Migrar de modelos legados

Redefinir um modelo

É possível refazer a base de um modelo ajustado tradicionalmente usando o console do Google Cloud ou programaticamente. Este guia explica como fazer a rebase, um processo que atualiza o modelo base de um modelo ajustado para a versão mais recente.

É importante fazer a rebase de um modelo porque modelos de base novos e aprimorados são lançados periodicamente. Eles geralmente são treinados com conjuntos de dados maiores, têm uma arquitetura melhor e incluem melhorias de desempenho. A rebaseação permite aproveitar essas melhorias. A rebaseação usa os hiperparâmetros recomendados para o novo modelo de base e oferece a melhor performance.

Os modelos bison models e gemini-1.0 usam um formato de conjunto de dados diferente do gemini-1.5 models. Se você estiver fazendo upgrade de uma versão mais antiga do modelo para gemini-1.5, terá duas opções:

  1. Continue usando o conjunto de dados atual: o conjunto de dados de ajuste mais antigo ainda pode funcionar com gemini-1.5, permitindo uma transição perfeita.
  2. Crie um novo conjunto de dados: para ter o melhor desempenho com gemini-1.5, crie um novo conjunto de dados no bucket do Cloud Storage usando o formato atualizado.

REST

Antes de usar os dados da solicitação abaixo, faça as substituições a seguir:

  • LOCATION: a região onde o job de ajuste é executado. Essa também é a região padrão para onde o modelo ajustado é transferido.
  • PROJECT_ID: o ID do projeto.
  • MODEL_ID: o nome do modelo ajustado que você quer refazer.
  • TUNING_JOB_ID: para modelos legados do Gemini que usam tuning_job.
  • PIPELINE_JOB_NAME: o pipeline de ajuste de modelos bison legados.

Método HTTP e URL: 

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

Corpo JSON da solicitação:

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

Para enviar a solicitação, escolha uma destas opções:

curl

Salve o corpo da solicitação em um arquivo com o nome request.json e execute o comando a seguir: 

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

Salve o corpo da solicitação em um arquivo com o nome request.json e execute o comando a seguir: 

$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

Você receberá uma resposta JSON semelhante a seguinte.

Console do Google Cloud

Use estas instruções para mudar a base de um modelo ajustado para um modelo de fundação mais recente

  1. Na seção "Vertex AI" do console do Google Cloud, acesse a página Vertex AI Studio para fazer a sintonização.

    Acessar o Vertex AI Studio

  2. Na coluna de notificação da lista de modelos ajustados, os modelos que estão desatualizados ou podem ser repassados têm a opção Retune.
  3. Selecione Retornar.
  4. Escolha um nome para o modelo ajustado.
  5. No menu suspenso, selecione o novo modelo base a ser usado.
  6. Selecione a região que você quer usar.
  7. Selecione o local do diretório de saída, o local do Cloud Storage em que os conjuntos de dados de ajuste reformatados são armazenados.
  8. Atualize o local do conjunto de dados de ajuste fazendo upload de um novo arquivo para o Cloud Storage ou use um caminho do Cloud Storage atual.
  9. Opcional: ative a validação do modelo e conecte-se ao conjunto de dados de validação do Cloud Storage.
  10. Clique em Iniciar ajuste.

A seguir