Azure OpenAI ファインチューニング
Azure OpenAI モデルを Fine-Tune する方法とW&Bの使用方法。
less than a minute
イントロダクション
Microsoft Azureを使用してGPT-3.5やGPT-4モデルをファインチューニングすることで、W&Bはメトリクスを自動的にキャプチャし、W&Bの実験管理および評価ツールを通じて系統的な評価を促進することで、モデルの性能を追跡し、分析し、改善します。

前提条件
- 公式のAzureドキュメントに従ってAzure OpenAIサービスをセットアップします。
- APIキーを使用してW&Bアカウントを設定します。
ワークフローの概要
1. ファインチューニングのセットアップ
- Azure OpenAIの要件に従ってトレーニングデータを準備します。
- Azure OpenAIでファインチューニングジョブを設定します。
- W&Bはファインチューニングプロセスを自動的に追跡し、メトリクスとハイパーパラメーターをログします。
2. 実験管理
ファインチューニング中、W&Bは以下をキャプチャします:
- トレーニングと検証のメトリクス
- モデルのハイパーパラメーター
- リソースの利用状況
- トレーニングアーティファクト
3. モデルの評価
ファインチューニング後、W&B Weave を使用して以下を行います:
- モデルの出力を参照データセットと比較評価します。
- 異なるファインチューニングのrun間で性能を比較します。
- 特定のテストケースでモデルの振る舞いを分析します。
- モデル選択のためのデータドリブンの意思決定を行います。
実際の例
- 医療メモ生成デモを探索して、このインテグレーションがどのように以下を実現するかをご覧ください:
- ファインチューニング実験の体系的な追跡
- ドメイン固有のメトリクスを使用したモデルの評価
- ノートブックのファインチューニングのインタラクティブデモを体験してください。
追加リソース
[i18n] feedback_title
[i18n] feedback_question
Glad to hear it! If you have further feedback, please let us know.
Sorry to hear that. Please tell us how we can improve.