Envío de un trabajo de personalización del modelo para refinamiento o preentrenamiento continuo - Amazon Bedrock
Requisitos previosEnvío de su trabajo

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Envío de un trabajo de personalización del modelo para refinamiento o preentrenamiento continuo

Puede crear un modelo personalizado mediante la afinación o el entrenamiento previo continuo en la consola o la API de Amazon Bedrock. Puede refinar aún más un modelo personalizado existente. El trabajo de personalización puede tardar varias horas. La duración del trabajo depende del tamaño de los datos de entrenamiento (número de registros, fichas de entrada y señales de salida), del número de épocas y del tamaño del lote.

Requisitos previos

Envío de su trabajo

Elija la pestaña del método que prefiera y siga estos pasos:

Console

Para enviar un trabajo de personalización del modelo desde la consola, siga estos pasos.

  1. Inicie sesión Consola de administración de AWS con una identidad de IAM que tenga permisos para usar la consola Amazon Bedrock. A continuación, abra la consola de Amazon Bedrock en https://console.aws.amazon.com/bedrock.

  2. En el panel de navegación de la izquierda, seleccione Modelos personalizados en Ajustar.

  3. En la pestaña Modelos, elija Personalizar modelo y, luego, Crear trabajo de ajuste preciso o Crear un trabajo de entrenamiento previo continuo, en función del tipo de modelo que quiera entrenar.

  4. En la sección Detalles del modelo, realice lo siguiente.

    1. Elija el modelo que desee personalizar con sus propios datos y asigne un nombre al modelo resultante. Puede elegir un modelo fundacional o un modelo previamente personalizado (refinado o destilado) como modelo base.

    2. (Opcional) De forma predeterminada, Amazon Bedrock cifra el modelo con una clave que es propiedad de y está administrada por AWS. Para usar una clave de KMS personalizada, seleccione Cifrado de modelos y elija una clave.

    3. (Opcional) Para asociar etiquetas con un modelo personalizado, amplíe la sección Etiquetas y seleccione Agregar nueva etiqueta.

  5. En la sección Configuración del trabajo, introduzca un nombre para el trabajo y añada las etiquetas que desee asociar al trabajo.

  6. (Opcional) Para usar una nube privada virtual (VPC) para proteger los datos de entrenamiento y el trabajo de personalización, seleccione una VPC que contenga los datos de entrada y salida de las ubicaciones de Amazon S3, sus subredes y grupos de seguridad en la sección Configuración de la VPC.

    nota

    Si incluye una configuración de VPC, la consola no puede crear un nuevo rol de servicio para el trabajo. Cree un rol de servicio personalizado y añada permisos de forma similar al ejemplo que se describe en Asociación de permisos de VPC a un rol de importación de modelos.

  7. En la sección Datos de entrada, seleccione la ubicación de S3 del archivo del conjunto de datos de entrenamiento y, si corresponde, del archivo del conjunto de datos de validación.

  8. En la sección Hiperparámetros, introduzca los valores de hiperparámetros que quiere usar en el entrenamiento.

  9. En la sección Datos de salida, introduzca la ubicación de Amazon S3 en la que Amazon Bedrock debe guardar la salida del trabajo. Amazon Bedrock almacena las métricas de pérdidas por entrenamiento y las métricas de pérdida por validación de cada época en archivos separados en la ubicación que especifique.

  10. En la sección Acceso al servicio, realice una de las siguientes acciones:

    • Usar un rol de servicio existente: seleccione un rol de servicio en la lista desplegable. Para obtener más información sobre cómo configurar un rol personalizado con los permisos adecuados, consulte Creación de un rol de servicio para la personalización de modelos.

    • Crear y usar un nuevo rol de servicio: introduzca un nombre para el rol de servicio.

  11. Elija Ajustar modelo de forma más precisa o Crear un trabajo de entrenamiento previo continuo para comenzar el trabajo.

API

Solicitud

Envíe una solicitud CreateModelCustomizationJob(consulte el enlace para ver los formatos de solicitud y respuesta y los detalles del campo) a un punto final del plano de control de Amazon Bedrock para enviar un trabajo de personalización del modelo. Debe rellenar, como mínimo, los siguientes campos obligatorios:

  • roleArn: ARN del rol de servicio con permisos para personalizar modelos. Amazon Bedrock puede crear automáticamente un rol con los permisos adecuados si utiliza la consola. También puede crear un rol personalizado siguiendo los pasos que se indican en Creación de un rol de servicio para la personalización de modelos.

    nota

    Si incluye un campo vpcConfig, asegúrese de que el rol tenga los permisos adecuados para obtener acceso a la VPC. Para ver un ejemplo, consulta Asociación de permisos de VPC a un rol de importación de modelos.

  • baseModelIdentifier: el ID del modelo o el ARN del modelo fundacional o del modelo previamente personalizado (refinado o destilado) que se va a personalizar.

  • customModelName: el nombre que se le da al modelo recién personalizado.

  • jobName: el nombre que se le da al trabajo de entrenamiento.

  • hyperParameters: hiperparámetros que afectan al proceso de personalización del modelo.

  • trainingDataConfig: un objeto que contiene el URI de Amazon S3 del conjunto de datos de entrenamiento. Según el método y el modelo de personalización, también puede incluir una validationDataConfig. Para obtener más información sobre cómo preparar los conjuntos de datos, consulte Preparación de sus conjuntos de datos de entrenamiento para refinamiento y preentrenamiento continuo.

  • validationDataconfig: un objeto que contiene el URI de Amazon S3 del conjunto de datos de validación.

  • outputDataConfig: un objeto que contiene el URI de Amazon S3 donde se deben escribir los datos de salida.

Si no especifica el customizationType, el método de personalización del modelo se establece de forma predeterminada en FINE_TUNING.

Para evitar que la solicitud se complete más de una vez, incluya un clientRequestToken.

Puede incluir los siguientes campos opcionales para obtener configuraciones adicionales.

Respuesta

La respuesta devuelve un jobArn que puede utilizar para supervisar o detener el trabajo.

Ver ejemplos de código