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

Solo output. Il nome del modello ottimizzato. Al momento della creazione, verrà generato un nome univoco. Esempio: tunedModels/az2mb0bpw6i se displayName è impostato al momento della creazione, la parte ID del nome verrà impostata concatenando le parole di displayName con trattini e aggiungendo una parte casuale per l'univocità. Esempio: displayName = "Sentence Translator" name = "tunedModels/sentence-translator-u3b7m"

string

Campo facoltativo. Il nome da visualizzare per questo modello nelle interfacce utente. Il nome visualizzato deve contenere un massimo di 40 caratteri spazi inclusi.

string

Campo facoltativo. Una breve descrizione del modello.

enum (State)

Solo output. Lo stato del modello ottimizzato.

string (Timestamp format)

Solo output. Il timestamp della creazione del modello.

Un timestamp in formato "Zulu" RFC3339 UTC, con risoluzione in nanosecondi e fino a nove cifre frazionarie. Esempi: "2014-10-02T15:01:23Z" e "2014-10-02T15:01:23.045123456Z".

string (Timestamp format)

Solo output. Il timestamp dell'aggiornamento del modello.

Un timestamp in formato "Zulu" RFC3339 UTC, con risoluzione in nanosecondi e fino a nove cifre frazionarie. Esempi: "2014-10-02T15:01:23Z" e "2014-10-02T15:01:23.045123456Z".

object (TuningTask)

obbligatorio. L'attività di ottimizzazione che crea il modello ottimizzato.

object (TunedModelSource)

Campo facoltativo. TunedModel da utilizzare come punto di partenza per l'addestramento del nuovo modello.

string

Immutabile. Il nome della Model da regolare. Esempio: models/text-bison-001

number

Campo facoltativo. Controlla la casualità dell'output.

I valori possono essere superiori a [0.0,1.0], inclusi. Un valore più vicino a 1.0 genererà risposte più variabili, mentre un valore più vicino a 0.0 genererà risposte meno sorprendenti da parte del modello.

Questo valore specifica per impostazione predefinita quello utilizzato dal modello di base durante la creazione del modello.

number

Campo facoltativo. Per il campionamento del nucleo.

Il campionamento del nucleo considera il più piccolo insieme di token la cui somma di probabilità è almeno topP.

Questo valore specifica per impostazione predefinita quello utilizzato dal modello di base durante la creazione del modello.

integer

Campo facoltativo. Per il campionamento Top-K.

Il campionamento Top-K considera l'insieme di topK token più probabili. Questo valore specifica il valore predefinito che il backend deve utilizzare durante la chiamata al modello.

Questo valore specifica per impostazione predefinita quello utilizzato dal modello di base durante la creazione del modello.

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

string

Immutabile. Il nome dell'oggetto TunedModel da utilizzare come punto di partenza per l'addestramento del nuovo modello. Esempio: tunedModels/my-tuned-model

string

Solo output. Il nome della base Model da cui è stato ottimizzato questo TunedModel. Esempio: models/text-bison-001

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

string (Timestamp format)

Solo output. Il timestamp dell'inizio dell'ottimizzazione del modello.

Un timestamp in formato "Zulu" RFC3339 UTC, con risoluzione in nanosecondi e fino a nove cifre frazionarie. Esempi: "2014-10-02T15:01:23Z" e "2014-10-02T15:01:23.045123456Z".

string (Timestamp format)

Solo output. Il timestamp al momento del completamento dell'ottimizzazione del modello.

Un timestamp in formato "Zulu" RFC3339 UTC, con risoluzione in nanosecondi e fino a nove cifre frazionarie. Esempi: "2014-10-02T15:01:23Z" e "2014-10-02T15:01:23.045123456Z".

object (TuningSnapshot)

Solo output. Metriche raccolte durante l'ottimizzazione.

object (Dataset)

obbligatorio. Solo input. Immutabile. I dati di addestramento del modello.

object (Hyperparameters)

Immutabile. Iperparametri che controllano il processo di ottimizzazione. Se non vengono forniti, verranno utilizzati i valori predefiniti.

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

integer

Solo output. Il passaggio di ottimizzazione.

integer

Solo output. L'epoca a cui faceva parte questo passaggio.

number

Solo output. La perdita media degli esempi di addestramento per questo passaggio.

string (Timestamp format)

Solo output. Il timestamp del momento in cui è stata calcolata questa metrica.

Un timestamp in formato "Zulu" RFC3339 UTC, con risoluzione in nanosecondi e fino a nove cifre frazionarie. Esempi: "2014-10-02T15:01:23Z" e "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)

Campo facoltativo. Esempi in linea.

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

object (TuningExample)

obbligatorio. Gli esempi. L'input di esempio può essere per un testo o per una discussione, ma tutti gli esempi in un insieme devono essere dello stesso tipo.

{
  "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

obbligatorio. L'output del modello previsto.

string

Campo facoltativo. Input del modello di testo.

{

  // 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

Campo facoltativo. Immutabile. L'iperparametro del tasso di apprendimento per l'ottimizzazione. Se non viene configurato, verrà calcolato un valore predefinito pari a 0,001 o 0,0002 in base al numero di esempi di addestramento.

number

Campo facoltativo. Immutabile. Il moltiplicatore del tasso di apprendimento viene utilizzato per calcolare un tasso di apprendimento finale in base al valore predefinito (consigliato). Tasso di apprendimento effettivo := learningRateMultiplier * tasso di apprendimento predefinito Il tasso di apprendimento predefinito dipende dal modello di base e dalle dimensioni del set di dati. Se non viene configurato, verrà utilizzato il valore predefinito 1.0.

integer

Immutabile. Il numero di epoche di addestramento. Un'epoca è un passaggio attraverso i dati di addestramento. Se non viene configurato, viene utilizzato il valore predefinito 5.

integer

Immutabile. L'iperparametro della dimensione del batch per l'ottimizzazione. Se non viene configurato, verrà utilizzato un valore predefinito pari a 4 o 16 in base al numero di esempi di addestramento.