快速入门: 调整基础模型

您需要一个项目来存储调整试验。 观看视频，了解如何创建沙箱项目并关联服务。 然后，执行以下步骤以验证您是否具有现有项目或创建项目。

您可以在 Prompt Lab 中测试调整后的模型。 遵循以下步骤来测试调整后的模型:

1. 单击项目中的 资产 选项卡。

2. 点击新资产 > 使用基础模型进行聊天和构建提示。

3. 选择调整后的模型。

   1. 单击模型下拉列表，然后选择 查看所有基础模型。
   2. 选择 flan-t5-xl-3b 模型。
   3. 单击 选择模型。

4. 在 " 结构化方式 " 页面上，输入 指示信息:

   Summarize customer complaints
   

5. 提供示例和测试输入。

   示例输入和输出

   示例输入	示例输出
   我在最初的日期忘了我在使用 Capital One ，这个债务在他们手里，从来没有做过。	收债，子产品: 信用卡债务，发行: 采取或威胁采取消极或法律行动子问题
   我是身份盗窃的受害者，这笔债务不属于我。 请看身份盗窃报告和法律宣誓书。	收债， dub-product ，我不知道，发行。 试图讨还未欠下的债务。 次发行债务是身份盗窃造成的

   
   

6. 在 尝试 文本字段中，复制并粘贴以下提示:

   After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
   

7. 单击 生成，然后查看结果。

8. 单击 保存工作> 另存为。

9. 选择 提示模板。

10. 对于名称，输入 Base model prompt。

11. 选择 保存后在项目中查看。

12. 单击保存。

您需要将训练数据添加到项目中。 执行以下步骤以下载数据集:

1. 下载 客户投诉训练数据 (150KB) 并将其解压缩。

2. 从项目中，单击 将资产上载到项目 图标 。

3. 在打开的侧面板中，浏览以选择 customer-complaints-training-data.json 文件，然后单击 打开。 请停留在该页面，直至装入完成为止。
   customer-complaints-training-data.json 文件将作为数据资产添加到项目中。

现在，您已准备好在沙箱项目中创建一个使用刚刚添加到项目的数据集的调整试验。 遵循以下步骤来创建 Tuning 试验:

1. 来自资产选项卡，点击新资产 > 使用标记数据调整基础模型。

2. 对于名称，请输入:

   Summarize customer complaints tuned model
   

3. 对于描述，请输入:

   Tuning Studio experiment to tune a foundation model to handle customer complaints.
   

4. 单击创建。 这将显示 Tuning Studio 。

在 Tuning Studio中，可以配置调整试验。 为您完成要调整的基础模型。 遵循以下步骤来配置调整试验:

1. 对于要调整的基础模型，请选择 flan-t5-xl-3b。

2. 为用于初始化提示的方法选择 文本 。 存在两个选项：

   • 文本: 使用您指定的文本。
   • 随机: 使用在调整试验中为您生成的值。

3. 对于 文本 字段，输入:

   Summarize the complaint provided into one sentence.
   

   下表显示了每种任务类型的示例文本:

   标题

   任务类型	示例
   分类	分类每条评论的观点是 "正面" 还是 "负面"
   代次	提出允许员工每周几天在家办公的理由
   汇总	从会议记录中总结要点

   
   

4. 对于与您希望模型执行的操作最匹配的任务类型，请选择 摘要 。 有三种任务类型:

   • 摘要 生成描述以文本主体表示的主要构想的文本。
   • 生成 将生成文本，例如促销电子邮件。
   • 分类 预测特征中的分类标签。 例如，给定一组客户注释，您可能希望将每个语句标记为问题或问题。 使用分类任务时，需要列出希望模型使用的类标签。 指定在调整训练数据中使用的相同标签。

5. 从项目中选择训练数据。

   1. 单击 从项目中选择。
   2. 单击 数据资产。
   3. 选择 客户投诉培训 data.json 文件。
   4. 单击 选择资产。
   5. 单击 开始调整。

当实验运行完成时，您会看到调整后的模型和 Loss 函数图。 损失函数用于衡量每次训练运行时预测结果与实际结果之间的差异。 执行以下步骤以查看损失函数图和调整后的模型:

1. 查看 "损失" 函数图。 向下倾斜曲线意味着模型在生成预期输出时越来越好。

   

2. 在图表下方，单击 汇总客户投诉 调整后的模型。

3. 滚动浏览模型详细信息。

4. 单击部署。

5. 对于名称，请输入:

   Summarize customer complaints tuned model
   

6. 对于 部署容器，选择 部署空间。

7. 对于 目标部署空间，选择现有部署空间。 如果您没有现有部署空间，请执行以下步骤:

   1. 对于 目标部署空间，选择 创建新的部署空间。
   2. 对于部署空间名称，请输入:

   Foundation models deployment space
   

   1. 单击创建。
   2. 单击关闭。
   3. 对于 目标部署空间，验证是否选择了 Foundation 模型部署空间 。

8. 选中 在创建后查看部署空间中的部署 选项。

9. 单击创建。

10. 在 " 部署 " 页面上，单击 汇总客户投诉调整模型 部署以查看详细信息。

您可以在 Prompt Lab 中测试调整后的模型。 遵循以下步骤来测试调整后的模型:

1. 在模型部署页面中，单击 在提示实验室中打开，然后选择沙箱项目。 Prompt Lab 显示。

2. 选择调整后的模型。

   1. 单击模型下拉列表，然后选择 查看所有基础模型。
   2. 选择 汇总客户投诉调整模型 模型。
   3. 单击 选择模型。

3. 在 " 结构化方式 " 页面上，输入 指示信息: Summarize customer complaints

4. 在 " 结构化方式 " 页面上，提供示例和测试输入。

   示例输入和输出

   示例输入	示例输出
   我在最初的日期忘了我在使用 Capital One ，这个债务在他们手里，从来没有做过。	收债，子产品: 信用卡债务，发行: 采取或威胁采取消极或法律行动子问题
   我是身份盗窃的受害者，这笔债务不属于我。 请看身份盗窃报告和法律宣誓书。	收债， dub-product ，我不知道，发行。 试图讨还未欠下的债务。 次发行债务是身份盗窃造成的

   
   

5. 在 尝试 文本字段中，复制并粘贴以下提示:

   After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
   

6. 单击 生成，然后查看结果。