Démarrage rapide: Optimisation d'un modèle de base

Pour prévisualiser cette tâche, regardez la vidéo à partir de 00:04.

Vous avez besoin d'un projet pour stocker l'expérimentation d'optimisation. Regardez une vidéo pour voir comment créer un projet de bac à sable et associer un service. Suivez ensuite les étapes pour vérifier que vous disposez d'un projet existant ou que vous créez un projet.

Pour prévisualiser cette tâche, regardez la vidéo à partir de 00:19.

Vous pouvez tester votre modèle optimisé dans Prompt Lab. Procédez comme suit pour tester votre modèle optimisé:

1. Sélectionnez votre modèle optimisé.

   1. Cliquez sur la liste déroulante des modèles et sélectionnez Afficher tous les modèles de base.
   2. Sélectionnez le modèle flan-t5-xl-3b .
   3. Cliquez sur Sélectionner un modèle.

2. Dans la page Mode structuré , entrez l' instruction:

   Summarize customer complaints
   

3. Fournissez les exemples et l'entrée de test.

   Exemple d'entrée et de sortie

   Exemple d'entrée	Exemple de sortie
   J'ai oublié dans ma date initiale que j'utilisais Capital One et cette dette était entre leurs mains et n'a jamais été faite.	Recouvrement de créances, sous-produit: dette par carte de crédit, émission: a pris ou menacé de prendre des mesures négatives ou légales sous-émission
   Je suis victime d'un vol d'identité et cette dette ne m'appartient pas. Veuillez consulter le rapport sur le vol d'identité et l'affidavit juridique.	Recouvrement de créances, dub-produit, je ne sais pas, problème. les tentatives de recouvrement des créances non dues. la dette à l'émission secondaire est le résultat d'un vol d'identité

   
   

4. Dans la zone de texte Try , copiez et collez l'invite suivante:

   After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
   

5. Cliquez sur Généreret passez en revue les résultats.

6. Cliquez sur Sauvegarder le travail > Sauvegarder sous.

7. Sélectionnez Modèle d'invite.

8. Pour le nom, entrez Base model prompt.

9. Sélectionnez Afficher dans le projet après avoir sauvegardé.

10. Cliquez sur Sauvegarder.

Pour prévisualiser cette tâche, regardez la vidéo à partir de 01:12.

Vous devez ajouter les données d'entraînement à votre projet. Sur la page du concentrateur de ressources, vous pouvez trouver le jeu de données sur les plaintes des clients. Cet ensemble de données inclut des données fictives sur les plaintes courantes des clients concernant les rapports de crédit. Procédez comme suit pour ajouter l'ensemble de données du concentrateur de ressources au projet:

1. Accédez au fichier de plaintes du client sur la page du concentrateur de ressources.
2. Cliquez sur Ajouter au projet.
3. Sélectionnez votre projet de bac à sable.
4. Cliquez sur Ajouter.
5. Cliquez sur Afficher le projet pour afficher l'actif dans votre projet.

Pour prévisualiser cette tâche, regardez la vidéo à partir de 01:32.

Vous êtes maintenant prêt à créer une expérimentation d'optimisation dans votre projet de bac à sable qui utilise l'ensemble de données que vous venez d'ajouter au projet. Pour créer une expérimentation d'optimisation, procédez comme suit:

1. Revenez à l'écran d'accueil watsonx .

2. Vérifiez que votre projet de bac à sable est sélectionné.

   

3. Cliquez sur Optimiser un modèle de base avec des données étiquetées.

4. Pour le nom, entrez:

   Summarize customer complaints tuned model
   

5. Pour la description, entrez:

   Tuning Studio experiment to tune a foundation model to handle customer complaints.
   

6. Cliquez sur Créer. Tuning Studio s'affiche.

Pour prévisualiser cette tâche, regardez la vidéo qui commence à 01:47.

Dans Tuning Studio, vous pouvez configurer l'expérimentation d'optimisation. Le modèle de base à optimiser est terminé pour vous. Pour configurer l'expérimentation d'optimisation, procédez comme suit:

1. Pour que le modèle de base soit optimisé, sélectionnez flan-t5-xl-3b.

2. Sélectionnez Texte pour la méthode d'initialisation de l'invite. Deux options sont possibles :

   • Texte: utilise le texte que vous spécifiez.
   • Aléatoire: utilise les valeurs qui sont générées pour vous dans le cadre de l'expérimentation d'optimisation.

3. Pour la zone Texte , entrez:

   Summarize the complaint provided into one sentence.
   

   Le tableau suivant présente un exemple de texte pour chaque type de tâche:

   titre

   Type de tâche	Exemple
   Classification	Déterminer si le sentiment de chaque commentaire est positif ou négatif
   Génération	Faites le nécessaire pour permettre aux employés de travailler à domicile quelques jours par semaine
   Récapitulation	Récapituler les points principaux d'une retranscription de réunion

   
   

4. Sélectionnez Synthèse pour le type de tâche qui correspond le plus à ce que le modèle doit faire. Il existe trois types de tâche:

   • Summarization génère du texte qui décrit les principales idées exprimées dans un corps de texte.
   • Génération génère du texte, tel qu'un e-mail promotionnel.
   • Classification prévoit les libellés catégoriels des fonctions. Par exemple, si vous utilisez un ensemble de commentaires client, vous souhaiterez peut-être étiqueter chaque instruction comme une question ou un problème. Lorsque vous utilisez la tâche de classification, vous devez répertorier les libellés de classe que le modèle doit utiliser. Spécifiez les mêmes libellés que ceux utilisés dans vos données d'apprentissage d'optimisation.

5. Sélectionnez vos données d'entraînement dans le projet.

   1. Cliquez sur Sélectionner dans le projet.
   2. Cliquez sur Actif de données.
   3. Sélectionnez le fichier customer plaintes training data.json .
   4. Cliquez sur Sélectionner un actif.
   5. Cliquez sur Démarrer l'optimisation.

Pour prévisualiser cette tâche, regardez la vidéo qui commence à 03:17.

Une fois l'exécution de l'expérimentation terminée, vous voyez le modèle optimisé et le graphique de la fonction de perte. La fonction de perte mesure la différence entre les résultats prévus et les résultats réels à chaque entraînement. Pour afficher le graphique de la fonction de perte et le modèle optimisé, procédez comme suit:

1. Passez en revue le graphique de la fonction de perte. Une courbe en pente descendante signifie que le modèle est en train de mieux générer la sortie attendue.

   

2. Sous le graphique, cliquez sur le modèle optimisé Récapituler les plaintes des clients .

3. Faites défiler les détails du modèle.

4. Cliquez sur Deploy.

5. Pour le nom, entrez:

   Summarize customer complaints tuned model
   

6. Pour l' espace de déploiement cible, sélectionnez un espace de déploiement existant. Si vous ne disposez pas d'un espace de déploiement existant, procédez comme suit:

   1. Pour l' espace de déploiement cible, sélectionnez Créer un nouvel espace de déploiement.

   2. Pour le nom de l'espace de déploiement, entrez:

      Foundation models deployment space
      ```   1. Select a storage service from the list.
      

   3. Sélectionnez votre service d'apprentissage automatique mis à disposition dans la liste.

   4. Cliquez sur Créer.

   5. Cliquez sur Fermer.

   6. Pour l' espace de déploiement cible, vérifiez que Espace de déploiement des modèles Foundation est sélectionné.

7. Cochez l'option Afficher le déploiement dans l'espace de déploiement après la création .

8. Cliquez sur Créer.

9. Sur la page Déploiements , cliquez sur le déploiement Récapituler le modèle optimisé des plaintes des clients pour afficher les détails.

Pour prévisualiser cette tâche, regardez la vidéo qui commence à 04:04.

Vous pouvez tester votre modèle optimisé dans Prompt Lab. Procédez comme suit pour tester votre modèle optimisé:

1. Sur la page de déploiement de modèle, cliquez sur Ouvrir dans le lab d'invite, puis sélectionnez votre projet de bac à sable. L'invite du lab s'affiche.

2. Sélectionnez votre modèle optimisé.

   1. Cliquez sur la liste déroulante des modèles et sélectionnez Afficher tous les modèles de base.
   2. Sélectionnez le modèle Résumé des plaintes des clients-Modèle optimisé .
   3. Cliquez sur Sélectionner un modèle.

3. Dans la page Mode structuré , entrez l' instruction: Summarize customer complaints

4. Dans la page Mode structuré , fournissez les exemples et l'entrée de test.

   Exemple d'entrée et de sortie

   Exemple d'entrée	Exemple de sortie
   J'ai oublié dans ma date initiale que j'utilisais Capital One et cette dette était entre leurs mains et n'a jamais été faite.	Recouvrement de créances, sous-produit: dette par carte de crédit, émission: a pris ou menacé de prendre des mesures négatives ou légales sous-émission
   Je suis victime d'un vol d'identité et cette dette ne m'appartient pas. Veuillez consulter le rapport sur le vol d'identité et l'affidavit juridique.	Recouvrement de créances, dub-produit, je ne sais pas, problème. les tentatives de recouvrement des créances non dues. la dette à l'émission secondaire est le résultat d'un vol d'identité

   
   

5. Dans la zone de texte Try , copiez et collez l'invite suivante:

   After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
   

6. Cliquez sur Généreret passez en revue les résultats.