本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
分析模型自訂任務的結果
當您的模型自訂任務完成時，您可以分析自訂程序的結果。下列成品會上傳至您在建立模型自訂任務時指定的 S3 儲存貯體：
-
訓練和驗證指標 – Amazon Bedrock 為所有模型自訂任務提供訓練指標。驗證指標也隨附於一些模型自訂任務中。
-
合成資料 (僅限模型蒸餾) – 來自 Amazon Bedrock 從教師模型產生的合成資料集的範例提示，用於在蒸餾任務期間微調學生模型。此資訊可協助您進一步了解並驗證自訂模型的訓練方式。
-
提示洞見 (僅限模型蒸餾) – 在蒸餾期間接受和拒絕的輸入提示報告 (以及原因)。如果您需要執行另一個蒸餾任務，此資訊可協助您修正和精簡提示。
Amazon Bedrock 會將您的自訂模型存放在範圍為 的AWS受管儲存中AWS 帳戶。
您也可以透過執行模型評估任務來評估模型。如需詳細資訊，請參閱評估 Amazon Bedrock 資源的效能。
下列範例顯示您可以在 S3 儲存貯體中微調訓練和驗證指標的位置：
- 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 檔案來分析模型自訂工作，並協助您根據需要調整模型。
step_wise_training_metrics.csv 檔案中的資料欄如下所示。
-
step_number– 訓練程序中的步驟。從 0 開始。 -
epoch_number– 訓練程序中的 epoch。 -
training_loss– 指出模型符合訓練資料的程度。較低的值表示更符合。 -
perplexity– 指出模型預測一系列字符的能力。值愈低表示預測能力愈好。
validation_metrics.csv 檔案中的資料欄與訓練檔案相同，但 validation_loss (模型符合驗證資料的程度) 會取代 training_loss 出現。
您可以直接開啟 https://console.aws.amazon.com/s3
