Modelle und Training
Entwickeln Sie ein Modell für die Aufgabe, die es erfüllen soll.
Vergleichen Sie Modelle, bereiten Sie eine wiederholbare Trainingskonfiguration vor und begleiten Sie den Durchlauf bis zu einer Modellversion, die Sie evaluieren und bereitstellen können. Nutzen Sie Training, wenn die Aufgabe es erfordert, zusammen mit angebundenem Wissen und Tools.
Welche Funktionen für das Modelltraining bietet Bibha?
Bibha unterstützt Modellauswahl und -vergleich, Trainingsrezepte, Fine-Tuning, Durchläufe, Fortschrittsprotokolle, Checkpoints und Modellversionen. Teams können Experimente vergleichen, unterstützte Durchläufe abbrechen oder wiederherstellen, ausgewählte Versionen zur Bereitstellung übergeben und die passende Modellgröße prüfen. Unterstützte Trainingskombinationen und zulässige Modellexporte werden anhand von Modell, Lizenz und Zusammenarbeit festgelegt.
Wählen Sie ein Modell anhand der Aufgabe.
Zuerst wird entschieden, was das Modell leisten muss: welche Eingaben es erhält, welches Ergebnis das Unternehmen benötigt und unter welchen Bedingungen es läuft. Vergleichen Sie Kandidaten anhand dieser Aufgabe, bevor Sie entscheiden, wie viel Anpassung sinnvoll ist.
Modelle
Organisieren Sie die Modelle für Entwicklung und Produktion. Beginnen Sie mit einem unterstützten externen Modell oder einem Modell, das Sie selbst trainieren und anpassen.
Vergleich der Modelleignung
Vergleichen Sie Kandidaten anhand derselben Aufgabe, Qualitätskriterien und Betriebsbedingungen. Richten Sie den Vergleich an der Arbeit aus, die das Modell tatsächlich leisten wird.
Unterstützte Trainingskombinationen
Prüfen Sie unterstützte Modelle, Methoden, Größen und Datenmodalitäten, bevor Sie sich auf einen Trainingsansatz festlegen. Bestätigen Sie die für die Aufgabe benötigte Kombination.
Machen Sie die Anpassungskonfiguration wiederholbar.
Fine-Tuning passt ein unterstütztes Modell anhand von Beispielen der vorgesehenen Aufgabe an. Ein Rezept hält die Konfiguration fest, damit das Team das Vorgehen verstehen und wiederverwenden kann, statt es aus einem einzelnen Ergebnis rekonstruieren zu müssen.
Trainingsrezepte
Halten Sie eine wiederverwendbare Konfiguration für eine Trainings- oder Anpassungsaufgabe fest. Machen Sie das gewählte Modell, die Daten und die Methode für die Prüfverantwortlichen nachvollziehbar.
Fine-Tuning
Passen Sie ein unterstütztes Modell mit freigegebenen, aufgabenspezifischen Beispielen an. Prüfen Sie das daraus entstehende Verhalten anhand der Aufgabe, statt einen abgeschlossenen Trainingslauf automatisch als Verbesserung zu betrachten.
Sehen Sie, was ausgeführt wurde und wo Handlungsbedarf besteht.
Ein Trainingslauf verbindet die ausgewählten Daten, das Modell und das Rezept mit einer Ausführung. Fortschritt und Ergebnis liefern dem Team den nötigen Kontext, um Fehler zu untersuchen und den nächsten Versuch zu vergleichen.
Trainingsläufe
Verwalten Sie eine konkrete Ausführung mit den gewählten Daten, dem Modell und dem Rezept. Dokumentieren Sie die ausgeführte Arbeit und ihr Ergebnis.
Trainingsfortschritt und Protokolle
Prüfen Sie Fortschritt, Ressourcenverbrauch und Fehler eines Durchlaufs. Nutzen Sie diese Informationen, um laufende Arbeit oder bestehenden Handlungsbedarf zu verstehen.
Abbruch und Wiederherstellung von Durchläufen
Stoppen Sie nicht mehr gewünschte Arbeit und stellen Sie unterstützte unterbrochene Durchläufe wieder her. Die Wiederherstellung richtet sich nach den Möglichkeiten der ausgewählten Trainingskonfiguration.
Vergleichen Sie die Kandidaten und bewahren Sie das Ergebnis auf.
Mehrere Durchläufe können plausible Kandidaten liefern. Ein Vergleich anhand gemeinsamer Kriterien verbindet die Modellauswahl mit Nachweisen. Checkpoints und Versionen halten das Entwicklungsergebnis identifizierbar.
Vergleich von Durchläufen
Vergleichen Sie Modellentwicklungsexperimente anhand gemeinsamer Kriterien. Entscheiden Sie anhand der Ergebnisse, welcher Kandidat weiter evaluiert werden sollte.
Checkpoints
Bewahren Sie während eines Trainingslaufs gespeicherte Modellzustände auf. Erhalten Sie Kandidaten, die innerhalb des unterstützten Entwicklungsprozesses evaluiert oder verwendet werden können.
Modellversionen
Identifizieren und verwalten Sie unterschiedliche Entwicklungsstände eines Modells. Machen Sie die ausgewählte Version für abhängige Anwendungen und Teams eindeutig erkennbar.
Verbinden Sie das Entwicklungsergebnis mit dem Betrieb.
Modellentwicklung sollte ein Ergebnis liefern, das die Anwendung in ihrer vorgesehenen Umgebung nutzen kann. Neben der Modellqualität gehören die Eignung für die Bereitstellung und die Rechte an zulässigen Liefergegenständen in diese Entscheidung.
Übergabe zur Modellbereitstellung
Machen Sie eine ausgewählte Modellversion für Anwendungen verfügbar. Verbinden Sie das abgenommene Entwicklungsergebnis mit einem nutzbaren Modelldienst.
Modellexport und Kundenrechte
Gewähren Sie vereinbarten Zugriff auf zulässige Modellartefakte und dokumentieren Sie die zugehörigen Rechte. Die Liefergegenstände hängen von der zugrunde liegenden Modelllizenz und der Kundenvereinbarung ab.
Prüfen Sie, ob ein anderes Modell besser zum Betrieb passt.
Ein größeres Modell ist nicht automatisch für jede Aufgabe die richtige Wahl. Ein sinnvoller Vergleich betrachtet das Modell und seine Betriebsanforderungen, ohne die geforderte Qualität aus dem Blick zu verlieren.
Passende Modellgröße
Evaluieren Sie, ob ein kleineres oder anderes Modell die geforderte Qualität erreicht. Bewerten Sie die betrieblichen Vor- und Nachteile anhand der tatsächlichen Arbeitslast, ohne eine Einsparung vorauszusetzen.
Entscheiden Sie sich aus gutem Grund für Training.
Manche Aufgaben können mit einem unterstützten externen Modell und angebundenem Wissen beginnen. Andere benötigen wiederholte Beispiele eines speziellen Verhaltens oder Ausgabeformats. Unser Team hilft, diese Entscheidung mit den nötigen Arbeiten an Daten, Evaluierung und Bereitstellung zu verbinden.
Bringen Sie die Aufgabe, repräsentative Eingaben und ein für Ihr Team akzeptables Ergebnis mit. Wir können das Vorgehen bei der Modellentwicklung und die dafür benötigte Unterstützung besprechen.
Fragen und Antworten
Nein. Sie können mit einem unterstützten externen Modell beginnen und es mit Wissen und Tools verbinden. Training oder Fine-Tuning ist sinnvoll, wenn die Aufgabe Änderungen am Modellverhalten anhand Ihrer Beispiele erfordert.
Ein Rezept beschreibt eine wiederverwendbare Trainings- oder Anpassungskonfiguration. Ein Durchlauf ist eine Ausführung mit einem Modell, Daten und einer Konfiguration. Ein Checkpoint ist ein während der Entwicklung gespeicherter Modellzustand, der für Evaluierung oder Nutzung aufbewahrt werden kann.
Ja. Bibha unterstützt den Vergleich von Durchläufen anhand gemeinsamer Kriterien. Ergänzen Sie diesen Vergleich um Modellevaluierungen und die Betriebsanforderungen der Anwendung, bevor Sie eine Version zur Bereitstellung auswählen.
Bibha unterstützt den Abbruch und die Wiederherstellung unterstützter Durchläufe. Das Verhalten bei der Wiederherstellung hängt vom gewählten Modell, der Methode und der Trainingskonfiguration ab. Ein gespeicherter Checkpoint bedeutet keine uneingeschränkte Wiederherstellungsmöglichkeit für jede Kombination.
Bibha unterstützt den vereinbarten Zugriff auf zulässige Modellartefakte. Export, erlaubte Nutzung und zugehörige Rechte hängen von der Modelllizenz und der Kundenvereinbarung ab. Deshalb werden diese Liefergegenstände für die Zusammenarbeit festgelegt.