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。

# 提交模型定制任务进行微调
<a name="model-customization-submit"></a>

您可以通过在 Amazon Bedrock 控制台或 API 中进行微调来创建自定义模型。您可以进一步微调现有的自定义模型。自定义作业可能需要数小时的时间。作业的持续时间取决于训练数据的大小（记录数、输入令牌数和输出令牌数）、周期数和批次大小。

## 先决条件
<a name="submit-model-customization-job-prerequisites"></a>
+ 创建 AWS Identity and Access Management (IAM) 服务角色以访问您要存储模型自定义训练和验证数据的 S3 存储桶。您可以使用 AWS 管理控制台 或手动自动创建此角色。有关手动选项的更多信息，请参阅[为模型自定义创建 IAM 服务角色](custom-model-job-access-security.md#custom-model-job-service-role)。
+ （可选）加密输入和输出数据、自定义作业或向自定义模型发出的推理请求。有关更多信息，请参阅 [自定义模型加密](encryption-custom-job.md)。
+ （可选）创建虚拟私有云（VPC）来保护自定义作业。有关更多信息，请参阅 [（可选）使用 VPC 保护模型自定义作业](custom-model-job-access-security.md#vpc-model-customization)。

## 提交作业
<a name="submit-model-customization-job-how-to"></a>

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 ]

要在控制台中提交模型自定义作业，请执行以下步骤。

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**选项卡中，选择**自定义模型**，然后选择**创建微调作业**。

1. 在**模型详细信息**部分中，执行以下操作：

   1. 选择要使用自己的数据自定义的模型，然后为生成的模型命名。您可以选择基础模型或先前自定义的模型（经过微调或蒸馏）作为基础模型。

   1. （可选）默认情况下，Amazon Bedrock 会使用由 AWS拥有和管理的密钥对您的模型进行加密。要使用[自定义 KMS 密钥](encryption-custom-job.md)，请选择**模型加密**并选择密钥。

   1. （可选）要将[标签](tagging.md)与自定义模型关联，请展开**标签**部分，然后选择**添加新标签**。

1. 在**作业配置**部分中，输入作业的名称，（可选）然后添加所有要与该作业关联的标签。

1. （可选）要使用[虚拟私有云（VPC）保护您的训练数据和自定义作业](custom-model-job-access-security.md#vpc-model-customization)，请在 **VPC 设置**部分选择包含输入数据和输出数据 Amazon S3 位置、其子网和安全组的 VPC。
**注意**  
如果您的作业包含 VPC 配置，则控制台无法为该作业创建新的服务角色。[创建自定义服务角色](model-customization-iam-role.md)并添加与[将 VPC 权限附加到模型自定义角色](custom-model-job-access-security.md#vpc-data-access-role)中所述示例类似的权限。

1. 在**输入数据**部分，选择训练数据集文件和验证数据集文件（如适用）的 S3 位置。

1. 在**超参数**部分，输入要在训练中使用的[超参数](custom-models-hp.md)的值。

1. 在**输出数据**部分，输入 Amazon Bedrock 应在其中保存作业输出的 Amazon S3 位置。Amazon Bedrock 会将每个周期的训练损失指标和验证损失指标存储在指定位置的单独文件中。

1. 在**服务访问权限**部分，选择以下选项之一：
   + **使用现有服务角色** – 从下拉列表中选择一个服务角色。有关设置具有相应权限的自定义角色的更多信息，请参阅[为模型自定义创建服务角色](model-customization-iam-role.md)。
   + **创建和使用新的服务角色** — 输入服务角色的名称。

1. 选择 F **ine-tune 模型**开始工作。

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

**请求**

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 [CreateModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateModelCustomizationJob.html)（有关请求和响应格式以及字段详情，请参阅链接），以提交模型自定义任务。您至少必须提供以下字段。
+ `roleArn` – 有权自定义模型的服务角色的 ARN。如果您使用控制台，Amazon Bedrock 会自动创建具有相应权限的角色，或者，您也可以按照[为模型自定义创建服务角色](model-customization-iam-role.md)中的以下步骤创建自定义角色。
**注意**  
如果您添加 `vpcConfig` 字段，请确保该角色有适当的权限来访问 VPC。有关示例，请参阅[将 VPC 权限附加到模型自定义角色](custom-model-job-access-security.md#vpc-data-access-role)。
+ `baseModelIdentifier` – 要自定义的基础模型或先前自定义的模型（经过微调或蒸馏）[模型 ID](models-supported.md) 或 ARN。
+ `customModelName` – 要为新自定义的模型使用的名称。
+ `jobName` – 要为训练作业使用的名称。
+ `hyperParameters` – 影响模型定制过程的[超参数](custom-models-hp.md)。
+ `trainingDataConfig` – 一个包含训练数据集的 Amazon S3 URI 的对象。根据自定义方法和模型，您还可以添加一个 `validationDataConfig`。有关数据集准备的更多信息，请参阅[准备用于微调模型的数据](model-customization-prepare.md)。
+ `validationDataconfig` – 一个包含验证数据集的 Amazon S3 URI 的对象。
+ `outputDataConfig` – 一个包含要将输出数据写入到的 Amazon S3 URI 的对象。

如果您未指定 `customizationType`，则模型自定义方法默认为 `FINE_TUNING`。

为防止请求多次完成，请添加一个 `clientRequestToken`。

您可以添加以下可选字段进行额外的配置。
+ `jobTags` and/or `customModelTags`— 将[标签](tagging.md)与自定义任务或生成的自定义模型相关联。
+ `customModelKmsKeyId` – 添加用于加密您的自定义模型的[自定义 KMS 密钥](encryption-custom-job.md)。
+ `vpcConfig` – 添加[虚拟私有云（VPC）的配置，以保护您的训练数据和自定义作业](custom-model-job-access-security.md#vpc-model-customization)。

**响应**

响应会返回一个 `jobArn`，您可以使用它来[监控](model-customization-monitor.md)或[停止](model-customization-stop.md)作业。

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

------