Docs
...
Model tuning with code

基盤モデルプログラムで調整する

最終更新: 2025年2月26日
基盤モデルプログラムで調整する

You can programmatically tune a set of foundation models in watsonx.ai to customize then for your use case.

開発方法

これらのプログラミング方法を使用して、 基盤モデルを調整することができます

Alternatively, you can use graphical tools from the watsonx.ai UI to tune foundation models. 参照 Tuning Studio。

REST API

APIを使用して基盤モデル迅速にチューニングすることは、複雑な作業です。 Python のサンプルノートブックは、プロセスを簡素化します。 サンプルノートブックをテンプレートとして使用し、迅速なチューニングを行うための独自のノートブックを作成することができます。 基盤モデルプログラムで調整する を参照してください。

サポートされている基盤モデル

チューニングする基盤モデルを選ぶ を参照してください。

プログラミングによる迅速なチューニングをサポートする基盤モデルリストを取得するには、以下のリクエストを使用します

curl -X GET \
  'https://{hostname}/ml/v1/foundation_model_specs?version=2025-02-20&filters=function_prompt_tune_trainable'
注:基盤モデルチューニングを促すことはできません。

手順

大まかに言えば、APIを使用して基盤モデル迅速にチューニングするには、以下のステップを踏む必要があります

  1. タスク認証を作成します。

    タスク認証は、この手順で実行するステップで開始される長時間実行のジョブを認証するために使用する API キーです。 APIリクエストにタスクの認証情報を渡す必要はありません。 お客様が作成したタスク認証情報は、 user_id と account_id の認証情報サービスに存在する必要があります。 Creating-task-credentials を参照してください。

  2. 基盤モデルチューニングに使用するトレーニングデータファイルを作成します。

    トレーニングデータファイルの要件に関する詳細については、 基盤モデルのチューニング用データ形式 をご覧ください。

  3. トレーニングデータファイルをアップロードしてください。

    次のいずれかの資産を作成して、ファイルを追加することができます

    • 接続アセット (connection asset)

      注 ：現在、迅速なチューニングトレーニングには Cloud Object Storage 接続タイプのみがサポートされています。

      APIからのファイル参照を参照してください。

      次のステップで作成する request.json ファイルに training_data_references セクションを追加する際に、接続IDとトレーニングデータファイルの詳細を使用します。

    • データアセット

      To create a data asset, use the Data and AI Common Core API to データ資産を定義する.

      You will use the asset ID and training data file details when you add the training_data_references section of the REST request that you create in the next step.

    トレーニングデータファイルを参照する方法の詳細については 、「データ参照」 を参照してください。

  4. watsonx.ai API を使用してトレーニング実験を作成します。

    トレーニングを作成するを参照してください。

    TrainingResource ペイロードで実験のパラメータを指定できます。 利用可能なパラメータの詳細については、 基盤モデルのチューニングパラメータ をご覧ください。

    For the task_id, specify one of the tasks that are listed as being supported for the foundation model in the response to the 利用可能な基盤モデルをリストアップする method.

  5. 調整したモデルをリポジトリサービスに保存して、調整したモデルを指す asset_id を生成します。

    調整したモデルを保存するには、 watsonx.ai Runtime（旧称： Watson Machine Learning ）API を使用して新しいモデルを作成します。

  6. Use the watsonx.ai API to create a deployment for the tuned model.

    参照 デプロイメント

調整済みのモデルを推論するには、調整済みのモデルをホストするデプロイメントの固有のIDを含む推論エンドポイントを使用する必要があります。 詳細は、 デプロイメント セクションの 推論方法 をご覧ください。

親トピック: 生成型AIソリューションのコーディング