watsonx.ai에서 기초 모델을 튜닝하는 것은 반복적인 프로세스입니다. 튜닝 실험을 실행한 다음 결과를 평가합니다. 필요한 경우 실험 변수를 변경하고 튜닝된 기초 모델의 결과에 만족할 때까지 실험을 반복해서 다시 실행합니다.
각 실험 실행 후 진행 상황을 확인하세요. 튜닝 실험 구성의 제한 사항을 찾아서 훈련 데이터에 잠재적인 문제가 있는지 평가하기 전에 해결하세요.
튜닝 실험 결과를 개선하기 위한 워크플로
사용할 수 있는 올바른 튜닝 매개변수나 학습 데이터 예시 세트는 없습니다. 최적의 튜닝 매개변수 설정과 데이터 세트 크기는 데이터, 사용하는 기초 모델, 모델이 수행하려는 작업 유형에 따라 달라집니다. 다음 단계에 따라 시간을 절약하고 실험을 계속 진행하세요.
Tuning Studio을 사용해 이 단계를 완료하거나 샘플 노트북을 사용해 프로그래밍 방식으로 수행할 수 있습니다.
실험을 시작하기 전에 테스트 데이터 집합으로 사용할 튜닝 훈련 데이터의 하위 집합을 만들거나 보존하세요.
기본 튜닝 매개변수를 사용하여 튜닝 실험을 실행합니다.
실험 실행에 대한 손실 기능을 확인합니다.
손실 함수가 0에 가까워지는 하향 경사 곡선을 가질 때 튜닝된 모델이 잘 작동하는 것입니다.
필요한 경우 매개변수 값을 조정하고 손실 함수가 0에 가까워질 때까지 실험을 다시 실행합니다.
테스트 데이터 세트의 프롬프트를 제출하여 튜닝된 모델의 품질을 테스트합니다.
필요한 경우 학습 데이터를 수정하거나 보강합니다.
새로운 데이터가 도입되면 더 많은 튜닝 매개변수 최적화가 가능할 수 있습니다. 실험을 다시 실행한 다음 3단계부터 이 워크플로우의 단계를 반복합니다.
상위 주제: Tuning Studio