准备用于微调模型的数据

以下各节描述了每个模型支持的不同微调功能，这些功能按其输入和输出模式进行组织。有关微调 Amazon Nova 模型的信息，请参阅微调 Amazon Nova 模型。

Text-to-Text   模型

Text-to-Text 可以针对各种基于文本的任务对模型进行微调，包括对话和非对话应用程序。有关为微调 Text-to-Text模型准备数据的信息，请参见为微调 text-to-text模型准备数据。

以下非对话式模型已针对汇总、翻译和问答等任务进行了优化：

以下对话式模型专为单回合交互和多回合交互场景而设计。如果模型使用 Converse API，则微调数据集必须遵循 Converse API 消息格式，并包含系统、用户和助手消息。有关示例，请参阅 为微调 text-to-text模型准备数据。有关 Converse API 操作的更多信息，请参阅使用 Converse API 操作进行对话。

Text-Image-to-Text & m Text-to-Image odel s

以下模型支持对图像生成和文本-图像处理进行微调。这些模型根据文本输入处理或生成图像，或根据文本输入和图像输入生成文本。有关为微调 Text-Image-to-Text和 Text-to-Image模型模型准备数据的信息，请参阅准备用于微调图像和文本处理模型的数据。

图像转嵌入

以下模型支持对分类和检索等任务进行微调。这些模型从图像输入中生成数值表示（嵌入）。有关为微调 Image-to-Embeddings模型准备数据的信息，请参见准备用于微调图像生成模型和嵌入模型的数据。

以下各部分列出了模型的训练数据集和验证数据集的要求。有关 Amazon Nova 模型的数据集限制的信息，请参阅微调 Amazon Nova 模型。

对于微调 text-to-text模型，每个 JSON 对象都是一个包含结构化字段的示例，这些字段旨在指导模型根据提供的文本提示生成所需的文本输出。数据格式因使用案例（主要分为非对话式使用案例型和对话式使用案例）而异。

对于微调 image-text-to-text模型，每个 JSON 对象都是一个示例，其中包含一个结构为messages数组的对话，该对话由代表用户输入和助手响应的交替的 JSON 对象组成。用户输入可以同时包含文本和图像，而助手响应始终为文本形式。此结构同时支持单回合和多回合对话流程，可让模型高效处理各类任务。Meta Llama-3.2 11B Vision Instruct 和 Meta Llama-3.2 90B Vision Instruct 支持的图像格式包括：gif、jpeg、png 和 webp。

要允许 Amazon Bedrock 访问图像文件，请将类似于 访问训练文件和验证文件以及在 S3 中写入输出文件的权限 中的 IAM 策略的策略添加到您在控制台中设置或系统自动设置的 Amazon Bedrock 模型自定义服务角色。您在训练数据集内提供的 Amazon S3 路径必须位于您在策略中指定的文件夹中。

单回合对话

在单回合对话中，每个 JSON 对象均由一条用户消息和一条助手消息组成。用户消息包含一个设置为 user 的角色字段和一个包含数组的 content 字段，数组中的 type 字段（text 或 image）描述了输入模态。对于文本输入，content 字段包含一个 text 字段，该字段包含用户的问题或提示。对于图像输入，content 字段指定图像 format（例如，jpeg、png），其 source 包含一个指向图像的 Amazon S3 位置的 uri。uri 表示存储在 Amazon S3 存储桶中的图像的唯一路径，其格式通常为 s3://<bucket-name>/<path-to-file>。助手消息包括一个设置为 assistant 的 role 字段和一个包含数组的 content 字段，此数组中的 type 字段设置为 text，text 字段包含助手生成的响应。

示例格式

{
    "schemaVersion": "bedrock-conversation-2024",
    "system": [{
        "text": "You are a smart assistant that answers questions respectfully"
    }],
    "messages": [{
            "role": "user",
            "content": [{
                    "text": "What does the text in this image say?"
                },
                {
                    "image": {
                        "format": "png",
                        "source": {
                            "s3Location": {
                                "uri": "s3://your-bucket/your-path/your-image.png",
                                "bucketOwner": "your-aws-account-id"
                            }
                        }
                    }
                }
            ]
        },
        {
            "role": "assistant",
            "content": [{
                "text": "The text in the attached image says 'LOL'."
            }]
        }
    ]
}

多回合对话

在多回合对话中，每个 JSON 对象均包含一系列角色交替的消息，其中用户消息与助手消息的结构保持一致，以实现连贯的交互。用户消息包括一个设置为 user 的 role 字段和一个描述输入模态的 content 字段。对于文本输入，content 字段中有一个包含用户的问题或后续信息的 text 字段，而对于图像输入，该字段指定图像 format 及其 source（其中包含一个指向图像的 Amazon S3 位置的 uri）。作uri为 s3:<bucket-name>///< path-to-file > 格式的唯一标识符，允许模型访问指定的 Amazon S3 存储桶中的图像。助手消息包括一个设置为 assistant 的 role 字段和一个包含数组的 content 字段，此数组中的 type 字段设置为 text，text 字段包含助手生成的响应。对话可跨多轮交互，使助手能够保持上下文连贯性并提供一致的响应。

示例格式

{
    "schemaVersion": "bedrock-conversation-2024",
    "system": [{
        "text": "You are a smart assistant that answers questions respectfully"
    }],
    "messages": [{
            "role": "user",
            "content": [{
                    "text": "What does the text in this image say?"
                },
                {
                    "image": {
                        "format": "png",
                        "source": {
                            "s3Location": {
                                "uri": "s3://your-bucket/your-path/your-image.png",
                                "bucketOwner": "your-aws-account-id"
                            }
                        }
                    }
                }
            ]
        },
        {
            "role": "assistant",
            "content": [{
                "text": "The text in the attached image says 'LOL'."
            }]
        },
        {
            "role": "user",
            "content": [{
                    "text": "What does the text in this image say?"
                }
            ]
        },
        {
            "role": "assistant",
            "content": [{
                "text": "The text in the attached image says 'LOL'."
            }]
        }
        
    ]
}
    

对于 text-to-image我们的 image-to-embedding模型，请准备训练数据集。不支持验证数据集。每个 JSON 对象都是一个样本，其中包含 image-ref（图像的 Amazon S3 URI）和 caption（可作为图像的提示）。

这些图像必须是 JPEG 或 PNG 格式。

{"image-ref": "s3://bucket/path/to/image001.png", "caption": "<prompt text>"}
{"image-ref": "s3://bucket/path/to/image002.png", "caption": "<prompt text>"}{"image-ref": "s3://bucket/path/to/image003.png", "caption": "<prompt text>"}    

以下是示例项目：

{"image-ref": "s3://amzn-s3-demo-bucket/my-pets/cat.png", "caption": "an orange cat with white spots"}

要允许 Amazon Bedrock 访问图像文件，请将类似于 访问训练文件和验证文件以及在 S3 中写入输出文件的权限 中的 IAM 策略的策略添加到您在控制台中设置或系统自动设置的 Amazon Bedrock 模型自定义服务角色。您在训练数据集内提供的 Amazon S3 路径必须位于您在策略中指定的文件夹中。