创建微调

POST

https://api.ninhao.cc/v1/fine-tunes

创建一个从给定数据集微调指定模型的作业。

响应包括排队作业的详细信息，包括作业状态和完成后微调模型的名称。

了解有关微调的更多信息

请求参数

Header 参数

Authorization

string

可选

示例值:

Bearer {{YOUR_API_KEY}}

Body 参数application/json

training_file

string

必需

包含训练数据的上传文件的 ID。有关如何上传文件，请参见上传文件。您的数据集必须格式化为 JSONL 文件，其中每个训练示例都是一个带有键“提示”和“完成”的 JSON 对象。此外，您必须上传带有目的的文件fine-tune。有关详细信息，请参阅微调指南。

validation_file

string

可选

包含验证数据的上传文件的 ID。如果您提供此文件，该数据将用于在微调期间定期生成验证指标。这些指标可以在微调结果文件中查看。您的火车和验证数据应该是互斥的。您的数据集必须格式化为 JSONL 文件，其中每个验证示例都是一个带有键“prompt”和“completion”的 JSON 对象。此外，您必须上传带有目的的文件fine-tune。有关详细信息，请参阅微调指南。

model

string

可选

要微调的基本模型的名称。您可以选择“ada”、“babbage”、“curie”、“davinci”或 2022-04-21 之后创建的微调模型之一。要了解有关这些模型的更多信息，请参阅模型文档。

n_epochs

integer

可选

训练模型的时期数。一个纪元指的是训练数据集的一个完整周期。

batch_size

integer

可选

用于训练的批量大小。批量大小是用于训练单个前向和后向传递的训练示例数。默认情况下，批量大小将动态配置为训练集中示例数量的 0.2%，上限为 256 - 通常，我们发现较大的批量大小往往更适合较大的数据集。

learning_rate_multiplier

number

可选

用于训练的学习率乘数。微调学习率是用于预训练的原始学习率乘以该值。默认情况下，学习率乘数是 0.05、0.1 或 0.2，具体取决于 final batch_size（较大的学习率往往在较大的批量大小下表现更好）。我们建议使用 0.02 到 0.2 范围内的值进行试验，以查看产生最佳结果的值。

prompt_loss_weight

number

可选

用于提示令牌损失的权重。这控制了模型尝试学习生成提示的程度（与权重始终为 1.0 的完成相比），并且可以在完成较短时为训练增加稳定效果。如果提示非常长（相对于完成），则减少此权重以避免过度优先学习提示可能是有意义的。

compute_classification_metrics

boolean

可选

如果设置，我们将在每个时期结束时使用验证集计算特定于分类的指标，例如准确性和 F-1 分数。可以在结果文件中查看这些指标。为了计算分类指标，您必须提供一个 validation_file. 此外，您必须指定classification_n_classes多类分类或 classification_positive_class二元分类。

classification_n_classes

integer

可选

分类任务中的类数。多类分类需要此参数。

classification_positive_class

string

可选

二元分类中的正类。在进行二元分类时，需要此参数来生成精度、召回率和 F1 指标。

classification_betas

array[string]

可选

如果提供，我们将计算指定 beta 值的 F-beta 分数。F-beta 分数是 F-1 分数的推广。这仅用于二进制分类。当 beta 为 1（即 F-1 分数）时，精确率和召回率被赋予相同的权重。Beta 分数越大，召回率越高，精确率越低。Beta 分数越小，精确度越重要，召回率越低。

suffix

string | null

可选

最多 40 个字符的字符串，将添加到您的微调模型名称中。例如，suffix“custom-model-name”的 a 会生成类似ada:ft-your-org:custom-model-name-2022-02-15-04-21-04.

示例

{
  "training_file": "text-similarity-babbage-001"
}

示例代码

Shell

JavaScript

Java

Swift

PHP

Python

HTTP

Objective-C

Ruby

OCaml

Dart

curl --location --request POST 'https://api.ninhao.cc/v1/fine-tunes' \
--header 'Authorization: Bearer ' \
--header 'Content-Type: application/json' \
--data-raw '{
  "training_file": "text-similarity-babbage-001"
}'

返回响应

🟢200成功

application/json

Body

string

必需

object

string

必需

model

string

必需

created_at

integer

必需

events

array [object {4}]

必需

object

string

可选

created_at

integer

可选

level

string

可选

message

string

可选

fine_tuned_model

null

必需

hyperparams

object

必需

batch_size

integer

必需

learning_rate_multiplier

number

必需

n_epochs

integer

必需

prompt_loss_weight

number

必需

organization_id

string

必需

result_files

array[string]

必需

status

string

必需

validation_files

array[string]

必需

training_files

array [object {6}]

必需

string

可选

object

string

可选

bytes

integer

可选

created_at

integer

可选

filename

string

可选

purpose

string

可选

updated_at

integer

必需

示例

{
  "id": "ft-AF1WoRqd3aJAHsqc9NY7iL8F",
  "object": "fine-tune",
  "model": "curie",
  "created_at": 1614807352,
  "events": [
    {
      "object": "fine-tune-event",
      "created_at": 1614807352,
      "level": "info",
      "message": "Job enqueued. Waiting for jobs ahead to complete. Queue number: 0."
    }
  ],
  "fine_tuned_model": null,
  "hyperparams": {
    "batch_size": 4,
    "learning_rate_multiplier": 0.1,
    "n_epochs": 4,
    "prompt_loss_weight": 0.1
  },
  "organization_id": "org-...",
  "result_files": [],
  "status": "pending",
  "validation_files": [],
  "training_files": [
    {
      "id": "file-XGinujblHPwGLSztz8cPS8XY",
      "object": "file",
      "bytes": 1547276,
      "created_at": 1610062281,
      "filename": "my-data-train.jsonl",
      "purpose": "fine-tune-train"
    }
  ],
  "updated_at": 1614807352
}

检索文件内容

列表微调