Skip to main content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
追加リソース
Platform
W&B Models
W&B Weave
W&B Inference
W&B Training
Release Notes