本篇文章讲解如何训练新模型。
视频介绍
定义
模型调优是通过Fine-tuning训练模式提高模型效果的功能模块，作为重要的大模型效果优化方式，用户可以通过构建符合业务场景任务的训练集，调整参数训练模型，训练模型学习业务数据和业务逻辑，最终提高在业务场景中的模型效果。
优势
•推理加速：平台底层默认进行模型压缩和推理加速，屏蔽机器管理和推理加速的技术工作。
•全链路训练平台：丰富、完整的模型训练工具，支持SFT、LoRa等多种优化方式，训练之后支持一键部署。
•多维度评估：支持单模型、多模型对比等多维度评估方式。
训练前的数据准备
训练集：训练所用的数据集，格式一般为Prompt+Completion的文本数据，可通过excel/json进行编辑和上传，最小训练数据条数为40，最大训练数据条数为10000，一条训练数据Prompt+Completion总字符数不高于8000，高于8000的字符数系统将自动截断。通过模型训练可增强模型能力，提升预测效果。
评测集：评测所用的数据集，格式一般为Prompt+Completion的文本数据，评测系统将自动基于Prompt数据预测模型结果，可通过参考评测集中的Completion数据对模型预测结果进行标识，判断模型效果，最小评测数据条数为1，最大条数为5000，Prompt总字符数不高于8000，以实际需要为准。通过模型评测评估模型效果，发现模型问题。
Prompt：即提示词，简单的理解为它是给大模型的指令。它可以是一个问题、一段文字描述，甚至可以是带有一堆参数的文字描述。大模型会基于 prompt 所提供的信息，生成对应的文本或者图片。
Completion：是指根据Prompt输出的对应的答案/内容。
Prompt+Completion类于FAQ的格式。及一问一答的数据内容。
模型微调训练方式
数据准备
准备多少数据做SFT微调训练合适？
SFT微调训练效果受大模型参数及训练数据集数量影响，数据量达到一定阈值后，效果不会再有明显上升。
SFT不同训练任务的数据实验参考
文本分类任务-情感分析：
训练数据量 | 100 | 200 | 500 | 1000 |
准确率 | 0.9559 | 0.9719 | 0.9719 | 0.978 |
文本生成-阅读理解
训练数据量 | 100 | 200 | 500 | 1000 | 2000 |
准确率 | 0.5808 | 0.5992 | 0.6202 | 0.611 | 0.6235 |
序列标注-命名实体识别
训练数据量 | 200 | 500 | 1000 | 2000 | 3000 | 4000 |
准确率 | 0.4749 | 0.5251 | 0.5731 | 0.6164 | 0.6613 | 0.6593 |
句对关系任务-文本匹配
训练数据量 | 100 | 200 | 500 | 1000 |
准确率 | - | 0.7515 | 0.7758 | 0.7828 |
上传数据集
点击训练数据。
支持批量上传，最多同时上传10个训练集。
支持拓展名为xls、xlsx、jsonl。（已提供上传模板文件）
单个文件最大20M。支持文生图、文本训练。
模型调优
点击【模型调优】模块，选择【训练新模型】按照提示进行创建。新增过程的专业名词可查看概念解释学习。
超参配置
企业可以通过参数配置来影响模型调优的过程，从而影响模型调优的效果，不同的参数配置训练的结果不同，一般建议使用默认配置。
开始训练
预览你的训练配置，准备开始训练，开始训练将进入队列，可在模型管理列表刷新状态，同时，可查看训练过程中的相关指标，训练结束后将通过推送通知。
模型调优将产生训练费用，训练价格 0.03元/千tokens ，点击查看产品计费。
计算公式：训练费用=训练集Token数量* 循环次数 *训练单价。
模型调优开始后，就会产生费用（训练失败除外）。
点击查看预估，可以查看本次训练的预估费用。
在训练中的模型可以点击查看了解进度，也可以点击终止训练停止。
模型评测
上传模型数据
路径：。
选择评测方式，页面上方有不同评测方式介绍，按需选择，建议选择单个评测。
评测任务开始后，点击评测，可以自行对数据进行打标。
评测完成后可以点击下载查看评测结果。
如需模型部署，请点击参考模型部署。