तरीका: tuneModels.generateContent
दिए गए इनपुट GenerateContentRequest
मॉडल से रिस्पॉन्स जनरेट करता है.
इनपुट सुविधाएं, अलग-अलग मॉडल के लिए अलग-अलग होती हैं. इनमें ट्यून किए जाने वाले मॉडल भी शामिल हैं. ज़्यादा जानकारी के लिए, मॉडल गाइड और ट्यूनिंग गाइड देखें.
एंडपॉइंट
पोस्ट
https://generativelanguage.googleapis.com/v1beta/{model=tunedModels/*}:generateContent
पाथ पैरामीटर
model
string
ज़रूरी है. नतीजे जनरेट करने के लिए इस्तेमाल किए जाने वाले Model
का नाम.
फ़ॉर्मैट: name=models/{model}
. यह tunedModels/{tunedmodel}
का रूप लेता है.
अनुरोध का मुख्य भाग
अनुरोध के मुख्य हिस्से में, यहां दिए गए स्ट्रक्चर का डेटा शामिल होता है:
contents[]
object (Content
)
ज़रूरी है. मॉडल के साथ हुई मौजूदा बातचीत का कॉन्टेंट.
सिंगल-टर्न वाली क्वेरी के लिए, यह एक इंस्टेंस होता है. बारी-बारी से आने वाली क्वेरी के लिए, यह दोहराया गया फ़ील्ड होता है. इसमें बातचीत का इतिहास और नया अनुरोध शामिल होता है.
tools[]
object (Tool
)
ज़रूरी नहीं. Tools
की सूची, जिसका इस्तेमाल करके मॉडल अगला जवाब जनरेट कर सकता है.
Tool
, कोड का एक हिस्सा होता है. इसकी मदद से सिस्टम, बाहरी सिस्टम से इंटरैक्ट कर पाता है, ताकि मॉडल की जानकारी और दायरे से बाहर कोई कार्रवाई या कार्रवाइयों का सेट पूरा कर सके. फ़िलहाल, सिर्फ़ Function
टूल का इस्तेमाल किया जा सकता है.
toolConfig
object (ToolConfig
)
ज़रूरी नहीं. अनुरोध में बताए गए किसी भी Tool
के लिए टूल कॉन्फ़िगरेशन.
safetySettings[]
object (SafetySetting
)
ज़रूरी नहीं. असुरक्षित कॉन्टेंट को ब्लॉक करने वाले यूनीक SafetySetting
इंस्टेंस की सूची.
यह GenerateContentRequest.contents
और GenerateContentResponse.candidates
पर लागू किया जाएगा. हर SafetyCategory
टाइप के लिए एक से ज़्यादा सेटिंग नहीं होनी चाहिए. यह एपीआई ऐसे सभी कॉन्टेंट और रिस्पॉन्स को ब्लॉक कर देगा जो इन सेटिंग के लिए तय थ्रेशोल्ड को पूरा नहीं कर पाते हैं. यह सूची, SafetySettings में दिए गए हर SafetyCategory
के लिए डिफ़ॉल्ट सेटिंग को बदल देती है. अगर सूची में दिए गए किसी SafetyCategory
के लिए कोई SafetySetting
नहीं है, तो एपीआई उस कैटगरी के लिए डिफ़ॉल्ट सुरक्षा सेटिंग का इस्तेमाल करेगा. नुकसान की कैटगरी HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_DANGEROUS_CONTENT, HARM_CATEGORY_HARASSMENT वाली कैटगरी.
systemInstruction
object (Content
)
ज़रूरी नहीं. डेवलपर ने सिस्टम के लिए निर्देश सेट किए हैं. फ़िलहाल, सिर्फ़ टेक्स्ट.
generationConfig
object (GenerationConfig
)
ज़रूरी नहीं. मॉडल जनरेशन और आउटपुट के लिए कॉन्फ़िगरेशन के विकल्प.
cachedContent
string
ज़रूरी नहीं. सुझाव दिखाने के लिए, कॉन्टेक्स्ट के तौर पर इस्तेमाल की गई कैश मेमोरी में सेव किए गए कॉन्टेंट का नाम. ध्यान दें: इसे सिर्फ़ साफ़ तौर पर कैश मेमोरी में इस्तेमाल करने के लिए इस्तेमाल किया जाता है, जहां उपयोगकर्ता कैश मेमोरी को कंट्रोल कर सकते हैं (जैसे, किस कॉन्टेंट को कैश मेमोरी में सेव करना चाहिए) और लागत में बचत की गारंटी पाएं. फ़ॉर्मैट: cachedContents/{cachedContent}
अनुरोध का उदाहरण
टेक्स्ट
Python
Node.js
Kotlin
Swift
Dart
Java
इमेज
Python
Node.js
Kotlin
Swift
Dart
Java
ऑडियो
Python
Node.js
वीडियो
Python
Node.js
चैट करें
Python
Node.js
शेल
Kotlin
Swift
Dart
Java
कैश
Python
Node.js
ट्यून किया गया मॉडल
Python
JSON मोड
Python
Node.js
Kotlin
Swift
Dart
Java
कोड लागू करना
Python
Kotlin
Java
फ़ंक्शन कॉलिंग
Python
Node.js
Kotlin
Swift
Dart
Java
कॉन्फ़िगरेशन जनरेट करें
Python
Node.js
शेल
Kotlin
Swift
Dart
Java
सुरक्षा सेटिंग
Python
Node.js
शेल
Kotlin
Swift
Dart
Java
सिस्टम के लिए निर्देश
Python
Node.js
Kotlin
Swift
Dart
Java
जवाब का मुख्य भाग
कामयाब रहने पर, जवाब के मुख्य हिस्से में GenerateContentResponse
का एक इंस्टेंस शामिल किया जाता है.
तरीका: TunModels.create
- एंडपॉइंट
- क्वेरी पैरामीटर
- अनुरोध का मुख्य हिस्सा
- जवाब का मुख्य हिस्सा
- अनुमति के दायरे
- अनुरोध का उदाहरण
यह ट्यून किया जाने वाला मॉडल बनाता है. इंटरमीडिएट ट्यूनिंग की प्रोग्रेस (अगर कोई है) को google.longrunning.Operations
सेवा के ज़रिए ऐक्सेस किया जाता है.
ऑपरेशन सेवा के ज़रिए स्थिति और नतीजों को ऐक्सेस किया जा सकता है. उदाहरण: GET /v1/tunedModels/az2mb0bpw6i/operations/000-111-222
एंडपॉइंट
पोस्ट
https://generativelanguage.googleapis.com/v1beta/tunedModels
क्वेरी पैरामीटर
tunedModelId
string
ज़रूरी नहीं. अगर बताया गया है, तो ट्यून किए जाने वाले मॉडल के लिए यूनीक आईडी. यह वैल्यू ज़्यादा से ज़्यादा 40 वर्णों की होनी चाहिए. पहला वर्ण कोई अक्षर होना चाहिए और आखिरी वर्ण कोई अक्षर या संख्या हो सकती है. आईडी रेगुलर एक्सप्रेशन से मेल खाना चाहिए: a-z?.
अनुरोध का मुख्य भाग
अनुरोध के मुख्य भाग में TunedModel
का उदाहरण है.
अनुरोध का उदाहरण
Python
जवाब का मुख्य भाग
यह संसाधन, लंबे समय तक चलने वाली कार्रवाई को दिखाता है, जो कि नेटवर्क एपीआई कॉल की वजह से होती है.
अगर एपीआई सही से जुड़ जाता है, ताे जवाब के मुख्य भाग में नीचे दिए गए स्ट्रक्चर शामिल होता है.
name
string
सर्वर का असाइन किया गया नाम. यह नाम सिर्फ़ उस सेवा के लिए यूनीक होता है जिससे वह मूल रूप से मैच करता है. अगर आपने डिफ़ॉल्ट एचटीटीपी मैपिंग का इस्तेमाल किया है, तो name
, संसाधन का नाम होना चाहिए जिसके आखिर में operations/{unique_id}
हो.
metadata
object
ऑपरेशन से जुड़ा खास सेवा का मेटाडेटा. आम तौर पर, इसमें गेम की प्रोग्रेस की जानकारी और सामान्य मेटाडेटा शामिल होता है. जैसे, वीडियो बनाने का समय. ऐसा हो सकता है कि कुछ सेवाएं इस तरह का मेटाडेटा उपलब्ध न कराएं. लंबे समय तक चलने वाली कार्रवाई दिखाने वाले किसी भी तरीके में, अगर कोई है, तो मेटाडेटा टाइप का दस्तावेज़ होना चाहिए.
ऐसा ऑब्जेक्ट जिसमें आर्बिट्रेरी टाइप के फ़ील्ड शामिल होते हैं. अतिरिक्त फ़ील्ड "@type"
में, टाइप की पहचान करने वाला यूआरआई होता है. उदाहरण: { "id": 1234, "@type": "types.example.com/standard/id" }
.
done
boolean
अगर वैल्यू false
है, तो इसका मतलब है कि कार्रवाई अब भी चल रही है. अगर true
है, तो कार्रवाई पूरी हो गई है और error
या response
उपलब्ध है.
result
. कार्रवाई का नतीजा, जो कोई error
या मान्य response
हो सकता है. अगर done
== false
है, तो error
या response
में से कोई भी वैल्यू सेट नहीं होती. अगर done
== true
है, तो error
या response
में से किसी एक को सेट किया जा सकता है. ऐसा हो सकता है कि कुछ सेवाएं नतीजे न दिखा पाएं. result
इनमें से सिर्फ़ एक हो सकता है:
error
object (Status
)
कार्रवाई न हो पाने या रद्द करने की स्थिति में, कार्रवाई का नतीजा.
response
object
कार्रवाई का सामान्य, सफल रिस्पॉन्स. अगर ओरिजनल तरीके से कोई डेटा नहीं मिलता है जैसे कि Delete
, तो रिस्पॉन्स google.protobuf.Empty
होगा. अगर मूल तरीका स्टैंडर्ड Get
/Create
/Update
है, तो जवाब संसाधन होना चाहिए. दूसरे तरीकों के लिए, जवाब XxxResponse
टाइप होना चाहिए, जिसमें Xxx
मूल तरीके का नाम है. उदाहरण के लिए, अगर मूल तरीके का नाम TakeSnapshot()
है, तो अनुमानित रिस्पॉन्स टाइप TakeSnapshotResponse
होता है.
ऐसा ऑब्जेक्ट जिसमें आर्बिट्रेरी टाइप के फ़ील्ड शामिल होते हैं. अतिरिक्त फ़ील्ड "@type"
में, टाइप की पहचान करने वाला यूआरआई होता है. उदाहरण: { "id": 1234, "@type": "types.example.com/standard/id" }
.
JSON के काेड में दिखाना |
---|
{ "name": string, "metadata": { "@type": string, field1: ..., ... }, "done": boolean, // Union field |
तरीका: TunerModels.get
किसी चुनिंदा TunedModel के बारे में जानकारी मिलती है.
एंडपॉइंट
पाएं
https://generativelanguage.googleapis.com/v1beta/{name=tunedModels/*}
पाथ पैरामीटर
name
string
ज़रूरी है. मॉडल के संसाधन का नाम.
फ़ॉर्मैट: tunedModels/my-model-id
यह tunedModels/{tunedmodel}
का रूप लेता है.
अनुरोध का मुख्य भाग
अनुरोध का मुख्य हिस्सा खाली होना चाहिए.
अनुरोध का उदाहरण
Python
जवाब का मुख्य भाग
कामयाब रहने पर, जवाब के मुख्य हिस्से में TunedModel
का एक इंस्टेंस शामिल किया जाता है.
तरीका: TunerModels.list
- एंडपॉइंट
- क्वेरी पैरामीटर
- अनुरोध का मुख्य हिस्सा
- जवाब का मुख्य हिस्सा
- अनुमति के दायरे
- अनुरोध का उदाहरण
यह उपयोगकर्ता के ट्यून किए गए मॉडल की सूची बनाता है.
एंडपॉइंट
पाएं
https://generativelanguage.googleapis.com/v1beta/tunedModels
क्वेरी पैरामीटर
pageSize
integer
ज़रूरी नहीं. ज़्यादा से ज़्यादा TunedModels
आइटम लौटाए जा सकते हैं (हर पेज के हिसाब से). यह सेवा, ट्यून किए जाने वाले मॉडल की संख्या कम कर सकती है.
अगर जानकारी उपलब्ध नहीं है, तो ट्यून किए जाने वाले ज़्यादा से ज़्यादा 10 मॉडल दिखाए जाएंगे. इस तरीके से हर पेज पर ज़्यादा से ज़्यादा 1,000 मॉडल दिखाए जाते हैं, भले ही आपने बड़ा pageSize को पास किया हो.
pageToken
string
ज़रूरी नहीं. पिछले tunedModels.list
कॉल से मिला पेज टोकन.
अगला पेज वापस पाने के लिए, अगले अनुरोध के लिए तर्क के तौर पर, एक अनुरोध के बाद मिले pageToken
को उपलब्ध कराएं.
पेजों पर नंबर डालते समय, tunedModels.list
को दिए गए अन्य सभी पैरामीटर, पेज टोकन देने वाले कॉल से मैच होने चाहिए.
filter
string
ज़रूरी नहीं. फ़िल्टर, ट्यून किए गए मॉडल की जानकारी और डिसप्ले नेम के लिए की गई खोज का पूरा टेक्स्ट होता है. डिफ़ॉल्ट रूप से, नतीजों में ट्यून किए जाने वाले ऐसे मॉडल शामिल नहीं होंगे जिन्हें सभी लोगों के साथ शेयर किया गया हो.
अतिरिक्त ऑपरेटर: - owner:me - लेखकs:me -reader:me - reader:सभी
उदाहरण: "owner:me" ट्यून किए जाने वाले उन सभी मॉडल की जानकारी देता है जिनमें कॉलर के मालिक की भूमिका "readers:me" है ट्यून किए जाने वाले सभी ऐसे मॉडल दिखाता है जिनमें कॉलर की भूमिका "readers:सभी" होती है ट्यून किए गए ऐसे सभी मॉडल दिखाता है जिन्हें सभी के साथ शेयर किया गया है
अनुरोध का मुख्य भाग
अनुरोध का मुख्य हिस्सा खाली होना चाहिए.
अनुरोध का उदाहरण
Python
जवाब का मुख्य भाग
tunedModels.list
से मिले जवाब में, मॉडल की पेजों वाली सूची शामिल है.
अगर एपीआई सही से जुड़ जाता है, ताे जवाब के मुख्य भाग में नीचे दिए गए स्ट्रक्चर शामिल होता है.
tunedModels[]
object (TunedModel
)
लौटाए गए मॉडल.
nextPageToken
string
एक टोकन, जिसे अगला पेज फिर से पाने के लिए pageToken
के तौर पर भेजा जा सकता है.
अगर इस फ़ील्ड को छोड़ दिया जाता है, तो और पेज नहीं होते हैं.
JSON के काेड में दिखाना |
---|
{
"tunedModels": [
{
object ( |
तरीका: TunerModels.patch
ट्यून किए गए मॉडल को अपडेट करता है.
एंडपॉइंट
पैच
https://generativelanguage.googleapis.com/v1beta/{tunedModel.name=tunedModels/*}
PATCH https://generativelanguage.googleapis.com/v1beta/{tunedModel.name=tunedModels/*}
पाथ पैरामीटर
tunedModel.name
string
सिर्फ़ आउटपुट के लिए. ट्यून किए गए मॉडल का नाम. बनाने पर, एक यूनीक नाम जनरेट होगा. उदाहरण: tunedModels/az2mb0bpw6i
अगर DisplayName को बनाते समय सेट किया गया है, तो नाम के आईडी वाला हिस्सा सेट करने के लिए, DisplayName के शब्दों को हाइफ़न के साथ जोड़ा जाएगा. इसके बाद, यूनीक वैल्यू के लिए कोई भी हिस्सा बिना किसी खास क्रम के जोड़ा जाएगा. उदाहरण: displayName = "वाक्य का अनुवाद करने वाले" name = "tunedModels/sentence-Translator-u3b7m" यह tunedModels/{tunedmodel}
का रूप लेता है.
क्वेरी पैरामीटर
updateMask
string (FieldMask
format)
ज़रूरी है. अपडेट किए जाने वाले फ़ील्ड की सूची.
यह फ़ील्ड के पूरी तरह क्वालिफ़ाइड नाम की सूची है, जिसे कॉमा लगाकर अलग किया गया है. उदाहरण: "user.displayName,photo"
.
अनुरोध का मुख्य भाग
अनुरोध के मुख्य भाग में TunedModel
का उदाहरण है.
जवाब का मुख्य भाग
कामयाब रहने पर, जवाब के मुख्य हिस्से में TunedModel
का एक इंस्टेंस शामिल किया जाता है.
तरीका: TunerModels.delete
ट्यून किए गए मॉडल को मिटाता है.
एंडपॉइंट
मिटाएं
https://generativelanguage.googleapis.com/v1beta/{name=tunedModels/*}
पाथ पैरामीटर
name
string
ज़रूरी है. मॉडल के संसाधन का नाम. फ़ॉर्मैट: tunedModels/my-model-id
यह tunedModels/{tunedmodel}
का रूप लेता है.
अनुरोध का मुख्य भाग
अनुरोध का मुख्य हिस्सा खाली होना चाहिए.
जवाब का मुख्य भाग
जवाब सही होने पर, जवाब का मुख्य हिस्सा खाली होता है.
REST संसाधन: ट्यून किए गए मॉडल
- संसाधन: TunedModel
- TunedModelSource
- राज्य
- TuningTask
- TuningSnapshot
- डेटासेट
- TuningExamples
- TuningExample
- हाइपर पैरामीटर
- तरीके
संसाधन: TunedModel
ModelService.CreateTunedModel का इस्तेमाल करके बनाया गया बेहतर मॉडल.
JSON के काेड में दिखाना |
---|
{ "name": string, "displayName": string, "description": string, "state": enum ( |
name
string
सिर्फ़ आउटपुट के लिए. ट्यून किए गए मॉडल का नाम. बनाने पर, एक यूनीक नाम जनरेट होगा. उदाहरण: tunedModels/az2mb0bpw6i
अगर DisplayName को बनाते समय सेट किया गया है, तो नाम के आईडी वाला हिस्सा सेट करने के लिए, DisplayName के शब्दों को हाइफ़न के साथ जोड़ा जाएगा. इसके बाद, यूनीक वैल्यू के लिए कोई भी हिस्सा बिना किसी खास क्रम के जोड़ा जाएगा. उदाहरण: displayName = "वाक्य का अनुवाद करने वाले" name = "tunedModels/sentence-Translator-u3b7m"
displayName
string
ज़रूरी नहीं. यूज़र इंटरफ़ेस में इस मॉडल के लिए दिखाया जाने वाला नाम. डिसप्ले नेम ज़्यादा से ज़्यादा 40 वर्णों का होना 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. इस मॉडल को बनाए जाने के समय का टाइमस्टैंप.
आरएफ़सी3339 यूटीसी "ज़ुलु" में टाइमस्टैंप फ़ॉर्मैट, नैनोसेकंड रिज़ॉल्यूशन और ज़्यादा से ज़्यादा नौ फ़्रैक्शनल अंकों के साथ हो सकता है. 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.
आरएफ़सी3339 यूटीसी "ज़ुलु" में टाइमस्टैंप फ़ॉर्मैट, नैनोसेकंड रिज़ॉल्यूशन और ज़्यादा से ज़्यादा नौ फ़्रैक्शनल अंकों के साथ हो सकता है. उदाहरण: "2014-10-02T15:01:23Z"
और "2014-10-02T15:01:23.045123456Z"
.
tuningTask
object (TuningTask
)
ज़रूरी है. ट्यूनिंग करने वाला टास्क, जो ट्यून किया जाने वाला मॉडल बनाता है.
source_model
. ट्यूनिंग के लिए शुरुआती पॉइंट के तौर पर इस्तेमाल किया जाने वाला मॉडल. source_model
इनमें से सिर्फ़ एक हो सकता है:
tunedModelSource
object (TunedModelSource
)
ज़रूरी नहीं. ट्यून किए गए मॉडल का इस्तेमाल, नए मॉडल की ट्रेनिंग के लिए शुरुआती पॉइंट के तौर पर किया जा सकता है.
baseModel
string
इम्यूटेबल. ट्यून करने के लिए Model
का नाम. उदाहरण: models/text-bison-001
temperature
number
ज़रूरी नहीं. इससे आउटपुट की रैंडमनेस को कंट्रोल किया जाता है.
वैल्यू [0.0,1.0]
से ज़्यादा भी हो सकती है. इसमें ये वैल्यू भी शामिल हैं. 1.0
के करीब की वैल्यू, ज़्यादा अलग-अलग तरह के जवाब देगी. वहीं, 0.0
के करीब की वैल्यू, आम तौर पर इस मॉडल से मिलने वाले चौंकाने वाले जवाब नहीं देगी.
यह वैल्यू, मॉडल बनाते समय डिफ़ॉल्ट तौर पर बेस मॉडल में इस्तेमाल होने वाली वैल्यू तय करती है.
topP
number
ज़रूरी नहीं. न्यूक्लियस सैंपलिंग के लिए.
न्यूक्लियस सैंपलिंग के तहत टोकन के सबसे छोटे सेट को शामिल किया जाता है, जिसकी संभावना का योग कम से कम topP
होता है.
यह वैल्यू, मॉडल बनाते समय डिफ़ॉल्ट तौर पर बेस मॉडल में इस्तेमाल होने वाली वैल्यू तय करती है.
topK
integer
ज़रूरी नहीं. टॉप-के सैंपलिंग के लिए.
टॉप-K सैंपलिंग, topK
के सबसे संभावित टोकन के सेट के हिसाब से काम करती है. यह वैल्यू तय करती है कि मॉडल को कॉल करते समय, बैकएंड में डिफ़ॉल्ट तौर पर इसका इस्तेमाल किया जाए या नहीं.
यह वैल्यू, मॉडल बनाते समय डिफ़ॉल्ट तौर पर बेस मॉडल में इस्तेमाल होने वाली वैल्यू तय करती है.
TunedModelSource
मॉडल को नए मॉडल की ट्रेनिंग के लिए, सोर्स के तौर पर जोड़ा गया.
JSON के काेड में दिखाना |
---|
{ "tunedModel": string, "baseModel": string } |
tunedModel
string
इम्यूटेबल. नए मॉडल को ट्रेनिंग देने के लिए, शुरुआती पॉइंट के तौर पर इस्तेमाल किया जाने वाला TunedModel
का नाम. उदाहरण: tunedModels/my-tuned-model
baseModel
string
सिर्फ़ आउटपुट के लिए. उस बेस का नाम Model
जिससे यह TunedModel
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 के लिए तैयार है. |
FAILED |
मॉडल बनाया नहीं जा सका. |
TuningTask
ऐसे टास्क ट्यून किए जा रहे हैं जो ट्यून किए जाने वाले मॉडल बनाते हैं.
JSON के काेड में दिखाना |
---|
{ "startTime": string, "completeTime": string, "snapshots": [ { object ( |
startTime
string (Timestamp
format)
सिर्फ़ आउटपुट के लिए. इस मॉडल को ट्यून करने के दौरान दिखने वाला टाइमस्टैंप.
आरएफ़सी3339 यूटीसी "ज़ुलु" में टाइमस्टैंप फ़ॉर्मैट, नैनोसेकंड रिज़ॉल्यूशन और ज़्यादा से ज़्यादा नौ फ़्रैक्शनल अंकों के साथ हो सकता है. 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 दौरान दिखने वाला टाइमस्टैंप.
आरएफ़सी3339 यूटीसी "ज़ुलु" में टाइमस्टैंप फ़ॉर्मैट, नैनोसेकंड रिज़ॉल्यूशन और ज़्यादा से ज़्यादा नौ फ़्रैक्शनल अंकों के साथ हो सकता है. 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 डेटा.
hyperparameters
object (Hyperparameters
)
इम्यूटेबल. ट्यूनिंग प्रोसेस को कंट्रोल करने वाले हाइपर पैरामीटर. अगर यह पैरामीटर उपलब्ध नहीं है, तो डिफ़ॉल्ट वैल्यू का इस्तेमाल किया जाएगा.
TuningSnapshot
एक ट्यूनिंग स्टेप के लिए रिकॉर्ड करें.
JSON के काेड में दिखाना |
---|
{ "step": integer, "epoch": integer, "meanLoss": number, "computeTime": string } |
step
integer
सिर्फ़ आउटपुट के लिए. ट्यूनिंग स्टेप.
epoch
integer
सिर्फ़ आउटपुट के लिए. वह युग, जिसका यह चरण 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 को कैलकुलेट करते समय दिखने वाला टाइमस्टैंप.
आरएफ़सी3339 यूटीसी "ज़ुलु" में टाइमस्टैंप फ़ॉर्मैट, नैनोसेकंड रिज़ॉल्यूशन और ज़्यादा से ज़्यादा नौ फ़्रैक्शनल अंकों के साथ हो सकता है. उदाहरण: "2014-10-02T15:01:23Z"
और "2014-10-02T15:01:23.045123456Z"
.
डेटासेट
ट्रेनिंग या पुष्टि के लिए डेटासेट.
JSON के काेड में दिखाना |
---|
{ // Union field |
dataset
. इनलाइन डेटा या डेटा का रेफ़रंस. dataset
इनमें से सिर्फ़ एक हो सकता है:
examples
object (TuningExamples
)
ज़रूरी नहीं. इनलाइन उदाहरण.
TuningExamples
ट्यूनिंग के उदाहरणों का सेट. यह ट्रेनिंग या पुष्टि करने वाला डेटा हो सकता है.
JSON के काेड में दिखाना |
---|
{
"examples": [
{
object ( |
examples[]
object (TuningExample
)
ज़रूरी है. उदाहरण. उदाहरण के तौर पर दिया गया इनपुट, टेक्स्ट या चर्चा के लिए हो सकता है. हालांकि, किसी सेट में मौजूद सभी उदाहरण एक ही तरह के होने चाहिए.
TuningExample
ट्यूनिंग के लिए एक उदाहरण.
JSON के काेड में दिखाना |
---|
{ "output": string, // Union field |
output
string
ज़रूरी है. अनुमानित मॉडल आउटपुट.
model_input
. इस उदाहरण के लिए मॉडल के लिए इनपुट. model_input
इनमें से सिर्फ़ एक हो सकता है:
textInput
string
ज़रूरी नहीं. टेक्स्ट मॉडल 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
JSON के काेड में दिखाना |
---|
{ // Union field |
learning_rate_option
. ट्यूनिंग के दौरान लर्निंग रेट की जानकारी देने के विकल्प. learning_rate_option
इनमें से सिर्फ़ एक हो सकता है:
learningRate
number
ज़रूरी नहीं. इम्यूटेबल. ट्यूनिंग के लिए, लर्निंग रेट हाइपर पैरामीटर. अगर यह नीति सेट नहीं है, तो ट्रेनिंग के उदाहरणों की संख्या के आधार पर, 0.001 या 0.0002 की डिफ़ॉल्ट वैल्यू का हिसाब लगाया जाएगा.
learningRateMultiplier
number
ज़रूरी नहीं. इम्यूटेबल. लर्निंग रेट मल्टीप्लायर का इस्तेमाल, डिफ़ॉल्ट (सुझाई गई) वैल्यू के आधार पर फ़ाइनल लर्निंग रेट का हिसाब लगाने के लिए किया जाता है. सीखने की असल दर := LearningRateमल्टीपैक * सीखने की डिफ़ॉल्ट दर, सीखने की डिफ़ॉल्ट दर, बेस मॉडल और डेटासेट के साइज़ पर निर्भर करती है. इस नीति को सेट न करने पर, डिफ़ॉल्ट वैल्यू 1.0 का इस्तेमाल किया जाता है.
epochCount
integer
इम्यूटेबल. ट्रेनिंग के युगों की संख्या. epoch का मतलब है कि ट्रेनिंग डेटा को एक बार में ही प्रोसेस कर दिया जाता है. अगर यह नीति सेट नहीं है, तो डिफ़ॉल्ट वैल्यू 5 का इस्तेमाल किया जाएगा.
batchSize
integer
इम्यूटेबल. ट्यूनिंग के लिए बैच साइज़ हाइपर पैरामीटर. अगर यह नीति सेट नहीं है, तो ट्रेनिंग के उदाहरणों की संख्या के आधार पर, डिफ़ॉल्ट वैल्यू 4 या 16 का इस्तेमाल किया जाएगा.