Décision d’architecture
Tester la méthode d'ajustement sur un petit ensemble de données représentatif. Garder l'évaluation du modèle séparée de la perte d'entraînement.
GLOBALATLAS AI · Fine-tuning
Ajustement fin
L'ajustement fin adapte un modèle pré-entraîné. La méthode complète ou efficace en paramètres a des exigences mémoire différentes.
Choisir ce qui sera mis à jour
- 01
Ajustement complet ou méthode efficace en paramètres
- 02
Longueur de séquence, lot et précision numérique
- 03
Jeu d'évaluation et points de contrôle versionnés
Exigences de configuration
Spécifier la méthode, la précision, la longueur de la séquence et la taille du lot. Garder les données d'entraînement et les points de contrôle dans un stockage persistant.