Rumah >pembangunan bahagian belakang >Tutorial Python >Menyerahkan Kerja Penalaan Halus: Mengatur Tenaga Kerja
Enam Tiga Lapan bergantung pada disiplin dan penyelarasan untuk melaksanakan misi mereka. Kami akan mencerminkan perkara ini dengan membuat dan menyerahkan kerja penalaan halus, membolehkan LLM belajar daripada set data susun atur kami.
Apabila anda membuat kerja penalaan halus melalui client.fine_tuning.job.create(), anda menyerahkan konfigurasi dan set data anda kepada OpenAI untuk latihan. Di bawah ialah parameter utama dan tujuannya.
client.fine_tuning.job.create( model="gpt-3.5-turbo", training_file="train_id", hyperparameters={ "n_epochs": 1 }, validation_file="val_id" )
Menguruskan Kerja Penalaan Halus
Mendapatkan sehingga 10 kerja penalaan halus.
client.fine_tuning.jobs.list(limit=10)
Dapatkan Kerja Tertentu
client.fine_tuning.retrieve("job_id")
Senaraikan Acara untuk Pekerjaan
client.fine_tuning.list_events( fine_tuning_job_id="xxxx", limit=5 )
Ringkasan
Pemilihan Model: Pilih model GPT yang sesuai untuk diperhalusi.
Penyediaan Data: Muat naik fail JSONL dan catatkan ID mereka.
Hiperparameter: Sesuaikan saiz kelompok, kadar pembelajaran dan zaman untuk prestasi optimum.
Pemantauan: Gunakan fail pengesahan, perolehan kerja dan pengelogan acara untuk memastikan model anda berlatih dengan berkesan.
Kebolehulangan: Tetapkan benih jika hasil yang konsisten adalah penting untuk aliran kerja anda.
Dengan mengikut langkah-langkah ini, anda akan mendapat laluan yang jelas untuk menyerahkan dan mengurus kerja penalaan halus anda dalam OpenAI, memastikan model anda dilatih dengan tepat pada data tersuai anda.
Atas ialah kandungan terperinci Menyerahkan Kerja Penalaan Halus: Mengatur Tenaga Kerja. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!