Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Kirim pekerjaan kustomisasi model untuk fine-tuning
<a name="model-customization-submit"></a>

Anda dapat membuat model kustom dengan menggunakan fine-tuning di konsol Amazon Bedrock atau API. Anda selanjutnya dapat menyempurnakan model kustom yang ada. Pekerjaan kustomisasi bisa memakan waktu beberapa jam. Durasi pekerjaan tergantung pada ukuran data pelatihan (jumlah catatan, token input, dan token keluaran), jumlah epoch, dan ukuran batch.

## Prasyarat
<a name="submit-model-customization-job-prerequisites"></a>
+ Buat peran layanan AWS Identity and Access Management (IAM) untuk mengakses bucket S3 tempat Anda ingin menyimpan data pelatihan dan validasi penyesuaian model. Anda dapat membuat peran ini secara otomatis dengan menggunakan Konsol Manajemen AWS atau secara manual. Untuk informasi lebih lanjut tentang opsi manual, lihat[Buat peran layanan IAM untuk kustomisasi model](custom-model-job-access-security.md#custom-model-job-service-role).
+ (Opsional) Enkripsi data input dan output, pekerjaan kustomisasi Anda, atau permintaan inferensi yang dibuat untuk model kustom. Untuk informasi selengkapnya, lihat [Enkripsi model khusus](encryption-custom-job.md).
+ (Opsional) Buat virtual private cloud (VPC) untuk melindungi pekerjaan kustomisasi Anda. Untuk informasi selengkapnya, lihat [(Opsional) Lindungi pekerjaan penyesuaian model Anda menggunakan VPC](custom-model-job-access-security.md#vpc-model-customization).

## Kirimkan pekerjaan Anda
<a name="submit-model-customization-job-how-to"></a>

Pilih tab untuk metode pilihan Anda, lalu ikuti langkah-langkahnya:

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

Untuk mengirimkan pekerjaan penyesuaian model di konsol, lakukan langkah-langkah berikut.

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 **Sesuaikan model** dan kemudian **Buat pekerjaan Fine-tuning**.

1. Di bagian **Detail model**, lakukan hal berikut.

   1. Pilih model yang ingin Anda sesuaikan dengan data Anda sendiri dan beri nama model hasil Anda. Anda dapat memilih model foundation atau model yang sebelumnya disesuaikan (fine-tuned atau distilled) sebagai model dasar Anda.

   1. (Opsional) Secara default, Amazon Bedrock mengenkripsi model Anda dengan kunci yang dimiliki dan dikelola oleh. AWS Untuk menggunakan [kunci KMS khusus](encryption-custom-job.md), pilih **Enkripsi model** dan pilih kunci.

   1. (Opsional) Untuk mengaitkan [tag](tagging.md) dengan model khusus, perluas bagian **Tag** dan pilih **Tambahkan tag baru**.

1. Di bagian **konfigurasi Job**, masukkan nama untuk pekerjaan tersebut dan secara opsional tambahkan tag apa pun untuk dikaitkan dengan pekerjaan tersebut.

1. **(Opsional) Untuk menggunakan [virtual private cloud (VPC) untuk melindungi data pelatihan dan pekerjaan kustomisasi Anda](custom-model-job-access-security.md#vpc-model-customization), pilih VPC yang berisi data input dan data output lokasi Amazon S3, subnetnya, dan grup keamanan di bagian pengaturan VPC.**
**catatan**  
Jika Anda menyertakan konfigurasi VPC, konsol tidak dapat membuat peran layanan baru untuk pekerjaan tersebut. [Buat peran layanan kustom](model-customization-iam-role.md) dan tambahkan izin yang mirip dengan contoh yang dijelaskan di[Lampirkan izin VPC ke peran penyesuaian model](custom-model-job-access-security.md#vpc-data-access-role).

1. Di bagian **Input data**, pilih lokasi S3 dari file dataset pelatihan dan, jika ada, file dataset validasi.

1. Di bagian **Hyperparameters**, nilai input untuk [hyperparameters](custom-models-hp.md) untuk digunakan dalam pelatihan.

1. Di bagian **Data keluaran**, masukkan lokasi Amazon S3 tempat Amazon Bedrock harus menyimpan output pekerjaan. Amazon Bedrock menyimpan metrik kehilangan pelatihan dan metrik kehilangan validasi untuk setiap epoch dalam file terpisah di lokasi yang Anda tentukan.

1. Di bagian **Akses layanan**, pilih salah satu dari berikut ini: 
   + **Gunakan peran layanan yang ada** — Pilih peran layanan dari daftar tarik-turun. Untuk informasi selengkapnya tentang menyiapkan peran kustom dengan izin yang sesuai, lihat[Buat peran layanan untuk kustomisasi model](model-customization-iam-role.md).
   + **Membuat dan menggunakan peran layanan baru** — Masukkan nama untuk peran layanan.

1. Pilih **model Fine-tune** untuk memulai pekerjaan.

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

**Permintaan**

Kirim permintaan [CreateModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateModelCustomizationJob.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) untuk mengirimkan pekerjaan penyesuaian model. Minimal, Anda harus menyediakan bidang-bidang berikut.
+ `roleArn`— ARN peran layanan dengan izin untuk menyesuaikan model. Amazon Bedrock dapat secara otomatis membuat peran dengan izin yang sesuai jika Anda menggunakan konsol, atau Anda dapat membuat peran khusus dengan mengikuti langkah-langkah di. [Buat peran layanan untuk kustomisasi model](model-customization-iam-role.md)
**catatan**  
Jika Anda menyertakan `vpcConfig` bidang, pastikan peran tersebut memiliki izin yang tepat untuk mengakses VPC. Sebagai contoh, lihat [Lampirkan izin VPC ke peran penyesuaian model](custom-model-job-access-security.md#vpc-data-access-role).
+ `baseModelIdentifier`— [ID model](models-supported.md) atau ARN dari model pondasi atau model yang sebelumnya disesuaikan (fine-tuned atau distilled) untuk disesuaikan.
+ `customModelName`- Nama untuk memberikan model yang baru disesuaikan.
+ `jobName`— Nama untuk memberikan pekerjaan pelatihan.
+ `hyperParameters`— [Hyperparameter](custom-models-hp.md) yang mempengaruhi proses kustomisasi model.
+ `trainingDataConfig`— Objek yang berisi URI Amazon S3 dari kumpulan data pelatihan. Bergantung pada metode dan model kustomisasi, Anda juga dapat menyertakan file`validationDataConfig`. Untuk informasi selengkapnya tentang menyiapkan kumpulan data, lihat. [Siapkan data untuk menyempurnakan model Anda](model-customization-prepare.md)
+ `validationDataconfig`— Objek yang berisi URI Amazon S3 dari dataset validasi.
+ `outputDataConfig`— Objek yang berisi URI Amazon S3 untuk menulis data output ke.

Jika Anda tidak menentukan`customizationType`, metode penyesuaian model default ke. `FINE_TUNING`

Untuk mencegah permintaan selesai lebih dari satu kali, sertakan a`clientRequestToken`.

Anda dapat menyertakan bidang opsional berikut untuk konfigurasi tambahan.
+ `jobTags` and/or `customModelTags`— Kaitkan [tag](tagging.md) dengan pekerjaan kustomisasi atau model kustom yang dihasilkan.
+ `customModelKmsKeyId`— Sertakan [kunci KMS khusus](encryption-custom-job.md) untuk mengenkripsi model kustom Anda.
+ `vpcConfig`— Sertakan konfigurasi untuk [virtual private cloud (VPC) untuk melindungi data pelatihan dan pekerjaan kustomisasi Anda](custom-model-job-access-security.md#vpc-model-customization).

**Respons**

Respons mengembalikan `jobArn` yang dapat Anda gunakan untuk [memantau](model-customization-monitor.md) atau [menghentikan](model-customization-stop.md) pekerjaan.

[Lihat contoh kode](model-customization-code-samples.md)

------