翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。 # Analyze the results of a model customization job モデルカスタマイズジョブが完了したら、カスタマイズプロセスの結果を分析できます。次のアーティファクトは、モデルカスタマイズジョブの作成時に指定した S3 バケットにアップロードされます。 + **トレーニングと検証のメトリクス** – Amazon Bedrock は、すべてのモデルカスタマイズジョブのトレーニングメトリクスを提供します。検証メトリクスは、一部のモデルカスタマイズジョブにも含まれています。 + **合成データ (モデル蒸留のみ)** – Amazon Bedrock が教師モデルから生成し、[蒸留ジョブ](submit-model-distillation-job.md)中に生徒モデルのファインチューニングに使用した合成データセットからのサンプルプロンプト。この情報は、カスタムモデルのトレーニング方法をさらに理解して検証するのに役立ちます。 + **プロンプトインサイト (モデル蒸留のみ)** – 蒸留中に承認および拒否された入力プロンプト (と理由) のレポート。この情報は、別の蒸留ジョブを実行する必要がある場合に、プロンプトを修正して絞り込むのに役立ちます。 Amazon Bedrock は、カスタマイズされたモデルを を対象とする AWS マネージドストレージに保存します AWS アカウント。 モデル評価ジョブを実行しても、モデルを評価できます。詳細については、「[Amazon Bedrock リソースのパフォーマンスを評価する](evaluation.md)」を参照してください。 次の例は、トレーニングと検証のメトリクスが S3 バケット内のどこにあるかを示しています。 ``` - model-customization-job-training-job-id/ - training_artifacts/ - step_wise_training_metrics.csv - validation_artifacts/ - post_fine_tuning_validation/ - validation_metrics.csv ``` `step_wise_training_metrics.csv` および `validation_metrics.csv` ファイルを使用すると、モデルカスタマイズジョブを分析できるだけでなく、必要に応じてモデルを調整することもできます。 `step_wise_training_metrics.csv` ファイル内の列は次のとおりです。 + `step_number` – トレーニングプロセスのステップ。0 から開始します。 + `epoch_number` – トレーニングプロセスのエポック。 + `training_loss` – モデルがトレーニングデータにどの程度適合しているかを示します。値が小さいほど、より良く適合していることを示します。 + `perplexity` – モデルがトークンのシーケンスをどの程度予測できるかを示します。値が小さいほど、予測能力が高いことを示します。 `validation_metrics.csv` ファイル内の列はトレーニングファイルと同じですが、`training_loss` の代わりに `validation_loss` (モデルが検証データにどの程度適合するか) が表示されます。 出力ファイルを見つけるには、[https://console.aws.amazon.com/s3](https://console.aws.amazon.com/s3) を直接開くか、モデルの詳細内の出力フォルダへのリンクを見つけます。任意の方法のタブを選択し、その手順に従います。 ------ #### [ Console ] 1. Amazon Bedrock コンソールを使用するアクセス許可を持つ IAM ID AWS マネジメントコンソール を使用して にサインインします。Amazon Bedrock コンソール ([https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock)) を開きます。 1. 左側のナビゲーションペインの **[調整]** で **[カスタムモデル]** を選択します。 1. **[モデル]** タブで、詳細を表示するモデルを選択します。**[ジョブ名]** は、**[モデルの詳細]** セクションにあります。 1. 出力 S3 ファイルを表示するには、**[出力データ]** セクションで **[S3 の場所]** を選択します。 1. モデルの**ジョブ名**と同じ名前のフォルダにあるトレーニングメトリクスファイルと検証メトリクスファイルを検索します。 ------ #### [ API ] すべてのカスタムモデルの詳細を一覧するには、[Amazon Bedrock　コントロールプレーンエンドポイント](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp) を使用して、[ListCustomModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListCustomModels.html) リクエスト (リクエストとレスポンス形式とフィールドの詳細についてはリンクを参照) を送信します。使用できるフィルターについては、[ListCustomModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListCustomModels.html) を参照してください。 カスタムモデルのすべてのタグを一覧表示するには、[Amazon Bedrock コントロールプレーンエンドポイント](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp)を使用して [ListTagsForResource](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListTagsForResource.html) リクエストを送信し、カスタムモデルの Amazon リソースネーム (ARN) を指定します。 モデルカスタムジョブを状態を監視するには、次のいずれかに該当する `modelIdentifier` を使用する [Amazon Bedrock コントロールプレーンエンドポイント](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp)を使用して、[GetCustomModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GetCustomModel.html) リクエスト (リクエストとレスポンス形式とフィールドの詳細についてはリンクを参照) を送信します。 + モデルに付けた名前。 + モデルの ARN。 [GetModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GetModelCustomizationJob.html) または [GetCustomModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GetCustomModel.html) レスポンスで、モデルカスタムジョブの `trainingMetrics` と `validationMetrics` を確認できます。 トレーニングおよび検証メトリクスファイルをダウンロードするには、「[「オブジェクトのダウンロード](https://docs.aws.amazon.com/AmazonS3/latest/userguide/download-objects.html)」の手順を実行します。`outputDataConfig` で指定した S3 URI を使用します。 [コード例を見る](model-customization-code-samples.md) ------