Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Informations sur le modèle de fondation Amazon Bedrock
Un modèle de base est un modèle d'intelligence artificielle comportant un grand nombre de paramètres et formé sur une quantité massive de données diverses. Un modèle de base peut générer diverses réponses pour un large éventail de cas d'utilisation. Les modèles de base peuvent générer du texte ou des images, et peuvent également convertir les entrées en intégrations. Cette section fournit des informations sur les modèles de base (FM) que vous pouvez utiliser dans Amazon Bedrock, notamment les fonctionnalités prises Régions AWS en charge par les modèles et les modèles disponibles. Pour plus d'informations sur les modèles de base pris en charge par Amazon Bedrock, consultezModèles de fondation pris en charge dans Amazon Bedrock.
Vous devez demander l'accès à un modèle avant de pouvoir l'utiliser. Après cela, vous pouvez ensuite utiliser FMs les méthodes suivantes.
-
Exécutez l'inférence en envoyant des instructions à un modèle et en générant des réponses. Les terrains de jeu offrent une interface conviviale AWS Management Console pour générer du texte, des images ou des discussions. Consultez la colonne Modalité de sortie pour déterminer les modèles que vous pouvez utiliser dans chaque terrain de jeu.
Note
Les consoles de jeu ne permettent pas d'exécuter l'inférence sur les modèles d'intégration. Utilisez l'API pour exécuter l'inférence sur les modèles d'intégration.
-
Évaluez les modèles pour comparer les résultats et déterminer le modèle le mieux adapté à votre cas d'utilisation.
-
Configurez une base de connaissances à l'aide d'un modèle d'intégration. Utilisez ensuite un modèle de texte pour générer des réponses aux requêtes.
-
Créez un agent et utilisez un modèle pour exécuter des inférences sur des instructions d'orchestration.
-
Personnalisez un modèle en fournissant des données d'entraînement et de validation pour ajuster les paramètres du modèle en fonction de votre cas d'utilisation. Pour utiliser un modèle personnalisé, vous devez acheter le Provisioned Throughput correspondant.
-
Achetez le débit provisionné pour un modèle afin d'augmenter le débit de celui-ci.
Pour utiliser un FM avec l'API Amazon Bedrock, vous devez déterminer l'identifiant de modèle approprié à utiliser. Reportez-vous au tableau suivant pour savoir où trouver l'ID de modèle que vous devez utiliser.
| Cas d’utilisation | Comment trouver l'identifiant du modèle |
|---|---|
| Utiliser un modèle de base | Recherchez l'identifiant dans le IDs graphique du modèle de base |
| Acheter un débit provisionné pour un modèle de base | Recherchez l'ID dans le modèle IDs de graphique du débit provisionné et utilisez-le comme indiqué modelId dans la CreateProvisionedModelThroughputdemande. |
| Achetez un débit provisionné pour un modèle personnalisé | Utilisez le nom du modèle personnalisé ou son ARN comme indiqué modelId dans la CreateProvisionedModelThroughputdemande. |
| Utiliser un modèle provisionné | Une fois que vous avez créé un débit provisionné, il renvoie un. provisionedModelArn Cet ARN est l'ID du modèle. |
| Utiliser un modèle personnalisé | Achetez le débit provisionné pour le modèle personnalisé et utilisez le débit renvoyé provisionedModelArn comme ID de modèle. |
Pour un exemple de code, consultez la documentation de la fonctionnalité que vous utilisez et égalementExemples de code pour Amazon Bedrock utilisant AWS SDKs.
Rubriques
