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.

# Soumettre une tâche de personnalisation du modèle à peaufiner
<a name="model-customization-submit"></a>

Vous pouvez créer un modèle personnalisé en effectuant des réglages précis dans la console ou l'API Amazon Bedrock. Vous pouvez optimiser davantage un modèle personnalisé existant. La tâche de personnalisation peut prendre plusieurs heures. La durée de la tâche dépend de la taille des données d’entraînement (nombre d’enregistrements, jetons d’entrée et jetons de sortie), du nombre d’époques et de la taille du lot.

## Conditions préalables
<a name="submit-model-customization-job-prerequisites"></a>
+ Créez un rôle de service Gestion des identités et des accès AWS (IAM) pour accéder au compartiment S3 dans lequel vous souhaitez stocker les données de formation et de validation relatives à la personnalisation de votre modèle. Vous pouvez créer ce rôle automatiquement à l'aide du AWS Management Console ou manuellement. Pour plus d’informations sur l’option manuelle, consultez [Création d’un rôle de service IAM pour la personnalisation du modèle](custom-model-job-access-security.md#custom-model-job-service-role).
+ (Facultatif) Chiffrez les données d’entrée et de sortie, votre tâche de personnalisation ou les demandes d’inférence adressées à des modèles personnalisés. Pour de plus amples informations, veuillez consulter [Chiffrement de modèles personnalisés](encryption-custom-job.md).
+ (Facultatif) Créez un cloud privé virtuel (VPC) pour protéger votre tâche de personnalisation. Pour de plus amples informations, veuillez consulter [(Facultatif) Protection de vos tâches de personnalisation de modèles à l’aide d’un VPC](custom-model-job-access-security.md#vpc-model-customization).

## Envoi de votre tâche
<a name="submit-model-customization-job-how-to"></a>

Choisissez l’onglet correspondant à votre méthode préférée, puis suivez les étapes :

------
#### [ Console ]

Pour soumettre une tâche de personnalisation du modèle dans la console, suivez les étapes ci-dessous.

1. Connectez-vous au AWS Management Console avec une identité IAM autorisée à utiliser la console Amazon Bedrock. Ouvrez ensuite la console Amazon Bedrock à l'adresse [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock)

1. Dans le volet de navigation de gauche, choisissez **Modèles personnalisés** sous **Régler**.

1. Dans l'onglet **Modèles**, choisissez **Personnaliser le modèle**, puis **Créer une tâche de réglage précis**.

1. Dans la section **Détails du modèle**, procédez comme suit :

   1. Choisissez le modèle que vous souhaitez personnaliser avec vos propres données et nommez le modèle obtenu. Vous pouvez choisir un modèle de fondation ou un modèle déjà personnalisé (optimisé ou distillé) comme modèle de base.

   1. (Facultatif) Par défaut, Amazon Bedrock chiffre votre modèle à l’aide d’une clé détenue et gérée par AWS. Pour utiliser une [clé KMS personnalisée](encryption-custom-job.md), sélectionnez **Modèle de chiffrement** et choisissez une clé.

   1. (Facultatif) Pour associer des [balises](tagging.md) au modèle personnalisé, développez la section **Balises** et sélectionnez **Ajouter une nouvelle balise**.

1. Dans la section **Configuration de la tâche**, entrez un nom pour la tâche et ajoutez les balises à associer à la tâche.

1. (Facultatif) Pour utiliser un [cloud privé virtuel (VPC) afin de protéger vos données d’entraînement et votre tâche de personnalisation](custom-model-job-access-security.md#vpc-model-customization), sélectionnez un VPC contenant les données d’entrée et de sortie des sites Amazon S3, ses sous-réseaux et ses groupes de sécurité dans la section des **paramètres du VPC.**
**Note**  
Si vous incluez une configuration VPC, la console ne peut pas créer de rôle de service pour cette tâche. [Créez un rôle de service personnalisé](model-customization-iam-role.md) et ajoutez des autorisations similaires à l’exemple décrit dans [Association des autorisations VPC à un rôle de personnalisation du modèle](custom-model-job-access-security.md#vpc-data-access-role).

1. Dans la section **Données d’entrée**, sélectionnez l’emplacement S3 du fichier du jeu de données d’entraînement et, le cas échéant, le fichier du jeu de données de validation.

1. Dans la section **Hyperparamètres**, entrez les valeurs des [hyperparamètres](custom-models-hp.md) à utiliser lors de l’entraînement.

1. Dans la section **Données de sortie**, entrez l’emplacement Amazon S3 dans lequel Amazon Bedrock doit enregistrer la sortie de la tâche. Amazon Bedrock stocke les métriques de perte d’entraînement et de perte de validation pour chaque époque dans des fichiers séparés à l’emplacement que vous spécifiez.

1. Dans la section **Accès au service**, sélectionnez l’une des options suivantes : 
   + **Utiliser un rôle de service existant** : sélectionnez un rôle de service dans la liste déroulante. Pour plus d’informations sur la configuration d’un rôle personnalisé avec les autorisations appropriées, consultez [Création d’un rôle de service pour la personnalisation du modèle](model-customization-iam-role.md).
   + **Créer et utiliser une nouvelle fonction du service** : entrez un nom pour la fonction du service.

1. Choisissez **Affiner le modèle** pour commencer le travail.

------
#### [ API ]

**Demande**

Envoyez une demande [CreateModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateModelCustomizationJob.html)(voir le lien pour les formats de demande et de réponse et les détails des champs) avec un point de [terminaison du plan de contrôle Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp) pour soumettre une tâche de personnalisation de modèle. Au minimum, vous devez renseigner les champs suivants.
+ `roleArn` : ARN du rôle de service avec les autorisations pour personnaliser les modèles. Amazon Bedrock peut créer automatiquement un rôle avec les autorisations appropriées si vous utilisez la console, ou vous pouvez créer un rôle personnalisé en suivant les étapes décrites dans [Création d’un rôle de service pour la personnalisation du modèle](model-customization-iam-role.md).
**Note**  
Si vous incluez un champ `vpcConfig`, assurez-vous que le rôle dispose des autorisations appropriées pour accéder au VPC. Pour obtenir un exemple, consultez [Association des autorisations VPC à un rôle de personnalisation du modèle](custom-model-job-access-security.md#vpc-data-access-role).
+ `baseModelIdentifier` : [ID du modèle](models-supported.md) ou ARN du modèle de fondation ou du modèle précédemment personnalisé (optimisé ou distillé) à personnaliser.
+ `customModelName` : nom à donner au nouveau modèle personnalisé.
+ `jobName` : nom à donner à la tâche d’entraînement.
+ `hyperParameters` : [hyperparamètres](custom-models-hp.md) qui affectent le processus de personnalisation du modèle.
+ `trainingDataConfig` : objet contenant l’URI Amazon S3 du jeu de données d’entraînement. Selon la méthode et le modèle de personnalisation, vous pouvez également inclure un `validationDataConfig`. Pour plus d’informations sur la préparation des jeux de données, consultez [Préparez les données pour affiner vos modèles](model-customization-prepare.md).
+ `validationDataconfig` : objet contenant l’URI Amazon S3 du jeu de données de validation.
+ `outputDataConfig` : objet contenant l’URI Amazon S3 dans lequel écrire les données de sortie.

Si vous ne le spécifiez pas le `customizationType`, la méthode de personnalisation du modèle est par défaut `FINE_TUNING`.

Pour éviter que la demande ne soit traitée plusieurs fois, incluez un `clientRequestToken`.

Vous pouvez inclure les champs facultatifs suivants pour des configurations supplémentaires.
+ `jobTags` and/or `customModelTags`— Associez des [balises](tagging.md) à la tâche de personnalisation ou au modèle personnalisé qui en résulte.
+ `customModelKmsKeyId` : incluez une [clé KMS personnalisée](encryption-custom-job.md) pour chiffrer votre modèle personnalisé.
+ `vpcConfig` : incluez la configuration d’un [cloud privé virtuel (VPC) afin de protéger vos données d’entraînement et votre tâche de personnalisation](custom-model-job-access-security.md#vpc-model-customization).

**Réponse**

La réponse renvoie un élément `jobArn` que vous pouvez utiliser pour [surveiller](model-customization-monitor.md) ou [arrêter](model-customization-stop.md) la tâche.

[Consulter des exemples de code](model-customization-code-samples.md)

------