Passen Sie ein Modell mit Feinabstimmungen in Amazon Bedrock an - Amazon Bedrock

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Passen Sie ein Modell mit Feinabstimmungen in Amazon Bedrock an

Mit Amazon Bedrock können Sie ein Basismodell trainieren, um die Leistung bei bestimmten Aufgaben zu verbessern (bekannt als Feinabstimmung). Weitere Informationen zur Feinabstimmung von Amazon Nova-Modellen finden Sie unter Feinabstimmung von Amazon Nova-Modellen.

Unterstützte Modelle und Regionen für die Feinabstimmung

In der folgenden Tabelle sind die Basismodelle aufgeführt, die Sie verfeinern können:

Anbieter Modell Modell-ID Unterstützung von Modellen für einzelne Regionen
Amazon Nova 2 Lite amazon.nova-2-lite-v 1:0:256 k

us-east-1

Amazon Nova Canvas Amazonas. nova-canvas-v1:0

us-east-1

Amazon Nova Lite Amazonas. nova-lite-v1:0:300 k

us-east-1

Amazon Nova Micro Amazonas. nova-micro-v1:0:128 k

us-east-1

Amazon Nova Pro Amazonas. nova-pro-v1:0:300 k

us-east-1

Amazon Titan Image Generator G1 v2 Amazonas. titan-image-generator-v2:0

us-east-1

us-west-2

Amazon Titan Multimodal Embeddings G1 Amazonas. titan-embed-image-v1:0

us-east-1

us-west-2

Anthropic Claude 3 Haiku anthropic.claude-3-haiku-20240307-v1:0:200k

us-west-2

Meta Llama 3.1 70B Instruct meta.llama3-1-70 1:0:128 k b-instruct-v

us-west-2

Meta Llama 3,1 8B Instruct meta.llama3-1-8 1:0:128 k b-instruct-v

us-west-2

Meta Llama 3.2 11B Instruct meta.llama3-2-11 1:0:128 k b-instruct-v

us-west-2

Meta Llama 3.2 1B Instruct meta.llama3-2-1 1:0:128 k b-instruct-v

us-west-2

Meta Llama 3.2 3B Instruct meta.llama3-2-3 b-instruct-v 1:0:128 k

us-west-2

Meta Llama 3.2 90B Instruct meta.llama3-2-90 b-instruct-v 1:0:128 k

us-west-2

Meta Llama 3.3 70B Instruct meta.llama3-3-70 1:0:128 k b-instruct-v

us-west-2

Hinweise zu Hyperparametern zur Modellanpassung für jedes Modell finden Sie unter. Hyperparameter für benutzerdefinierte Modelle