اضبط Haiku دقيقًا على Bedrock واستضف نموذج مهمة

تحقق من JSONL للمحادثات وارفعه إلى S3 وابدأ مهمة تخصيص Bedrock واستضف النموذج الناتج للاستدلال.

الهدف

أنشئ نموذج Claude Haiku مخصصًا قابلًا للاستدعاء من مجموعة تدريب متحققة بدل فحص البيانات فقط.

أعد JSONL بصيغة system/messages؛ أول رسالة user وآخرها assistant ورسالتان على الأقل مع تناوب الأدوار. [src10-anthropic-finetune-haiku-task-model-on-bedrock]
ارفع بيانات التدريب إلى bucket S3 خاص بك وأرسل مهمة تخصيص باستخدام دور خدمة Bedrock المسموح له بقراءتها. [src10-anthropic-finetune-haiku-task-model-on-bedrock]
استعلم عن حالة المهمة عبر boto3؛ وبعد اكتمالها أنشئ نشر/ملف استدلال واختبر بمطالبات تحقق محفوظة. [src10-anthropic-finetune-haiku-task-model-on-bedrock]

يجب أن تكون حالة المهمة Completed وأن ينجح النشر؛ وتتبع مطالبات الاختبار تنسيق JSON المطلوب دون نسخ أمثلة التدريب.

عند رفض الدور تحقق من قراءة S3 والمنطقة؛ وعند فشل المهمة تحقق من الأدوار والحقول الزائدة في JSONL قبل إنشاء مهمة جديدة.

حساب AWS وأهلية/حصة تخصيص Bedrock وbucket S3 ودور خدمة للقراءة؛ وقد يتطلب الوصول تفعيلًا.

يرفع JSONL إلى S3 وينشئ موارد تدريب/استضافة مدفوعة؛ وترسل البيانات إلى AWS Bedrock للمعالجة.

يعتمد وقت التدريب والتكلفة والمناطق على دعم Bedrock الحالي؛ استخدم أمثلة مصرحًا بها ومنزوعة الهوية فقط.

تعكس هذه القيم المستودع الأصلي كله، ولا تمثل إعجابات أو شعبية مهارة أو دليل منفرد.

لا تتوفر لقطة مقاييس بعد.

الترخيص: MIT