Bermigrasi dari model lama

Membuat ulang model

Anda dapat menetapkan ulang model yang disesuaikan lama menggunakan konsol Google Cloud atau secara terprogram. Panduan ini menjelaskan cara melakukan rebase, yaitu proses yang mengupdate model dasar model yang dioptimalkan ke versi terbaru.

Penting untuk membuat ulang model karena model dasar yang baru dan lebih baik dirilis secara berkala. Model ini sering dilatih pada set data yang lebih besar, memiliki arsitektur yang lebih baik, dan menyertakan peningkatan performa. Dengan melakukan rebase, Anda dapat memanfaatkan peningkatan ini. Pembuatan ulang dasar menggunakan hyperparameter yang direkomendasikan untuk model dasar baru guna mendapatkan performa yang optimal.

Model bison models dan gemini-1.0 menggunakan format set data yang berbeda dengan gemini-1.5 models. Jika mengupgrade dari versi model lama ke gemini-1.5, Anda memiliki dua opsi:

  1. Lanjutkan menggunakan set data yang ada: Set data penyesuaian lama Anda masih dapat berfungsi dengan gemini-1.5, sehingga memungkinkan transisi yang lancar.
  2. Membuat set data baru: Untuk performa optimal dengan gemini-1.5, buat set data baru di bucket Cloud Storage menggunakan format yang diperbarui.

REST

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

  • LOCATION: Region tempat tugas penyesuaian berjalan. Ini juga merupakan region default tempat model yang telah disesuaikan diupload.
  • PROJECT_ID: Project ID Anda.
  • MODEL_ID: Nama model yang disesuaikan yang ingin Anda buat ulang basisnya.
  • TUNING_JOB_ID: Untuk model Gemini lama yang menggunakan tuning_job.
  • PIPELINE_JOB_NAME: Pipeline penyesuaian model bison lama.

Metode HTTP dan URL: 

POST https://REGION-aiplatform.googleapis.com/ui/projects/PROJECT_ID/locations/REGION/tuningJobs:rebaseTunedModel

Isi JSON permintaan: 

{
  "tunedModelRef": {
    "tuned_model": "projects/PROJECT_ID/locations/REGION/models/MODEL_ID"
  }
}

Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:

curl

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://REGION-aiplatform.googleapis.com/ui/projects/PROJECT_ID/locations/REGION/tuningJobs:rebaseTunedModel"

PowerShell

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://REGION-aiplatform.googleapis.com/ui/projects/PROJECT_ID/locations/REGION/tuningJobs:rebaseTunedModel" | Select-Object -Expand Content

Anda akan melihat respons JSON yang mirip seperti berikut:

Konsol Google Cloud

Gunakan petunjuk ini untuk menetapkan ulang model yang disesuaikan ke model dasar yang lebih baru

  1. Di bagian Vertex AI pada konsol Google Cloud, buka penyesuaian di halaman Vertex AI Studio.

    Buka Vertex AI Studio

  2. Dari daftar model yang dioptimalkan, di kolom notifikasi, model yang sudah tidak berlaku atau dapat di-rebase memiliki opsi Retune.
  3. Pilih Setel ulang.
  4. Pilih nama untuk model yang dituning ulang.
  5. Dari drop-down, pilih model dasar baru yang akan digunakan.
  6. Pilih region yang ingin Anda gunakan.
  7. Pilih lokasi direktori output, lokasi Cloud Storage tempat set data penyesuaian yang diformat ulang disimpan.
  8. Perbarui lokasi set data penyesuaian dengan mengupload file baru ke Cloud Storage atau gunakan jalur Cloud Storage yang ada.
  9. Opsional: Aktifkan validasi model dan hubungkan ke set data validasi Cloud Storage.
  10. Klik Mulai penyesuaian.

Langkah selanjutnya