Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

Gemini : 機能 : Google AI Studio によるモデル調整

Posted on 05/13/202405/15/2024 by Sales Information

Gemini : 機能 : モデル調整 – Google AI Studio によるモデル調整

作成 : クラスキャット セールスインフォメーション
作成日時 : 05/13/2024

* 本ページは、ai.google.dev の以下のページを独自に翻訳して、適宜、補足説明したものです :

  • Tune a model with Google AI Studio

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

クラスキャット 人工知能 研究開発支援サービス

◆ クラスキャット は人工知能・テレワークに関する各種サービスを提供しています。お気軽にご相談ください :

ClassCat Chatbot

  • 人工知能研究開発支援
    1. 人工知能研修サービス(経営者層向けオンサイト研修)
    2. テクニカルコンサルティングサービス
    3. 実証実験(プロトタイプ構築)
    4. アプリケーションへの実装

  • 人工知能研修サービス

  • PoC(概念実証)を失敗させないための支援
◆ 人工知能とビジネスをテーマに WEB セミナーを定期的に開催しています。スケジュール。
  • お住まいの地域に関係なく Web ブラウザからご参加頂けます。事前登録 が必要ですのでご注意ください。

◆ お問合せ : 本件に関するお問い合わせ先は下記までお願いいたします。

  • クラスキャット セールス・マーケティング本部 セールス・インフォメーション
  • sales-info@classcat.com  ;  Website: www.classcat.com  ;   ClassCatJP

 

 

Gemini : 機能 : モデル調整 – Google AI Studio によるモデル調整

アプリケーションを Gemini 人工知能 (AI) モデルを使用して構築する際、モデルが指示やリクエストにどのように応答するかについて、自由形式のプロンプトや構造化プロンプトで可能なことよりも、より強力なガイダンスを提供することを望むかもしれません。モデル調整はモデルの動作をより大幅に変更することができて、また典型的なプロンプトで適合させるよりもかなり多くの訓練サンプルデータを必要とします。調整済みモデルのもう一つの恩恵は、それらが一つよりも多いプロンプトで使用できることです。モデル調整の詳細については、モデル調整ガイド をご覧ください。

このガイドは Google AI Studio で調整モデルを作成して使用する方法を説明します。

 

調整用データセットの作成

モデルの調整は標準的なプロンプティング技術よりも多くのサンプル、あるいは訓練データを必要とします。20 サンプルほどの少量でもモデルを調整することはできます。一般に、モデルの動作を大きく変えるには 100 から 500 のサンプルが必要です。このサイズ、あるいはそれ以上の訓練データセットを持たない場合は、まずは構造化プロンプトを使用してみてください、この機能は 3 つか 4 つほどに少ない訓練サンプルを使用してモデルの動作をガイドすることができます。

調整用データセットで提供する訓練サンプルは応答を生成する際に生成モデルを誘導 (ガイド) します。最小限、データセットの各レコードは、プロンプト指示を表す入力値と、生成モデルからの期待される応答を表す、出力値を持つ必要があります。

ここにこのプロンプトに対する入力と出力値のサンプルがあります。ここでは、商品名がモデルへの入力、あるいはプロンプトで、商品コピーが期待される出力です :

商品名 (入力) 商品のコピー (出力)
伝統的な (old-school) スニーカー Let’s lace up! These kicks bring an iconic look and a one of a kind color palette, while supporting you in style and function like no other shoe before.
スーパーソフト・パーカー Stay cozy and stylish in our new unisex hoodie! Made from 100% cotton, this hoodie is soft and comfortable to wear all day long. The semi-brushed inside will keep you warm on even the coldest days.

訓練データセットは複数の入力と複数の出力を含むことができて、少なくとも各レコードについて一つの入力と一つの出力を持つ必要があります。AI Studio の 構造化プロンプト ユーザインターフェイスを使用してデータセットを作成したり、カンマ区切り値 (CSV) データファイルや Google スプレッドシートからデータをインポートすることができます。

 

調整モデルの作成

調整用データセットを作成したら、データセットを供給して幾つかの構成パラメータを設定することで、AI Studio で Gemini モデルの調整バージョンを構築できます。必要な入力を供給したら、システムは調整済みモデルを作成します、そしてそれをプロンプトで使用できます。

調整モデルを作成するには :

  1. AI Studio web app 内、インターフェイスの左側で、Tuned model オプションを選択します。

  2. Select Data for tuning ダイアログで、Structured prompt を選択して調整用データセットに接続するか、Import ボタンを押してカンマ区切り値 (.CSV) 形式ファイルか Google スプレッドシートのデータをロードします。

  3. Tuned model name フィールドに、調整モデル用の名前を入力します。この名前は、調整操作が完了すれば、選択可能なモデルとして表示されます。

  4. Description フィールドには、オプションの調整モデルの説明を入力します。

  5. Model フィールドでは、調整モデル用のベースとして使用したい基礎モデルを選択します。

  6. 調整モデルを作成するための Advanced settings もオプションで設定できます。これらの設定の詳細は、モデル調整ガイド をご覧ください。

  7. Tune を選択して調整モデルを作成するプロセスを開始します。

システムによる調整版の構築は、サイズやデータセット、指定したエポック数、現在のシステムロードに依存して、数分あるいはそれ以上かかる場合があります。アプリケーションの左側の My Library を選択して調整モデルの名前を探せば、調整プロセスの状態を確認できます。

 

調整済みモデルの使用

モデル調整のビルドが完了したら、プロンプトで使用するモデルを選択できます。プロンプトが調整用データセットのサンプル構造に従う限りは、調整済みモデルを既存の、または新しい自由形式や構造化プロンプトを使用して調整済みモデルを使用できます。

調整済みモデルを使用するには :

  1. AI Sudio web app で、既存のプロンプトをオープンするか、新しいものを開始します。

  2. Run settings セクションで、Model ドロップダウンを選んで、調整済みモデルの名前を選択します。

  3. プロンプトを構成または更新して Run を選択して調整済みモデルを使用します。

調整は、生成モデルの動作を変化させるには大量のデータを必要とします。プロンプトが望ましい動作を生成していない場合、調整用データセット、調整パラメータを評価し、より多くのサンプルを追加することを検討してください。

 

以上



クラスキャット

最近の投稿

  • LangGraph 0.5 on Colab : Get started : Tavily Web 検索ツールの追加
  • LangGraph 0.5 on Colab : Get started : カスタム・ワークフローの構築
  • LangGraph 0.5 on Colab : Get started : クイックスタート
  • LangGraph on Colab : SQL エージェントの構築
  • LangGraph on Colab : マルチエージェント・スーパーバイザー

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (24) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Graphics (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2024年5月
月 火 水 木 金 土 日
 12345
6789101112
13141516171819
20212223242526
2728293031  
« 4月   6月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme