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。

# 在 UI 中建立用於模型自訂的資產
<a name="model-customize-open-weight-create-assets-ui"></a>

您可以建立和管理資料集和評估器資產，以便在 UI 中用於模型自訂。

## 資產
<a name="model-customize-open-weight-assets"></a>

選取左側面板中的**資產**和 Amazon SageMaker Studio UI，然後選取**資料集**。

![包含模型自訂存取權的影像。](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/screenshot-open-model-16.png)


選擇**上傳資料集**，以新增您將在模型自訂任務中使用的資料集。透過選擇**必要的資料輸入格式**，您可以存取要使用的資料集格式參考。

![包含模型自訂存取權的影像。](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/screenshot-open-model-15.png)


## 評估工具
<a name="model-customize-open-weight-evaluators"></a>

您也可以為強化學習自訂任務新增**獎勵函數**和**獎勵提示**。

![包含模型自訂存取權的影像。](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/screenshot-open-model-14.png)


UI 也提供獎勵函數或獎勵提示所需的格式指引。

![包含模型自訂存取權的影像。](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/screenshot-open-model-13.png)


## 使用 AWS SDK 進行模型自訂的資產
<a name="model-customize-open-weight-create-assets-sdk"></a>

您也可以使用 SageMaker AI Python SDK 來建立資產。請參閱下列程式碼片段範例：

```
from sagemaker.ai_registry.air_constants import REWARD_FUNCTION, REWARD_PROMPT
from sagemaker.ai_registry.dataset import DataSet, CustomizationTechnique
from sagemaker.ai_registry.evaluator import Evaluator

# Creating a dataset example
dataset = DataSet.create(
            name="sdkv3-gen-ds2",
            source="s3://sample-test-bucket/datasets/training-data/jamjee-sft-ds1.jsonl", # or use local filepath as source.
            customization_technique=CustomizationTechnique.SFT
        )

# Refreshes status from hub
dataset.refresh()
pprint(dataset.__dict__)

# Creating an evaluator. Method : Lambda
evaluator = Evaluator.create(
                name = "sdk-new-rf11",
                source="arn:aws:lambda:us-west-2:<>:function:<function-name>8",
                type=REWARD_FUNCTION
        )

# Creating an evaluator. Method : Bring your own code
evaluator = Evaluator.create(
                name = "eval-lambda-test",
                source="/path_to_local/eval_lambda_1.py",
                type = REWARD_FUNCTION
        )

# Optional wait, by default we have wait = True during create call.
evaluator.wait()

evaluator.refresh()
pprint(evaluator)
```