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.
Informationen zum Amazon-Bedrock-Basismodell
Ein Basismodell ist ein KI-Modell mit einer Vielzahl von Parametern, das mit einer riesigen Menge unterschiedlicher Daten trainiert wurde. Ein Basismodell kann verschiedene Antworten für zahlreiche Anwendungsfälle generieren. Basismodelle können Text oder Bilder generieren und Eingaben auch in Einbettungen konvertieren. Dieser Abschnitt enthält Informationen zu den Foundation Models (FM), die Sie in Amazon Bedrock verwenden können, z. B. zu den Funktionen, die Modelle unterstützen, und zu den AWS-Regionen verfügbaren Modellen. Informationen zu den von Amazon Bedrock unterstützten Basismodellen finden Sie unter Unterstützte Basismodelle in Amazon Bedrock.
Standardmäßig ist der Zugriff auf alle Amazon-Bedrock-Basismodelle aktiviert. Wählen Sie zunächst einfach ein Modell aus dem Modellkatalog in der Amazon-Bedrock-Konsole aus und öffnen Sie es im Playground. Bei Anthropic-Modellen müssen Erstbenutzer möglicherweise Details zum Anwendungsfall senden, bevor sie auf das Modell zugreifen können. Nachdem Sie ein Modell ausgewählt haben, können Sie es wie folgt verwenden.
-
Führen Sie Inferenzen aus, indem Sie Prompts an ein Modell senden und Antworten generieren. Die Spielplätze bieten eine benutzerfreundliche Oberfläche AWS-Managementkonsole zum Generieren von Text, Bildern oder Chats. In der Spalte Ausgabemodalität finden Sie Informationen dazu, wie Sie die Modelle bestimmen, die Sie in den einzelnen Playgrounds verwenden können.
Anmerkung
Die Konsolen-Playgrounds unterstützen nicht das Ausführen von Inferenzen für Einbettungsmodelle. Verwenden Sie die API, um Inferenzen für Einbettungsmodelle auszuführen.
-
Evaluieren Sie Modelle, um die Ausgaben zu vergleichen und das beste Modell für Ihren Anwendungsfall zu ermitteln.
-
Konfigurieren Sie eine Wissensdatenbank mithilfe eines Einbettungsmodells. Verwenden Sie dann ein Textmodell, um Antworten auf Abfragen zu generieren.
-
Erstellen Sie einen Agenten und verwenden Sie ein Modell, um Inferenzen für Prompts auszuführen und die Orchestrierung durchzuführen.
-
Passen Sie ein Modell an, indem Sie Trainings- und Validierungsdaten eingeben, um die Modellparameter an Ihren Anwendungsfall anzupassen. Um ein benutzerdefiniertes Modell zu verwenden, müssen Sie dafür bereitgestellten Durchsatz erwerben.
-
Erwerben Sie bereitgestellten Durchsatz für ein Modell, um den Durchsatz für dieses Modell zu erhöhen.
Um ein FM mit der Amazon-Bedrock-API zu verwenden, müssen Sie die entsprechende Modell-ID ermitteln, die verwendet werden soll. In der folgenden Tabelle erfahren Sie, wo Sie die Modell-ID finden, die Sie verwenden müssen.
| Anwendungsfall | So finden Sie die Modell-ID |
|---|---|
| Verwenden eines Basismodells | Schlagen Sie die ID in der Tabelle des Basismodells IDs nach |
| Verwenden eines regionsübergreifenden Inferenzprofils | Schlagen Sie auf der Seite mit den unterstützten Inferenzprofilen die ID nach. |
| Erwerben von bereitgestelltem Durchsatz für ein Basismodell | Suchen Sie im Diagramm „Modell IDs für den bereitgestellten Durchsatz“ nach der ID und verwenden Sie sie modelId in der CreateProvisionedModelThroughputAnfrage. |
| Erwerben von bereitgestelltem Durchsatz für ein benutzerdefiniertes Modell | Verwenden Sie den Namen des benutzerdefinierten Modells oder seinen ARN als modelId in der CreateProvisionedModelThroughputAnfrage. |
| Verwenden eines bereitgestellten Modells | Nachdem Sie einen bereitgestellten Durchsatz erstellt haben, wird ein provisionedModelArn zurückgegeben. Dieser ARN ist die Modell-ID. |
| Verwenden eines benutzerdefinierten Modells | Erwerben Sie bereitgestellten Durchsatz für das benutzerdefinierte Modell und verwenden Sie den zurückgegebenen provisionedModelArn als Modell-ID. |
Beispielcode finden Sie in der Dokumentation zu dem von Ihnen verwendeten Feature sowie unter Codebeispiele für Amazon Bedrock mit AWS SDKs.
