Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # Menganalisis hasil pekerjaan kustomisasi model Ketika pekerjaan kustomisasi model Anda selesai, Anda dapat menganalisis hasil dari proses kustomisasi. Artefak berikut diunggah ke bucket S3 yang Anda tentukan saat membuat tugas penyesuaian model: + **Metrik pelatihan dan validasi** — Amazon Bedrock menyediakan metrik pelatihan untuk semua pekerjaan penyesuaian model. Metrik validasi juga disertakan dengan beberapa pekerjaan penyesuaian model. + **Data sintetis (Hanya Distilasi Model)** [— Contoh permintaan dari kumpulan data sintetis yang dihasilkan Amazon Bedrock dari model guru Anda dan digunakan untuk menyempurnakan model siswa Anda selama pekerjaan distilasi.](submit-model-distillation-job.md) Informasi ini dapat membantu Anda lebih memahami dan memvalidasi bagaimana model kustom Anda dilatih. + **Wawasan cepat (Model Distilasi saja)** — Laporan permintaan input yang diterima dan ditolak (bersama dengan alasan mengapa) selama distilasi. Informasi ini dapat membantu Anda memperbaiki dan menyempurnakan permintaan Anda jika Anda perlu menjalankan pekerjaan distilasi lain. Amazon Bedrock menyimpan model khusus Anda dalam penyimpanan AWS terkelola yang tercakup dalam cakupan Anda. Akun AWS Anda juga dapat mengevaluasi model Anda dengan menjalankan pekerjaan evaluasi model. Untuk informasi selengkapnya, lihat [Evaluasi kinerja sumber daya Amazon Bedrock](evaluation.md). Contoh berikut menunjukkan tempat Anda dapat menyempurnakan metrik pelatihan dan validasi dalam bucket S3: ``` - model-customization-job-training-job-id/ - training_artifacts/ - step_wise_training_metrics.csv - validation_artifacts/ - post_fine_tuning_validation/ - validation_metrics.csv ``` Gunakan `step_wise_training_metrics.csv` dan `validation_metrics.csv` file untuk menganalisis pekerjaan penyesuaian model dan untuk membantu Anda menyesuaikan model seperlunya. Kolom dalam `step_wise_training_metrics.csv` file adalah sebagai berikut. + `step_number`— Langkah dalam proses pelatihan. Mulai dari 0. + `epoch_number`— Zaman dalam proses pelatihan. + `training_loss`— Menunjukkan seberapa baik model sesuai dengan data pelatihan. Nilai yang lebih rendah menunjukkan kecocokan yang lebih baik. + `perplexity`— Menunjukkan seberapa baik model dapat memprediksi urutan token. Nilai yang lebih rendah menunjukkan kemampuan prediksi yang lebih baik. Kolom dalam `validation_metrics.csv` file sama dengan file pelatihan, kecuali bahwa `validation_loss` (seberapa baik model sesuai dengan data validasi) muncul sebagai pengganti. `training_loss` Anda dapat menemukan file output dengan membuka [https://console.aws.amazon.com/s3](https://console.aws.amazon.com/s3) secara langsung atau dengan menemukan tautan ke folder output dalam detail model Anda. Pilih tab untuk metode pilihan Anda, lalu ikuti langkah-langkahnya: ------ #### [ Console ] 1. Masuk ke Konsol Manajemen AWS dengan identitas IAM yang memiliki izin untuk menggunakan konsol Amazon Bedrock. Kemudian, buka konsol Amazon Bedrock di [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock). 1. Dari panel navigasi kiri, pilih **Model khusus** di bawah **Tune**. 1. Di tab **Model**, pilih model untuk melihat detailnya. **Nama Job** dapat ditemukan di bagian **Detail Model**. 1. Untuk melihat file output S3, pilih **lokasi S3** di bagian **Data keluaran**. 1. Temukan file metrik pelatihan dan validasi di folder yang namanya cocok dengan **nama Job** untuk model. ------ #### [ API ] Untuk mencantumkan informasi tentang semua model kustom Anda, kirim permintaan [ListCustomModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListCustomModels.html)(lihat tautan untuk format permintaan dan respons serta detail bidang) dengan titik [akhir bidang kontrol Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp). Lihat filter [ListCustomModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListCustomModels.html)yang dapat Anda gunakan. Untuk mencantumkan semua tag untuk model kustom, kirim [ListTagsForResource](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListTagsForResource.html)permintaan dengan [titik akhir bidang kontrol Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp) dan sertakan Nama Sumber Daya Amazon (ARN) model kustom. Untuk memantau status pekerjaan penyesuaian model, kirim permintaan [GetCustomModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GetCustomModel.html)(lihat tautan untuk format permintaan dan respons serta detail bidang) dengan [titik akhir bidang kontrol Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp) dengan`modelIdentifier`, yang merupakan salah satu dari berikut ini. + Nama yang Anda berikan pada model. + ARN dari model. Anda dapat melihat `trainingMetrics` dan `validationMetrics` untuk pekerjaan penyesuaian model baik di [GetModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GetModelCustomizationJob.html)atau [GetCustomModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GetCustomModel.html)respons. Untuk mengunduh file metrik pelatihan dan validasi, ikuti langkah-langkah di [Mengunduh](https://docs.aws.amazon.com/AmazonS3/latest/userguide/download-objects.html) objek. Gunakan URI S3 yang Anda berikan di. `outputDataConfig` [Lihat contoh kode](model-customization-code-samples.md) ------