Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Monitora il tuo lavoro di formazione RFT
Durante la messa a punto del rinforzo, puoi monitorare i progressi dell'addestramento in tempo reale utilizzando grafici e metriche visivi nella console Amazon Bedrock. La dashboard delle metriche di allenamento mostra gli indicatori chiave delle prestazioni, tra cui punteggi di ricompensa, curve di perdita e miglioramenti della precisione nel tempo. Queste metriche aiutano a capire se il modello converge correttamente e se la funzione di ricompensa guida efficacemente il processo di apprendimento.
Metriche di formazione in tempo reale
Amazon Bedrock fornisce il monitoraggio in tempo reale durante l'addestramento RFT con grafici visivi che mostrano i parametri di formazione e convalida.
Metriche di formazione di base
-
Perdita di formazione: misura l'efficacia dell'apprendimento del modello dai dati di addestramento
-
Statistiche sui premi di allenamento: mostra i punteggi di ricompensa assegnati dalle tue funzioni di ricompensa
-
Margine di ricompensa: misura la differenza tra ricompense di risposta positive e negative
-
Precisione dei set di addestramento e convalida: mostra le prestazioni del modello sia sui dati di addestramento che su quelli forniti
Visualizzazione dei progressi dell'allenamento
La console mostra grafici interattivi che si aggiornano in tempo reale man mano che il lavoro RFT procede. Queste visualizzazioni possono aiutarti a:
-
Monitora la convergenza verso prestazioni ottimali
-
Identifica tempestivamente potenziali problemi di formazione
-
Determina i punti di sosta ottimali
-
Confronta le prestazioni in epoche diverse
Monitoraggio dello stato del lavoro
Monitora lo stato del tuo lavoro RFT tramite la console Amazon Bedrock.
Fasi del lavoro:
-
Convalida
-
Addestramento
Indicatori di completamento:
-
Lo stato del Job diventa Completato quando la formazione viene completata con successo
-
Il modello ARN personalizzato diventa disponibile per l'implementazione
-
Le metriche di formazione raggiungono le soglie di convergenza
