Generative AI-Modelle mit der überwachten Feinabstimmung in Vertex AI optimieren
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Ein Gemini-Modell automatisch mit Vertex AI SFT (Supervised Fine-tuning) von Google Cloud optimieren.
Weitere Informationen
Eine ausführliche Dokumentation, die dieses Codebeispiel enthält, finden Sie hier:
Codebeispiel
Nächste Schritte
Wenn Sie nach Codebeispielen für andere Google Cloud -Produkte suchen und filtern möchten, können Sie den Google Cloud -Beispielbrowser verwenden.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],[],[],[],null,["# Fine-tune Generative AI models with Vertex AI Supervised Fine-tuning\n\nAutomatically tune a Gemini model using Google Cloud's Vertex AI SFT (Supervised Fine-tuning).\n\nExplore further\n---------------\n\n\nFor detailed documentation that includes this code sample, see the following:\n\n- [Tune Gemini models by using supervised fine-tuning](/vertex-ai/generative-ai/docs/models/gemini-use-supervised-tuning)\n- [Tuning API](/vertex-ai/generative-ai/docs/model-reference/tuning)\n\nCode sample\n-----------\n\n### Python\n\n\nBefore trying this sample, follow the Python setup instructions in the\n[Vertex AI quickstart using\nclient libraries](/vertex-ai/docs/start/client-libraries).\n\n\nFor more information, see the\n[Vertex AI Python API\nreference documentation](/python/docs/reference/aiplatform/latest).\n\n\nTo authenticate to Vertex AI, set up Application Default Credentials.\nFor more information, see\n\n[Set up authentication for a local development environment](/docs/authentication/set-up-adc-local-dev-environment).\n\n\n import time\n\n import https://cloud.google.com/python/docs/reference/vertexai/latest/\n from vertexai.tuning import https://cloud.google.com/python/docs/reference/vertexai/latest/vertexai.preview.tuning.sft.html\n\n # TODO(developer): Update and un-comment below line\n # PROJECT_ID = \"your-project-id\"\n https://cloud.google.com/python/docs/reference/vertexai/latest/.init(project=PROJECT_ID, location=\"us-central1\")\n\n sft_tuning_job = https://cloud.google.com/python/docs/reference/vertexai/latest/vertexai.preview.tuning.sft.html.https://cloud.google.com/python/docs/reference/vertexai/latest/vertexai.preview.tuning.sft.html(\n source_model=\"gemini-2.0-flash-001\",\n # 1.5 and 2.0 models use the same JSONL format\n train_dataset=\"gs://cloud-samples-data/ai-platform/generative_ai/gemini-1_5/text/sft_train_data.jsonl\",\n )\n\n # Polling for job completion\n while not sft_tuning_job.has_ended:\n time.sleep(60)\n sft_tuning_job.refresh()\n\n print(sft_tuning_job.tuned_model_name)\n print(sft_tuning_job.tuned_model_endpoint_name)\n print(sft_tuning_job.experiment)\n # Example response:\n # projects/123456789012/locations/us-central1/models/1234567890@1\n # projects/123456789012/locations/us-central1/endpoints/123456789012345\n # \u003cgoogle.cloud.aiplatform.metadata.experiment_resources.Experiment object at 0x7b5b4ae07af0\u003e\n\nWhat's next\n-----------\n\n\nTo search and filter code samples for other Google Cloud products, see the\n[Google Cloud sample browser](/docs/samples?product=generativeaionvertexai)."]]
