0 / 0
Volver a la versión inglesa de la documentación
Inicio rápido: Predicción de un foundation model con Prompt Lab
Última actualización: 28 nov 2024
Inicio rápido: Predicción de un foundation model con Prompt Lab

Siga esta guía de aprendizaje para aprender a utilizar Prompt Lab en watsonx.ai. Suele haber varias formas de impulsar un foundation model para obtener un resultado satisfactorio. En Prompt Lab, puede experimentar con la solicitud de diferentes modelos de base, explorar solicitudes de ejemplo, así como guardar y compartir las mejores solicitudes. Consulte los consejos para guiar con éxito la mayoría de los modelos de fundamentos generadores de texto.

Servicios necesarios
estudio watsonx.ai
tiempo de ejecución de watsonx.ai

El flujo de trabajo básico incluye estas tareas:

  1. Abra un proyecto. Los proyectos son la ubicación donde puede colaborar con otros para trabajar con los datos.
  2. Abra Prompt Lab. Prompt Lab le permite experimentar con la solicitud de diferentes modelos de base, explorar solicitudes de ejemplo, así como guardar y compartir sus mejores solicitudes.
  3. Escriba la solicitud en el editor de solicitudes. Puede escribir solicitudes en formato libre y en modalidad estructurada.
  4. Seleccione el modelo que desea utilizar. Puede enviar su solicitud a cualquiera de los modelos disponibles en watsonx.ai.
  5. Guarde su trabajo como un activo de proyecto. Al guardar el trabajo como un activo de proyecto, el trabajo se pone a disposición de los colaboradores del proyecto actual.

Lea acerca de cómo impulsar un foundation model

Los modelos de base son modelos de IA muy grandes. Tienen miles de millones de parámetros y están entrenados en terabytes de datos. Los modelos de base pueden realizar una variedad de tareas, incluyendo texto, código o generación de imágenes, clasificación, conversación, etc. Los modelos de lenguaje grandes son un subconjunto de modelos de base utilizados para tareas relacionadas con el texto y el código. En IBM watsonx.ai, hay una colección de modelos de lenguaje grandes desplegados que puede utilizar, así como herramientas para experimentar con solicitudes.

Más información sobre Prompt Lab

Vea un vídeo sobre cómo provocar un foundation model

Ver vídeo Vea este vídeo para obtener una vista preliminar de los pasos de esta guía de aprendizaje. Puede haber pequeñas diferencias en la interfaz de usuario que se muestra en el vídeo. El vídeo está pensado para ser un compañero del tutorial escrito.

Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.


Prueba un tutorial para impulsar un foundation model

En esta guía de aprendizaje, realizará estas tareas:





Sugerencias para completar esta guía de aprendizaje
Estas son algunas sugerencias para completar correctamente esta guía de aprendizaje.

Utilizar la imagen en imagen de vídeo

Sugerencia: Inicie el vídeo y, a continuación, a medida que se desplaza por el tutorial, el vídeo se desplaza al modo de imagen en imagen. Cierre la tabla de contenido de vídeo para obtener la mejor experiencia con la imagen en imagen. Puede utilizar el modo de imagen en imagen para poder seguir el vídeo mientras completa las tareas de este tutorial. Pulse las indicaciones de fecha y hora para cada tarea a seguir.

La siguiente imagen animada muestra cómo utilizar las características de imagen en imagen y tabla de contenido de vídeo:

Cómo utilizar la imagen en la imagen y los capítulos

Obtener ayuda en la comunidad

Si necesitas ayuda con este tutorial, puedes hacer una pregunta o encontrar una respuesta en el foro de debate de la Comunidadwatsonx.

Configurar las ventanas del navegador

Para obtener la experiencia óptima al completar esta guía de aprendizaje, abra Cloud Pak for Data en una ventana de navegador y mantenga abierta esta página de la guía de aprendizaje en otra ventana de navegador para conmutar fácilmente entre las dos aplicaciones. Considere la posibilidad de organizar las dos ventanas del navegador una al lado de la otra para que sea más fácil de seguir.

Guía de aprendizaje en paralelo e interfaz de usuario

Sugerencia: Si encuentra una visita guiada al completar esta guía de aprendizaje en la interfaz de usuario, pulse Quizás más tarde.



Tarea 1: Abrir un proyecto

Necesita un proyecto para almacenar activos de Prompt Lab.

Vea un vídeo para ver cómo crear un proyecto de recinto de pruebas y asociar un servicio. A continuación, siga los pasos para verificar que tiene un proyecto existente o cree un proyecto de recinto de pruebas.

Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.

  1. En la pantalla de inicio de watsonx , desplácese a la sección Proyectos . Si ve algún proyecto listado, vaya a la Tarea 2. Si no ve ningún proyecto, siga estos pasos para crear un proyecto.

  2. Pulse Crear un proyecto de recinto de pruebas. Cuando se cree el proyecto, verá el proyecto de recinto de seguridad en la sección Proyectos .

Para obtener más información o ver un vídeo, consulte Creación de un proyecto.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra la pantalla de inicio con el recinto de seguridad listado en la sección Proyectos. Ahora está preparado para abrir Prompt Lab.

Pantalla de inicio con el proyecto de recinto de pruebas listado.




Tarea 2: Utilizar Prompt Lab en modalidad de formato libre

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 00:03.

Puede escribir el texto de solicitud en un editor de texto sin formato y, a continuación, pulsar Generar para enviar la solicitud al modelo. Siga estos pasos para utilizar Prompt Lab en modalidad de formato libre:

  1. En la pantalla de inicio, pulse el mosaico Abrir en laboratorio de solicitud .

  2. Seleccione cada recuadro de selección para aceptar los acuses de recibo y, a continuación, pulse Omitir visita guiada.

  3. Haga clic en la pestaña " Forma libre " para solicitar un " foundation model en modo " Forma libre ".

  4. Pulse Cambiar modalidad.

  5. Copie y pegue el texto siguiente en el campo de texto y, a continuación, pulse Generar para ver la salida del Nombre de clase: Problema.


Classify this customer message into one of two classes: question, problem.
Class name: Question
Description: The customer is asking a technical question or a how-to question about our products or services.
Class name: Problem
Description: The customer is describing a problem they are having. They might say they are trying something, but it's not working. They might say they are getting an error or unexpected results.
Message: I'm having trouble registering for a new account.
Class name:

Icono de punto de comprobación ' Comprueba tu progreso

Las imágenes siguientes muestran la salida generada para la solicitud en modalidad de formato libre. Ahora está listo para solicitar un foundation model en modo estructurado.

Salida generada para la solicitud en modalidad de formato libre.




Tarea 3: Utilizar el laboratorio de solicitudes en modalidad estructurada

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 00:19.

Puede escribir la solicitud en un formato estructurado. El formato estructurado es útil para solicitudes de pocas puntuaciones, cuando la solicitud tiene varios ejemplos. Siga estos pasos para utilizar Prompt Lab en modalidad estructurada:

  1. Pulse la pestaña Estructurada .

  2. Pulse Cambiar modalidad.

  3. En el campo Instrucción , copie y pegue el texto siguiente: Given a message submitted to a customer-support chatbot for a cloud software company, classify the customer's message as either a question or a problem description so the chat can be routed to the correct support team.

  4. En el campo Configuración , copie y pegue el texto siguiente en cada columna:

    Valores para el campo Configuración
    Entrada Resultado
    Cuando intento iniciar sesión, recibo un error. Problema
    ¿Dónde puedo encontrar los precios del plan? Pregunta
    ¿Cuál es la diferencia entre juicio y paygo? Pregunta
    La página de registro se ha bloqueado, y ahora no puedo crear una nueva cuenta. Problema
    ¿Qué regiones están soportadas? Pregunta
    No puedo recordar mi contraseña. Problema

  5. En el campo Intentar , copie y pegue el texto siguiente: I'm having trouble registering for a new account.

  6. Pulse Generar para ver la salida Problema.

Icono de punto de comprobación ' Comprueba tu progreso

Las imágenes siguientes muestran la salida generada para la solicitud en modalidad estructurada. Ahora está preparado para probar las solicitudes de ejemplo.

Salida generada para la solicitud en modalidad estructurada




Tarea 4: Utilizar las solicitudes de ejemplo

vídeo tutorial de vista previa Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 00:33. Si no está seguro de cómo empezar, las solicitudes de ejemplo pueden empezar. Siga estos pasos para utilizar las solicitudes de ejemplo:

  1. Abra el icono " Solicitudes de ejemplo " para visualizar la lista.
  2. Desplácese por la lista y pulse la solicitud de ejemplo Generación de correo electrónico de marketing .
  3. Ver el modelo seleccionado. Al cargar una solicitud de ejemplo, se selecciona automáticamente un modelo adecuado.
  4. Abra el panel Parámetros del modelo ' Parámetros del modelo. Los parámetros de criterios de decodificación y detención adecuados también se establecen automáticamente.
  5. Pulse Generar para enviar la solicitud de ejemplo al modelo y ver la salida de correo electrónico de ejemplo.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra la salida generada de una solicitud de ejemplo. Ahora está preparado para personalizar la salida de solicitud de ejemplo seleccionando un modelo y parámetros diferentes.

Salida generada a partir de una solicitud de ejemplo




Tarea 5: Elegir un foundation model

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 01:04. Puede enviar la misma solicitud a un modelo diferente. Si necesita generar salida en una salida estructurada específica, como JSON, HTML o XML, puede hacerlo eligiendo un modelo que se haya ajustado para generar salida estructurada, utilizando ejemplos de pocas imágenes en la solicitud o ajustando un modelo. Siga estos pasos para elegir otro foundation model:

  1. Pulse Modelo > Ver todos los modelos base.
  2. Pulse un modelo para obtener más información sobre un modelo y ver detalles como, por ejemplo, la arquitectura del modelo, los datos de preentrenamiento, la información de ajuste preciso y el rendimiento con respecto a los puntos de referencia.
  3. Pulse Atrás para volver a la lista de modelos.
  4. Seleccione el foundation model flan-t5-xxl-11b o mt0-xxl-13b y haga clic en Seleccionar modelo.
  5. Pase el cursor por encima de la columna de salida del modelo y pulse el icono X para suprimir la salida anterior.
  6. Pulse la misma solicitud de ejemplo, Generación de correo electrónico de marketing, en la lista.
  7. Pulse Generar para generar salida utilizando el nuevo modelo.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra la salida generada utilizando un modelo diferente. Ahora está preparado para ajustar los parámetros del modelo.

Salida generada utilizando un modelo diferente




Tarea 6: Ajustar parámetros de modelo

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 01:28.

Puede experimentar con el cambio de parámetros de criterios de decodificación o detención. Siga estos pasos para ajustar los parámetros del modelo.

Nota: Los parámetros del modelo varían en función del modelo seleccionado actualmente.

La siguiente tabla define los parámetros del modelo disponibles para el ' flan-t5-xxl-11b ' foundation model.

Parámetros del modelo
Parámetros del modelo Significado
Decodificación Establezca la decodificación en Greedy para seleccionar siempre las palabras con la probabilidad más alta. Establezca la descodificación en Muestreo para personalizar la variabilidad de la selección de palabras.
Temperatura Controlar la creatividad del texto generado. Los valores altos resultarán en salidas generadas de forma más aleatoria.
P principales (muestreo nuclear) Establézcalo en < 1.0 para utilizar sólo el conjunto más pequeño de señales más probables con probabilidades que se suman a top_p o superior.
K principales Establezca el número de tokens de vocabulario de probabilidad más alta que se mantiene para el filtrado k superior. Los valores bajos reducen la probabilidad de que el modelo se desvíe del tema.
Semilla aleatoria Controlar el muestreo aleatorio de las señales generadas cuando el muestreo está habilitado. Establecer la vista aleatoria en el mismo número para cada generación garantiza la repetibilidad experimental.
Penalización por repetición Establezca una penalización de repetición para contrarrestar la tendencia del modelo a repetir textualmente el texto de solicitud o quedar atascado en un bucle. 1.00 indica que no hay penalización.
Secuencias de detención Establezca secuencias de detención en una o más series para que la generación de texto se detenga si o cuando se producen como parte de la salida.
Mínimo de tokens Defina el número mínimo de señales que se generarán. Las secuencias de detención encontradas antes del número mínimo de señales que se generan se ignoran.
Máximo de tokens Defina el número máximo de señales que se van a generar.

  1. Cambie el parámetro Top K a 10 para que sea menos probable que el modelo desacate el tema.
  2. Pulse X para suprimir la salida de modelo anterior.
  3. Pulse la misma solicitud de ejemplo de la lista.
  4. Pulse Generar para generar la salida utilizando los nuevos parámetros de modelo.
  5. Haga clic en el icono Historial de sesiones ' historial
de sesiones ' después de enviar varias solicitudes para ver su historial de sesiones.
  6. Pulse cualquier entrada para trabajar con una solicitud anterior, especificación de modelo y valores de parámetro y, a continuación, pulse Restaurar.
  7. Edite la solicitud, cambie el modelo o ajuste los parámetros de criterios de decodificación y detención.
  8. Pulse Generar para generar salida utilizando la información actualizada.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra la salida generada utilizando distintos parámetros de modelo. Ahora está preparado para guardar el trabajo.

Salida generada utilizando un modelo diferente




Tarea 7: Guardar su trabajo

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 02:15.

Puede guardar su trabajo en tres formatos:

Tipos de activo
Tipo de activo Descripción
Plantilla de solicitud Guardar sólo la solicitud actual, sin su historial.
Sesión de solicitud Guardar el historial y los datos de la sesión actual.
Cuaderno Guardar la solicitud actual en forma de cuaderno.

Siga estos pasos para guardar el trabajo:

  1. Pulse Guardar trabajo > Guardar como.
  2. Seleccione Plantilla de solicitud.
  3. Para el nombre, escriba Sample prompts.
  4. Seleccione la opción Ver en proyecto después de guardar .
  5. Pulse Guardar.
  6. En el separador Activos del proyecto, pulse el activo Solicitudes de ejemplo para cargar esa solicitud en el laboratorio de solicitudes y volver a trabajar.
  7. Haga clic en las instrucciones guardadas ' Solicitudes guardadas para ver las instrucciones guardadas de su proyecto sandbox.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra la pestaña Activos del proyecto con el activo de plantilla de solicitud:

Separador Activos del proyecto

Marca de selección La siguiente imagen muestra el prompt guardado en el Prompt Lab:

Solicitud guardada en Prompt Lab



Próximos pasos

Vea este vídeo que muestra el modo Chat en Prompt Lab.

Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.

Ahora está preparado para:

Recursos adicionales

  • Guardar el trabajo

  • Biblioteca dePython

  • Ver más vídeos.

  • Busque conjuntos de datos de ejemplo, proyectos, modelos, solicitudes y cuadernos en el concentrador de recursos para obtener experiencia práctica:

    cuadernos Cuaderno ' que puedes añadir a tu proyecto para empezar a analizar datos y construir modelos.

    Proyecto ' Proyectos que puede importar y que contienen cuadernos, conjuntos de datos, avisos y otros recursos.

    Conjunto de datos ' Conjuntos de datos que puedes añadir a tu proyecto para refinar, analizar y construir modelos.

    Solicitud ' Avisos que puede utilizar en el Laboratorio de avisos para avisar a un foundation model.

    Modelo Modelos de la Fundación que puede utilizar en el Prompt Lab.

Tema principal: Guías de aprendizaje de inicio rápido

Búsqueda y respuesta de IA generativa
Estas respuestas las genera un modelo de lenguaje grande en watsonx.ai que se basa en el contenido de la documentación del producto. Más información