॉल्ट दर, बेस मॉडल और डेटासेट के साइज़ पर निर्भर करती है. अगर यह नीति सेट नहीं है, तो डिफ़ॉल्ट रूप से 1.0 का इस्तेमाल किया जाएगा.
epochCount

integer

इम्यूटेबल. ट्रेनिंग के एपोच की संख्या. epoch को, ट्रेनिंग डेटा से जुड़ा एक पास कहा जाता है. अगर यह नीति सेट नहीं है, तो डिफ़ॉल्ट वैल्यू 5 का इस्तेमाल की जाएगी.
batchSize

integer

इम्यूटेबल. ट्यूनिंग के लिए, बैच साइज़ हाइपर पैरामीटर. अगर यह नीति सेट नहीं की जाती है, तो ट्रेनिंग के उदाहरणों की संख्या के आधार पर, डिफ़ॉल्ट वैल्यू 4 या 16 का इस्तेमाल किया जाएगा.

तरीके

create

 ट्यून किया गया मॉडल बनाता है.

delete

 ट्यून किए गए मॉडल को मिटाता है.

generateContent

 GenerateContentRequest इनपुट दिए गए मॉडल से रिस्पॉन्स जनरेट करता है.

generateText

 इनपुट मैसेज दिए गए मॉडल से जवाब जनरेट करता है.

get

 किसी खास TunedModel के बारे में जानकारी देता है.

list

 उपयोगकर्ता के मालिकाना हक वाले ट्यून किए गए मॉडल की सूची बनाता है.

patch

 ट्यून किए गए मॉडल को अपडेट करता है.

transferOwnership

 ट्यून किए गए मॉडल का मालिकाना हक ट्रांसफ़र करता है.