本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 分析模型自定义作业的结果
<a name="model-customization-analyze"></a>

在模型自定义作业完成后，您可以分析自定义过程的结果。以下构件将上传到您在创建模型自定义作业时指定的 S3 存储桶：
+ **训练和验证指标** – Amazon Bedrock 提供针对所有模型自定义作业的训练指标。一些模型自定义作业还包含验证指标。
+ **合成数据（仅限模型蒸馏）**– Amazon Bedrock 从教师式模型生成的合成数据集内的示例提示，用于在[蒸馏作业](submit-model-distillation-job.md)期间微调学生式模型。此类信息有助于您进一步了解和验证您的自定义模型的训练方式。
+ **提示见解（仅限模型蒸馏）**– 关于蒸馏过程中已接受和拒绝的输入提示（以及相关原因）的报告。如果您需要运行另一个蒸馏作业，此类可帮助您修复和优化提示。

 Amazon Bedrock 将您的自定义模型存储在您的 AWS 托管存储空间中。 AWS 账户

您还可以运行模型评估作业来评估模型。有关更多信息，请参阅 [评测 Amazon Bedrock 资源的性能](evaluation.md)。

以下示例说明了可在 S3 存储桶中优化训练和验证指标的位置：

```
- model-customization-job-{{training-job-id}}/
    - training_artifacts/
        - step_wise_training_metrics.csv
    - validation_artifacts/
        - post_fine_tuning_validation/
            - validation_metrics.csv
```

使用 `step_wise_training_metrics.csv` 和 `validation_metrics.csv` 文件可分析模型自定义作业，并根据需要借助它们调整模型。

`step_wise_training_metrics.csv` 文件中的列如下所示。
+ `step_number` – 训练过程中的步骤。从 0 开始。
+ `epoch_number` – 训练过程中的 epoch。
+ `training_loss` – 表示模型与训练数据的拟合程度。值越低表示拟合度越高。
+ `perplexity` – 表示模型预测词元序列的能力。值越低表示预测能力越大。

`validation_metrics.csv` 文件中的列与训练文件相同，唯一的不同是，`validation_loss`（模型与验证数据的拟合程度）代替了`training_loss`。



您可以通过直接打开 [https://console.aws.amazon.com/s3](https://console.aws.amazon.com/s3) 或在模型详细信息中找到输出文件夹的链接来查找输出文件。选择与您的首选方法对应的选项卡，然后按照以下步骤操作：

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

1. 使用有权使用 Amazon Bedrock 控制台的 IAM 身份登录。 AWS 管理控制台 然后，在 [https://console.aws.amazon.com/](https://console.aws.amazon.com/bedrock)bedrock 上打开 Amazon Bedrock 控制台。

1. 在左侧导航窗格的**调整**下，选择**自定义模型**。

1. 在**模型**选项卡上，选择模型以查看其详细信息。**作业名称**可以在**模型详细信息**部分中找到。

1. 要查看输出 S3 文件，请在**输出数据**部分中选择 **S3 位置**。

1. 在名称与模型**作业名称**一致的文件夹中找到训练指标文件和验证指标文件。

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

要列出有关您的所有自定义模型的信息，请使用 [Amazon Bedrock 控制平面终端节点](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp)发送请求 [ListCustomModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListCustomModels.html)（查看请求和响应格式以及字段详情链接）。[ListCustomModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListCustomModels.html)有关可以使用的过滤器，请参阅。

要列出自定义模型的所有标签，请使用 [Amazon Bedrock 控制平面终端节点](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp)发送[ListTagsForResource](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListTagsForResource.html)请求，并附上该自定义模型的亚马逊资源名称 (ARN)。

要监控模型自定义任务的状态，请使用带有 [Amazon Bedrock 控制平面终端节点](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp)的请求发送 [GetCustomModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GetCustomModel.html)（请求和响应格式以及字段详情参见链接）`modelIdentifier`，即以下任一方式。
+ 您为模型指定的名称。
+ 模型的 ARN。

您可以在[GetModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GetModelCustomizationJob.html)或[GetCustomModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_GetCustomModel.html)响应中查看模型自定义任务的`trainingMetrics`和`validationMetrics`。

要下载训练指标文件和验证指标文件，请按照[下载对象](https://docs.aws.amazon.com/AmazonS3/latest/userguide/download-objects.html)中的步骤操作。使用您在 `outputDataConfig` 中提供的 S3 URI。

[参阅代码示例](model-customization-code-samples.md)

------