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

Hanya output. Nama model yang di-tuning. Nama unik akan dibuat saat pembuatan. Contoh: tunedModels/az2mb0bpw6i Jika displayName ditetapkan saat membuat, bagian ID dari nama akan ditetapkan dengan menggabungkan kata-kata displayName dengan tanda hubung dan menambahkan bagian acak untuk keunikan. Contoh: displayName = "Penerjemah Kalimat" name = "tunedModels/sentence-Penerjemah-u3b7m"

string

Opsional. Nama yang akan ditampilkan untuk model ini di antarmuka pengguna. Nama tampilan harus berisi maksimal 40 karakter termasuk spasi.

string

Opsional. Deskripsi singkat tentang model ini.

enum (State)

Hanya output. Status model yang di-tuning.

string (Timestamp format)

Hanya output. Stempel waktu saat model ini dibuat.

Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: "2014-10-02T15:01:23Z" dan "2014-10-02T15:01:23.045123456Z".

string (Timestamp format)

Hanya output. Stempel waktu saat model ini diupdate.

Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: "2014-10-02T15:01:23Z" dan "2014-10-02T15:01:23.045123456Z".

object (TuningTask)

Wajib. Tugas tuning yang membuat model yang di-tuning.

object (TunedModelSource)

Opsional. TunedModel untuk digunakan sebagai titik awal untuk melatih model baru.

string

Tidak dapat diubah. Nama Model yang akan disesuaikan. Contoh: models/text-bison-001

number

Opsional. Mengontrol keacakan output.

Nilai dapat berkisar hingga [0.0,1.0], inklusif. Nilai yang lebih dekat ke 1.0 akan menghasilkan respons yang lebih bervariasi, sedangkan nilai yang lebih dekat ke 0.0 biasanya akan menghasilkan respons yang tidak terlalu mengejutkan dari model.

Nilai ini menetapkan nilai default yang akan digunakan oleh model dasar saat membuat model.

number

Opsional. Untuk pengambilan sampel Nucleus.

Sampling Nucleus mempertimbangkan kumpulan token terkecil yang jumlah probabilitasnya minimal topP.

Nilai ini menetapkan nilai default yang akan digunakan oleh model dasar saat membuat model.

integer

Opsional. Untuk pengambilan sampel Top-k.

Sampling top-k mempertimbangkan kumpulan token yang paling mungkin untuk topK. Nilai ini menetapkan nilai default yang akan digunakan oleh backend saat melakukan panggilan ke model.

Nilai ini menetapkan nilai default yang akan digunakan oleh model dasar saat membuat model.

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

string

Tidak dapat diubah. Nama TunedModel yang akan digunakan sebagai titik awal untuk melatih model baru. Contoh: tunedModels/my-tuned-model

string

Hanya output. Nama pangkalan Model yang menjadi asal dari TunedModel ini. Contoh: models/text-bison-001

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

string (Timestamp format)

Hanya output. Stempel waktu saat penyesuaian model ini dimulai.

Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: "2014-10-02T15:01:23Z" dan "2014-10-02T15:01:23.045123456Z".

string (Timestamp format)

Hanya output. Stempel waktu saat penyesuaian model ini selesai.

Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: "2014-10-02T15:01:23Z" dan "2014-10-02T15:01:23.045123456Z".

object (TuningSnapshot)

Hanya output. Metrik yang dikumpulkan selama tuning.

object (Dataset)

Wajib. Hanya input. Tidak dapat diubah. Data pelatihan model.

object (Hyperparameters)

Tidak dapat diubah. Hyperparameter mengontrol proses penyesuaian. Jika tidak diberikan, nilai default akan digunakan.

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

integer

Hanya output. Langkah tuning.

integer

Hanya output. Epoch yang mencakup langkah ini.

number

Hanya output. Kerugian rata-rata contoh pelatihan untuk langkah ini.

string (Timestamp format)

Hanya output. Stempel waktu saat metrik ini dihitung.

Stempel waktu dalam format RFC3339 UTC "Zulu", dengan resolusi nanodetik dan maksimal sembilan digit fraksional. Contoh: "2014-10-02T15:01:23Z" dan "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)

Opsional. Contoh inline.

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

object (TuningExample)

Wajib. Contoh. Input contoh dapat untuk teks atau diskusi, tetapi semua contoh dalam kumpulan harus memiliki jenis yang sama.

{
  "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

Wajib. Output model yang diharapkan.

string

Opsional. Input model teks.

{

  // 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

Opsional. Tidak dapat diubah. Hyperparameter kecepatan pembelajaran untuk penyesuaian. Jika tidak disetel, nilai default 0,001 atau 0,0002 akan dihitung berdasarkan jumlah contoh pelatihan.

number

Opsional. Tidak dapat diubah. Pengganda kecepatan pembelajaran digunakan untuk menghitung learningRate akhir berdasarkan nilai default (direkomendasikan). Kecepatan pembelajaran aktual := learningRateMultiplier * kecepatan pembelajaran default Kecepatan pembelajaran default bergantung pada model dasar dan ukuran set data. Jika tidak disetel, default 1,0 akan digunakan.

integer

Tidak dapat diubah. Jumlah epoch pelatihan. Satu epoch adalah satu penerusan data pelatihan. Jika tidak disetel, nilai default 5 akan digunakan.

integer

Tidak dapat diubah. Hyperparameter ukuran tumpukan untuk penyesuaian. Jika tidak disetel, default 4 atau 16 akan digunakan berdasarkan jumlah contoh pelatihan.