REST Resource: tunedModels

ทรัพยากร: TunedModel

โมเดลที่ปรับแต่งแล้วซึ่งสร้างโดยใช้ ModelService.CreateTunedModel

การแสดง JSON 
{
  "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
}
ช่อง
name

string

เอาต์พุตเท่านั้น ชื่อโมเดลที่ปรับแต่ง ระบบจะสร้างชื่อที่ไม่ซ้ำกันเมื่อสร้าง ตัวอย่าง: tunedModels/az2mb0bpw6i หากตั้งค่า displayName เมื่อสร้าง ระบบจะกำหนดส่วนรหัสของชื่อโดยการเชื่อมโยงคำของ displayName กับขีดกลาง และเพิ่มส่วนแบบสุ่มเพื่อให้ไม่ซ้ำกัน ตัวอย่างเช่น displayName = "เครื่องมือแปลประโยค" ชื่อ = "tunedModels/sentence-translator-u3b7m"
displayName

string

ไม่บังคับ ชื่อที่จะแสดงสำหรับโมเดลนี้ในอินเทอร์เฟซผู้ใช้ ชื่อที่แสดงต้องมีความยาวไม่เกิน 40 อักขระ รวมการเว้นวรรค
description

string

ไม่บังคับ คำอธิบายสั้นๆ ของโมเดลนี้
state

enum (State)

เอาต์พุตเท่านั้น สถานะของโมเดลที่ปรับแต่ง
createTime

string (Timestamp format)

เอาต์พุตเท่านั้น การประทับเวลาที่สร้างโมเดลนี้

การประทับเวลาจะอยู่ในรูปแบบ RFC3339 UTC "Zulu" ที่มีความละเอียดระดับนาโนวินาทีและมีตัวเลขที่เป็นเศษส่วนได้สูงสุด 9 หลัก ตัวอย่าง: "2014-10-02T15:01:23Z" และ "2014-10-02T15:01:23.045123456Z"
updateTime

string (Timestamp format)

เอาต์พุตเท่านั้น การประทับเวลาเมื่อมีการอัปเดตโมเดลนี้

การประทับเวลาจะอยู่ในรูปแบบ RFC3339 UTC "Zulu" ที่มีความละเอียดระดับนาโนวินาทีและมีตัวเลขที่เป็นเศษส่วนได้สูงสุด 9 หลัก ตัวอย่าง: "2014-10-02T15:01:23Z" และ "2014-10-02T15:01:23.045123456Z"
tuningTask

object (TuningTask)

ต้องระบุ งานการปรับแต่งที่สร้างโมเดลที่ปรับแต่ง
ฟิลด์สหภาพ source_model โมเดลที่ใช้เป็นจุดเริ่มต้นสำหรับการปรับแต่ง source_model ต้องเป็นค่าใดค่าหนึ่งต่อไปนี้เท่านั้น
tunedModelSource

object (TunedModelSource)

ไม่บังคับ TunedModel จะใช้เป็นจุดเริ่มต้นสำหรับการฝึกโมเดลใหม่
baseModel

string

เปลี่ยนแปลงไม่ได้ ชื่อของ Model ที่จะปรับจูน ตัวอย่าง: models/text-bison-001
temperature

number

ไม่บังคับ ควบคุมการสุ่มของเอาต์พุต

ค่ามีได้ตั้งแต่ [0.0,1.0] ค่าที่ใกล้เคียงกับ 1.0 จะทำให้คำตอบมีความหลากหลายมากกว่า ขณะที่ค่าที่ใกล้กับ 0.0 มักจะทำให้ได้คำตอบที่น่าประหลาดใจน้อยลงจากโมเดล

ค่านี้ระบุค่าเริ่มต้นให้เป็นค่าที่โมเดลฐานใช้ขณะสร้างโมเดล
topP

number

ไม่บังคับ สําหรับการสุ่มตัวอย่างแบบนิวเคลียส

การสุ่มตัวอย่างนิวเคลียสจะพิจารณาชุดโทเค็นขนาดเล็กที่สุดที่มีผลรวมความน่าจะเป็นอย่างน้อย topP

ค่านี้ระบุค่าเริ่มต้นให้เป็นค่าที่โมเดลฐานใช้ขณะสร้างโมเดล
topK

integer

ไม่บังคับ สำหรับการสุ่มตัวอย่างยอดนิยม

การสุ่มตัวอย่างแบบ Top-K จะพิจารณาชุดโทเค็นที่เป็นไปได้มากที่สุด topK รายการ ค่านี้จะระบุค่าเริ่มต้นที่แบ็กเอนด์จะใช้ขณะทำการเรียกโมเดล

ค่านี้ระบุค่าเริ่มต้นให้เป็นค่าที่โมเดลฐานใช้ขณะสร้างโมเดล

TunedModelSource

ปรับแต่งโมเดลเป็นแหล่งที่มาสำหรับการฝึกโมเดลใหม่แล้ว

การแสดง JSON 
{
  "tunedModel": string,
  "baseModel": string
}
ช่อง
tunedModel

string

เปลี่ยนแปลงไม่ได้ ชื่อของ TunedModel ที่จะใช้เป็นจุดเริ่มต้นในการฝึกโมเดลใหม่ ตัวอย่าง: tunedModels/my-tuned-model
baseModel

string

เอาต์พุตเท่านั้น ชื่อฐาน Model ที่ TunedModel นี้ได้รับการปรับแต่ง ตัวอย่าง: models/text-bison-001

รัฐ

สถานะของโมเดลที่ปรับแต่ง

Enum
STATE_UNSPECIFIED ค่าเริ่มต้น ค่านี้ไม่ได้ใช้
CREATING กำลังสร้างโมเดล
ACTIVE โมเดลพร้อมใช้งานแล้ว
FAILED สร้างโมเดลไม่สำเร็จ

TuningTask

การปรับแต่งงานที่สร้างโมเดลที่ปรับแต่ง

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

string (Timestamp format)

เอาต์พุตเท่านั้น การประทับเวลาเมื่อการปรับแต่งโมเดลนี้เริ่มขึ้น

การประทับเวลาจะอยู่ในรูปแบบ RFC3339 UTC "Zulu" ที่มีความละเอียดระดับนาโนวินาทีและมีตัวเลขที่เป็นเศษส่วนได้สูงสุด 9 หลัก ตัวอย่าง: "2014-10-02T15:01:23Z" และ "2014-10-02T15:01:23.045123456Z"
completeTime

string (Timestamp format)

เอาต์พุตเท่านั้น การประทับเวลาเมื่อการปรับแต่งโมเดลนี้เสร็จสมบูรณ์

การประทับเวลาจะอยู่ในรูปแบบ RFC3339 UTC "Zulu" ที่มีความละเอียดระดับนาโนวินาทีและมีตัวเลขที่เป็นเศษส่วนได้สูงสุด 9 หลัก ตัวอย่าง: "2014-10-02T15:01:23Z" และ "2014-10-02T15:01:23.045123456Z"
snapshots[]

object (TuningSnapshot)

เอาต์พุตเท่านั้น เมตริกที่รวบรวมระหว่างการปรับแต่ง
trainingData

object (Dataset)

ต้องระบุ อินพุตเท่านั้น เปลี่ยนแปลงไม่ได้ ข้อมูลการฝึกโมเดล
hyperparameters

object (Hyperparameters)

เปลี่ยนแปลงไม่ได้ ไฮเปอร์พารามิเตอร์ที่ควบคุมกระบวนการปรับแต่ง หากไม่ระบุ ระบบจะใช้ค่าเริ่มต้น

TuningSnapshot

บันทึกสำหรับขั้นตอนการปรับแต่งรายการเดียว

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

integer

เอาต์พุตเท่านั้น ขั้นตอนการปรับแต่ง
epoch

integer

เอาต์พุตเท่านั้น Epoch ของขั้นตอนนี้เป็นส่วนหนึ่งของ
meanLoss

number

เอาต์พุตเท่านั้น การสูญเสียค่าเฉลี่ยของตัวอย่างการฝึกสำหรับขั้นตอนนี้
computeTime

string (Timestamp format)

เอาต์พุตเท่านั้น การประทับเวลาเมื่อมีการคำนวณเมตริกนี้

การประทับเวลาจะอยู่ในรูปแบบ RFC3339 UTC "Zulu" ที่มีความละเอียดระดับนาโนวินาทีและมีตัวเลขที่เป็นเศษส่วนได้สูงสุด 9 หลัก ตัวอย่าง: "2014-10-02T15:01:23Z" และ "2014-10-02T15:01:23.045123456Z"

ชุดข้อมูล

ชุดข้อมูลสำหรับการฝึกหรือการตรวจสอบ

การแสดง JSON 
{

  // Union field dataset can be only one of the following:
  "examples": {
    object (TuningExamples)
  }
  // End of list of possible types for union field dataset.
}
ช่อง
ฟิลด์สหภาพ dataset ข้อมูลในบรรทัดหรือการอ้างอิงไปยังข้อมูล dataset ต้องเป็นค่าใดค่าหนึ่งต่อไปนี้เท่านั้น
examples

object (TuningExamples)

ไม่บังคับ ตัวอย่างในบรรทัด

TuningExamples

ชุดตัวอย่างการปรับแต่ง โดยอาจเป็นข้อมูลการฝึกหรือการตรวจสอบ

การแสดง JSON 
{
  "examples": [
    {
      object (TuningExample)
    }
  ]
}
ช่อง
examples[]

object (TuningExample)

ต้องระบุ ตัวอย่าง ตัวอย่างอินพุตอาจเป็นข้อความหรือการอภิปราย แต่ตัวอย่างทั้งหมดในชุดต้องเป็นประเภทเดียวกัน

TuningExample

ตัวอย่างรายการเดียวสำหรับการปรับแต่ง

การแสดง JSON 
{
  "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.
}
ช่อง
output

string

ต้องระบุ เอาต์พุตโมเดลที่คาดหวัง
ฟิลด์สหภาพ model_input อินพุตไปยังโมเดลสำหรับตัวอย่างนี้ model_input ต้องเป็นค่าใดค่าหนึ่งต่อไปนี้เท่านั้น
textInput

string

ไม่บังคับ อินพุตโมเดลข้อความ

ไฮเปอร์พารามิเตอร์

ไฮเปอร์พารามิเตอร์ที่ควบคุมกระบวนการปรับแต่ง อ่านเพิ่มเติมที่ https://ai.google.dev/docs/model_tuning_guidance

การแสดง JSON 
{

  // 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
}
ช่อง
ฟิลด์สหภาพ learning_rate_option ตัวเลือกในการระบุอัตราการเรียนรู้ระหว่างการปรับแต่ง learning_rate_option ต้องเป็นค่าใดค่าหนึ่งต่อไปนี้เท่านั้น
learningRate

number

ไม่บังคับ เปลี่ยนแปลงไม่ได้ ไฮเปอร์พารามิเตอร์อัตราการเรียนรู้สำหรับการปรับแต่ง หากไม่ได้ตั้งค่า ระบบจะคำนวณค่าเริ่มต้นที่ 0.001 หรือ 0.0002 ตามจำนวนตัวอย่างในการฝึก
learningRateMultiplier

number

ไม่บังคับ เปลี่ยนแปลงไม่ได้ ตัวคูณอัตราการเรียนรู้ใช้เพื่อคำนวณ LearningRate สุดท้ายตามค่าเริ่มต้น (แนะนำ) อัตราการเรียนรู้จริง := learningRateMultiplier * อัตราการเรียนรู้เริ่มต้น อัตราการเรียนรู้เริ่มต้นขึ้นอยู่กับโมเดลฐานและขนาดชุดข้อมูล หากไม่ได้ตั้งค่า ระบบจะใช้ค่าเริ่มต้น 1.0
epochCount

integer

เปลี่ยนแปลงไม่ได้ จำนวน Epoch การฝึก Epoch เป็นการส่งผ่านข้อมูลการฝึก หากไม่ได้ตั้งค่า ระบบจะใช้ค่าเริ่มต้น 5 รายการ
batchSize

integer

เปลี่ยนแปลงไม่ได้ ไฮเปอร์พารามิเตอร์ขนาดกลุ่มสำหรับการปรับแต่ง หากไม่ได้ตั้งค่า ระบบจะใช้ค่าเริ่มต้น 4 หรือ 16 ตามจำนวนตัวอย่างการฝึก

วิธีการ

create

 สร้างโมเดลที่ปรับแต่ง

delete

 ลบโมเดลที่ปรับแต่ง

generateContent

 สร้างคำตอบจากโมเดลที่กำหนดอินพุต GenerateContentRequest

generateText

 สร้างการตอบกลับจากโมเดลตามข้อความอินพุต

get

 รับข้อมูลเกี่ยวกับ TunedModel ที่เฉพาะเจาะจง

list

 แสดงรายการโมเดลที่มีการปรับแต่งที่ผู้ใช้เป็นเจ้าของ

patch

 อัปเดตโมเดลที่ปรับแต่ง

transferOwnership

 โอนการเป็นเจ้าของโมเดลที่ปรับแต่ง