Evaluación de los resultados de un experimento de ajuste

Última actualización: 23 sept 2024
Evaluación de los resultados de un experimento de ajuste

El ajuste de un modelo base en watsonx.ai es un proceso iterativo. Se realiza un experimento de ajuste y luego se evalúan los resultados. Si es necesario, cambie las variables del experimento y vuelva a ejecutarlo repetidamente hasta que esté satisfecho con los resultados del modelo de cimentación ajustado.

Comprueba tus progresos después de cada experimento. Encuentre cualquier limitación en la configuración de su experimento de ajuste y soluciónela antes de evaluar sus datos de entrenamiento en busca de posibles problemas.

Flujo de trabajo para mejorar los resultados de los experimentos de ajuste

No existe un conjunto correcto de parámetros de ajuste o de ejemplos de datos de entrenamiento. La mejor configuración de los parámetros de ajuste y el tamaño de los conjuntos de datos varían en función de los datos, el modelo de base que se utilice y el tipo de tarea que se desee que realice el modelo. Siga estos pasos para ahorrar tiempo y mantener el rumbo mientras experimenta.

Puede utilizar Tuning Studio para completar estos pasos o utilizar cuadernos de muestra para realizarlos mediante programación.

  1. Antes de comenzar su experimentación, cree o conserve un subconjunto de datos de entrenamiento de sintonización para utilizarlo como conjunto de datos de prueba.

  2. Ejecute un experimento de sintonización con los parámetros de sintonización por defecto.

  3. Compruebe la función de pérdida para la ejecución del experimento.

    El modelo sintonizado funciona bien cuando su función de pérdida tiene una curva descendente que se nivela cerca de cero.

    Muestra un gráfico de pérdida de función que representa un experimento realizado con éxito. El gráfico tiene 10 puntos de datos, empezando por encima de cinco y terminando cerca de cero.

  4. Si es necesario, ajuste los valores de los parámetros y vuelva a realizar el experimento hasta que la función de pérdida se estabilice cerca de cero.

  5. Pruebe la calidad del modelo ajustado enviando solicitudes del conjunto de datos de prueba.

  6. Si es necesario, revise o aumente los datos de entrenamiento.

    Cuando se introduzcan nuevos datos, será posible optimizar más los parámetros de ajuste. Vuelva a ejecutar el experimento y, a continuación, repita los pasos de este flujo de trabajo a partir del paso 3.

Tema principal: Tuning Studio