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

Apenas saída. O nome do modelo ajustado. Um nome exclusivo vai ser gerado na criação. Exemplo: tunedModels/az2mb0bpw6i se "displayName" for definido ao criar, a parte "id" do nome será definida concatenando as palavras de "displayName" com hifens e adicionando uma parte aleatória para exclusividade. Exemplo: displayName = "Sentence Tradutor" = "tunedModels/sentence-translator-u3b7m"

string

Opcional. O nome a ser exibido para este modelo nas interfaces do usuário. O nome de exibição precisa ter até 40 caracteres, incluindo espaços.

string

Opcional. Uma breve descrição deste modelo.

enum (State)

Apenas saída. O estado do modelo ajustado.

string (Timestamp format)

Apenas saída. O carimbo de data/hora em que esse modelo foi criado.

Um carimbo de data/hora no formato UTC "Zulu" RFC3339, com resolução de nanossegundos e até nove dígitos fracionários. Exemplos: "2014-10-02T15:01:23Z" e "2014-10-02T15:01:23.045123456Z".

string (Timestamp format)

Apenas saída. O carimbo de data/hora em que este modelo foi atualizado.

Um carimbo de data/hora no formato UTC "Zulu" RFC3339, com resolução de nanossegundos e até nove dígitos fracionários. Exemplos: "2014-10-02T15:01:23Z" e "2014-10-02T15:01:23.045123456Z".

object (TuningTask)

Obrigatório. A tarefa de ajuste que cria o modelo ajustado.

object (TunedModelSource)

Opcional. TunedModel para usar como ponto de partida para treinar o novo modelo.

string

Imutável. Nome do Model a ser ajustado. Exemplo: models/text-bison-001

number

Opcional. Controla a aleatoriedade da saída.

Os valores podem variar para mais de [0.0,1.0], inclusive. Um valor mais próximo de 1.0 produzirá respostas mais variadas, enquanto um valor mais próximo de 0.0 normalmente resultará em respostas menos surpreendentes do modelo.

Esse valor especifica que o padrão será usado pelo modelo base durante a criação dele.

number

Opcional. Para amostragem Nucleus.

A amostragem Nucleus considera o menor conjunto de tokens cuja soma de probabilidade é de pelo menos topP.

Esse valor especifica que o padrão será usado pelo modelo base durante a criação dele.

integer

Opcional. Para amostragem Top-k.

A amostragem top-k considera o conjunto de topK tokens mais prováveis. Esse valor especifica o padrão a ser usado pelo back-end ao fazer a chamada para o modelo.

Esse valor especifica que o padrão será usado pelo modelo base durante a criação dele.

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

string

Imutável. O nome do TunedModel a ser usado como ponto de partida para treinar o novo modelo. Exemplo: tunedModels/my-tuned-model

string

Apenas saída. O nome da base Model em que o TunedModel foi ajustado. Exemplo: models/text-bison-001

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

string (Timestamp format)

Apenas saída. O carimbo de data/hora ao ajustar este modelo.

Um carimbo de data/hora no formato UTC "Zulu" RFC3339, com resolução de nanossegundos e até nove dígitos fracionários. Exemplos: "2014-10-02T15:01:23Z" e "2014-10-02T15:01:23.045123456Z".

string (Timestamp format)

Apenas saída. O carimbo de data/hora de conclusão do ajuste do modelo.

Um carimbo de data/hora no formato UTC "Zulu" RFC3339, com resolução de nanossegundos e até nove dígitos fracionários. Exemplos: "2014-10-02T15:01:23Z" e "2014-10-02T15:01:23.045123456Z".

object (TuningSnapshot)

Apenas saída. Métricas coletadas durante o ajuste.

object (Dataset)

Obrigatório. Apenas entrada. Imutável. Os dados de treinamento do modelo.

object (Hyperparameters)

Imutável. Hiperparâmetros que controlam o processo de ajuste. Se não for fornecido, os valores padrão serão usados.

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

integer

Apenas saída. A etapa de ajuste.

integer

Apenas saída. A época de que esta etapa fazia parte.

number

Apenas saída. Perda média dos exemplos de treinamento desta etapa.

string (Timestamp format)

Apenas saída. O carimbo de data/hora em que essa métrica foi calculada.

Um carimbo de data/hora no formato UTC "Zulu" RFC3339, com resolução de nanossegundos e até nove dígitos fracionários. Exemplos: "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)

Opcional. Exemplos inline.

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

object (TuningExample)

Obrigatório. Os exemplos. A entrada de exemplo pode ser de texto ou discussão, mas todos os exemplos em um conjunto precisam ser do mesmo 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

Obrigatório. Saída do modelo esperada.

string

Opcional. Entrada do modelo de texto.

{

  // 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

Opcional. Imutável. O hiperparâmetro da taxa de aprendizado para ajuste. Se não for definido, um padrão de 0,001 ou 0,0002 será calculado com base no número de exemplos de treinamento.

number

Opcional. Imutável. O multiplicador da taxa de aprendizado é usado para calcular uma taxa de aprendizado final com base no valor padrão (recomendado). Taxa de aprendizado real := learningRateMultiplicador * padrão de taxa de aprendizado A taxa de aprendizado padrão depende do modelo base e do tamanho do conjunto de dados. Se não for definido, um padrão de 1.0 será usado.

integer

Imutável. O número de períodos de treinamento. Um período é uma passagem pelos dados de treinamento. Se não for definido, um padrão de 5 será usado.

integer

Imutável. O hiperparâmetro do tamanho do lote para ajuste. Se não for definido, um padrão de 4 ou 16 será usado com base no número de exemplos de treinamento.