Tund koostati, kasutades mitmeid OpenAI ja Azure OpenAI põhiallikaid terminoloogia ja juhendite viitamiseks. Siin on mittetäielik loetelu, mida saate kasutada oma iseseisva õppimise teekonnal.
| Pealkiri/Link | Kirjeldus |
|---|---|
| Peenhäälestamine OpenAI mudelitega | Peenhäälestamine täiustab väheste näidete õppimist, treenides palju rohkemate näidete põhjal, kui mahub sisendisse, säästes kulusid, parandades vastuste kvaliteeti ja võimaldades madalama latentsusega päringuid. Tutvu OpenAI peenhäälestamise ülevaatega. |
| Mis on peenhäälestamine Azure OpenAI-ga? | Mõista mis on peenhäälestamine (kontseptsioon), miks seda kaaluda (probleemi motivatsioon), milliseid andmeid kasutada (treenimine) ja kuidas mõõta kvaliteeti. |
| Mudeli kohandamine peenhäälestamisega | Azure OpenAI teenus võimaldab teil kohandada meie mudeleid oma isiklike andmekogumite põhjal, kasutades peenhäälestamist. Õppige kuidas peenhäälestada (protsess) valitud mudeleid Azure AI Studio, Python SDK või REST API abil. |
| Soovitused LLM-i peenhäälestamiseks | LLM-id ei pruugi hästi toimida spetsiifilistes valdkondades, ülesannetes või andmekogumites ning võivad anda ebatäpseid või eksitavaid tulemusi. Millal kaaluda peenhäälestamist kui võimalikku lahendust? |
| Jätkuv peenhäälestamine | Jätkuv peenhäälestamine on iteratiivne protsess, kus valitakse juba peenhäälestatud mudel baasiks ja häälestatakse seda edasi uute treeningnäidete põhjal. |
| Peenhäälestamine ja funktsioonide kasutamine | Mudeli peenhäälestamine funktsioonide kasutamise näidete abil võib parandada mudeli väljundit, saavutades täpsemaid ja järjepidevamaid vastuseid - sarnase vorminguga vastused ja kulude kokkuhoid. |
| Peenhäälestamise mudelid: Azure OpenAI juhend | Vaadake seda tabelit, et mõista milliseid mudeleid saab Azure OpenAI-s peenhäälestada ja millistes piirkondades need saadaval on. Vajadusel vaadake nende tokeni piiranguid ja treeningandmete aegumiskuupäevi. |
| Peenhäälestada või mitte? See on küsimus | See 30-minutiline 2023. aasta oktoobri episood AI Show's arutleb peenhäälestamise eeliste, puuduste ja praktiliste teadmiste üle, mis aitavad teil seda otsust teha. |
| LLM-i peenhäälestamise alustamine | See AI käsiraamatu ressurss juhendab teid andmenõuete, vormindamise, hüperparameetrite peenhäälestamise ja väljakutsete/piirangute osas, mida peaksite teadma. |
| Juhend: Azure OpenAI GPT3.5 Turbo peenhäälestamine | Õppige looma näidispeenhäälestamise andmekogumit, valmistuma peenhäälestamiseks, looma peenhäälestamise töö ja juurutama peenhäälestatud mudelit Azure'is. |
| Juhend: Llama 2 mudeli peenhäälestamine Azure AI Studios | Azure AI Studio võimaldab teil kohandada suuri keelemudeleid oma isiklike andmekogumite põhjal kasutades UI-põhist töövoogu, mis sobib vähese koodiga arendajatele. Vaadake seda näidet. |
| Juhend:Hugging Face mudelite peenhäälestamine ühe GPU jaoks Azure'is | See artikkel kirjeldab, kuidas peenhäälestada Hugging Face mudelit Hugging Face transformers'i raamatukogu abil ühe GPU-ga, kasutades Azure DataBricks'i ja Hugging Face Trainer'i raamatukogusid. |
| Koolitus: Peenhäälesta baasmudel Azure Machine Learning'iga | Mudelikataloog Azure Machine Learning'is pakub palju avatud lähtekoodiga mudeleid, mida saate peenhäälestada oma konkreetse ülesande jaoks. Proovige seda moodulit, mis on AzureML generatiivse AI õppeprogrammi osa. |
| Juhend: Azure OpenAI peenhäälestamine | GPT-3.5 või GPT-4 mudelite peenhäälestamine Microsoft Azure'is W&B abil võimaldab mudeli jõudluse üksikasjalikku jälgimist ja analüüsi. See juhend laiendab OpenAI peenhäälestamise juhendi kontseptsioone, pakkudes konkreetseid samme ja funktsioone Azure OpenAI jaoks. |
See jaotis sisaldab täiendavaid ressursse, mida tasub uurida, kuid mida me selles tunnis ei jõudnud käsitleda. Need võivad olla kaetud tulevases tunnis või täiendava ülesande valikuna hiljem. Praegu saate neid kasutada, et arendada oma teadmisi ja oskusi selle teema kohta.
| Pealkiri/Link | Kirjeldus |
|---|---|
| OpenAI Cookbook: Andmete ettevalmistamine ja analüüs vestlusmudeli peenhäälestamiseks | See märkmik on tööriist vestlusmudeli peenhäälestamiseks kasutatava vestlusandmekogumi eeltöötlemiseks ja analüüsimiseks. See kontrollib vorminguvigu, pakub põhilisi statistilisi andmeid ja hindab tokenite arvu peenhäälestamise kulude jaoks. Vaata: Peenhäälestamise meetod gpt-3.5-turbo jaoks. |
| OpenAI Cookbook: Peenhäälestamine RAG-i jaoks koos Qdrantiga | Selle märkmiku eesmärk on pakkuda põhjalikku näidet, kuidas peenhäälestada OpenAI mudeleid Retrieval Augmented Generation (RAG) jaoks. Samuti integreerime Qdrant'i ja väheste näidete õppimise, et parandada mudeli jõudlust ja vähendada eksitusi. |
| OpenAI Cookbook: Peenhäälestamine GPT-ga, kasutades Weights & Biases | Weights & Biases (W&B) on AI arendajate platvorm, mis pakub tööriistu mudelite treenimiseks, peenhäälestamiseks ja baasmudelite kasutamiseks. Lugege nende OpenAI peenhäälestamise juhendit ja proovige Cookbook'i harjutust. |
| Kogukonna juhend Phinetuning 2.0 - peenhäälestamine väikeste keelemudelite jaoks | Tutvuge Phi-2, Microsofti uue väikese mudeliga, mis on üllatavalt võimas ja kompaktne. See juhend näitab, kuidas peenhäälestada Phi-2, demonstreerides, kuidas luua unikaalne andmekogum ja peenhäälestada mudel QLoRA abil. |
| Hugging Face juhend Kuidas peenhäälestada LLM-e 2024. aastal Hugging Face'iga | See blogipostitus juhendab, kuidas peenhäälestada avatud LLM-e, kasutades Hugging Face TRL-i, Transformers'i ja andmekogumeid 2024. aastal. Te määratlete kasutusjuhtumi, seadistate arenduskeskkonna, valmistate ette andmekogumi, peenhäälestate mudeli, testite ja hindate seda ning juurutate selle tootmisesse. |
| Hugging Face: AutoTrain Advanced | Pakub kiiremat ja lihtsamat treenimist ja juurutamist tipptasemel masinõppe mudelite jaoks. Repo sisaldab Colab-sõbralikke juhendeid koos YouTube'i video juhendamisega peenhäälestamiseks. Kajastab hiljutist kohalik-esimene uuendust. Lugege AutoTrain'i dokumentatsiooni |
Lahtiütlus:
See dokument on tõlgitud AI tõlketeenuse Co-op Translator abil. Kuigi püüame tagada täpsust, palume arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle algses keeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitame kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valesti tõlgenduste eest.