Platform For AI:モデルのデプロイとトレーニング

パラメータータイプ

パラメーター

説明

Training Mode

[教師ありファインチューニング (SFT)]

次のトレーニングメソッドがサポートされています：

• 教師ありファインチューニング： 大規模言語モデル (LLM) の入力と出力を指定して、そのパラメーターをファインチューニングします。

• 直接プリファレンス最適化： 人間のプリファレンスに合わせて言語モデルを直接最適化します。 このメソッドは、人間のフィードバックによる強化学習 (RLHF) アルゴリズムと同じ最適化目標を共有します。

どちらのメソッドも、フルパラメーターファインチューニング、LoRA、および QLoRA をサポートしています。

[直接プリファレンス最適化 (DPO)]

Job Configuration

Task name

デフォルトのタスク名が提供されます。 インターフェイスのプロンプトに基づいて変更できます。

Maximum running time

タスクの最大実行時間を設定します。 タスクがこの時間を超えると停止します。

デフォルト設定を使用する場合、実行時間は制限されません。

Dataset Configuration

Training dataset

モデルギャラリーは、デフォルトのトレーニングデータセットを提供します。 独自のデータセットを使用する場合は、モデルのドキュメントで指定されたフォーマットでデータを準備してください。 次に、以下のいずれかのメソッドを使用してデータをアップロードします。

• OSS file or directory

  をクリックし、データセットの OSS パスを選択します。 Select OSS folder or file ダイアログボックスで、既存のデータファイルを選択するか、Upload file をクリックします。

• Custom Dataset

  OSS などのクラウドストレージのデータセットを使用できます。 をクリックして、既存のデータセットを選択します。 データセットがない場合は、「データセットの作成と管理」をご参照のうえ、作成してください。

Validate dataset

Add validation dataset をクリックします。 設定方法は Training dataset と同じです。

Output Configuration

トレーニング済みモデルと TensorBoard ログファイルを保存するクラウドストレージパスを選択します。

Computing Resources

Resource Type

汎用コンピューティングと Lingjun インテリジェントコンピューティングをサポートしています。

Source

• Public Resources：

  • 課金モード： 従量課金。

  • シナリオ： パブリックリソースではキューイング遅延が発生する可能性があります。 緊急性の低い少数のタスクに使用します。

• Resource Quota： 汎用コンピューティングリソースまたは Lingjun リソースが含まれます。

  • 課金モード： サブスクリプション。

  • シナリオ： 高可用性を必要とする多くのタスクに使用します。

• Preemptible Resources:

  • 課金モード： 従量課金。

  • シナリオ： プリエンプティブルリソースを使用してコストを削減します。 これらは割引価格で提供されます。

  • 制限： 可用性は保証されません。 リソースがすぐに利用できない場合や、回収される場合があります。 詳細については、「プリエンプティブルジョブの使用」をご参照ください。

Hyperparameters

モデルによってサポートされるハイパーパラメーターは異なります。 デフォルト値を使用するか、必要に応じて変更できます。