Crie um trabalho de ajuste fino para modelos de geração de imagens. É possível carregar conjuntos de dados via API ou montá-los a partir do OSS.
Pré-requisitos
- Regiões suportadas: Os recursos descritos neste documento estão disponíveis apenas na região Singapore. Use uma API Key desta região.
- Permissões da conta: Se utilizar uma Alibaba Cloud sub-account (RAM user), conceda à subconta as permissions de invocação, treinamento e implantação de modelos.
- Configuração de variáveis de ambiente: Você já obtained an API Key e a configured it as an environment variable.
- Preparação: Leia a documentação sobre Fine-tune image generation models para compreender os modelos compatíveis com ajuste fino, as etapas do processo, os formatos de dados e as instruções de faturamento.
Crie um trabalho de ajuste fino
China (Beijing)
POST https://dashscope.aliyuncs.com/api/v1/fine-tunes
- Singapore
POST https://dashscope-intl.aliyuncs.com/api/v1/fine-tunesNo Windows CMD, substitua$DASHSCOPE_API_KEYpor%DASHSCOPE_API_KEY%. No PowerShell, use$env:DASHSCOPE_API_KEY
Parâmetros da requisição | |||||||||||||
Cabeçalhos | |||||||||||||
Content-Type string (Obrigatório)Valor fixo: application/json | |||||||||||||
Authorization string (Obrigatório)Autenticação via API Key. Formato: Bearer sk-xxxx. | |||||||||||||
Corpo da requisição | |||||||||||||
model string (Obrigatório)Especifica o modelo base para ajuste fino.
| |||||||||||||
training_file_ids array[string] (Condicionalmente obrigatório)Array de IDs de arquivos do conjunto de dados de treinamento. Aceita múltiplos IDs. Mutuamente exclusivo com training_datasets. Caso utilize training_datasets, este campo é dispensável. Obtenha os IDs dos arquivos pela Upload File API. | |||||||||||||
validation_file_ids array[string] (Opcional)Array de IDs de arquivos do conjunto de dados de validação. Aceita múltiplos IDs. Mutuamente exclusivo com validation_datasets. Se utilizar validation_datasets, este parâmetro torna-se dispensável. Na ausência de ambos, o sistema divide automaticamente o conjunto de treinamento. Obtenha os IDs dos arquivos pela Upload File API. | |||||||||||||
training_type string (Obrigatório)Tipo de ajuste fino. Atualmente, suporta apenas efficient_sft (ajuste fino eficiente LoRA). | |||||||||||||
hyper_parameters object (Opcional)Configure hiperparâmetros. Para treinamentos iniciais, mantenha os valores padrão. Se o desempenho do modelo for insatisfatório ou se o treinamento não convergir, ajuste parâmetros como max_steps ou learning_rate.
Propriedades dos hiperparâmetros max_steps int (Obrigatório)Total de etapas de treinamento. Parâmetro central que controla a duração do treinamento. Valor recomendado: 800.O max_steps define o número de iterações, enquanto o max_token_length determina o volume de dados processado em cada etapa.Use no mínimo 500 etapas para garantir convergência adequada do modelo. Em conjuntos de dados maiores, aumente a quantidade de etapas.eval_steps int (Obrigatório)Intervalo de validação. Valor recomendado: 200. O valor deve ser >= 0. Define quantas etapas ocorrem entre cada avaliação de validação durante o treinamento, servindo para monitorar periodicamente o progresso do modelo. O arquivo do modelo na etapa atual também é salvo.learning_rate float (Obrigatório)Taxa de aprendizado. Valor recomendado: 3e-5. Controla a magnitude das atualizações dos pesos do modelo. Valores muito altos podem degradar o modelo; valores muito baixos podem resultar em alterações insignificantes.generation_type string (Obrigatório)Modo de geração. Determina o formato dos dados de treinamento e o método de inferência. Valores válidos:
string (Obrigatório)Resolução máxima das imagens de treinamento. Estabelece o limite superior para a contagem total de pixels (largura x altura) das imagens no conjunto de treinamento. O sistema redimensiona apenas as imagens que excedem esse valor; as demais permanecem inalteradas. Mantenha os três parâmetros de resolução (max_pixels, max_token_length, val_img_size) consistentes entre si.
string (Obrigatório)Resolução de geração de imagens de validação. Representa a resolução alvo para as imagens geradas durante a avaliação de validação no treinamento. Os valores válidos são os mesmos de max_pixels. Valor recomendado: 2k para texto para imagem e 1k para imagem para imagem.max_token_length string (Obrigatório)Comprimento máximo de tokens por etapa de treinamento, afetando a computação e o faturamento por etapa. Em conjunto com max_steps, controla o processo de treinamento: max_steps define o número de iterações, enquanto max_token_length determina o volume de dados por etapa. Valores válidos:
float (Obrigatório)Recorte de gradiente. Valor recomendado: 0,5. Limiar para recorte da norma global do gradiente em todos os parâmetros treináveis, evitando explosão do gradiente. Defina como -1 para desativar o recorte.weight_decay float (Obrigatório)Decaimento de peso. Valor recomendado: 0,02. Coeficiente de decaimento de peso desacoplado do AdamW, aplicado a todos os parâmetros treináveis para regularização e prevenção de overfitting.lora_rank int (Obrigatório)Rank das matrizes de baixo rank do LoRA. Valor recomendado: 32. Este valor determina a quantidade de parâmetros de ajuste fino. Um valor maior oferece maior capacidade de ajuste do modelo, mas reduz a velocidade de treinamento. O valor deve ser uma potência de 2n (ex.: 16, 32, 64).save_total_limit int (Opcional)Número máximo de checkpoints a salvar. Valor recomendado: 10. Limita a quantidade máxima de modelos salvos. O sistema mantém sempre apenas os últimos N checkpoints gerados durante o treinamento.split float (Opcional)Proporção de divisão do conjunto de treinamento. Valor recomendado: 0,9. Faixa de valores: (0, 1). Aplica-se apenas quando nem validation_file_ids nem validation_datasets forem especificados. Este parâmetro divide automaticamente uma parte do conjunto de treinamento para servir como conjunto de validação. Por exemplo, 0,9 significa 90% para treinamento e 10% para validação. | |||||||||||||
training_datasets Array of Dataset (Condicionalmente obrigatório)Lista de arquivos do conjunto de dados de treinamento. Mutuamente exclusivo com training_file_ids. Se utilizar training_file_ids, este parâmetro é dispensável.
Estrutura do conjunto de dados data_source_type string (Obrigatório)Tipo de source de dados. Valores válidos:
object (Condicionalmente obrigatório)Necessário quando data_source_type é oss_mount. Informações de montagem do OSS.
Propriedades region string (Obrigatório)Região do Bucket OSS a montar. Suporta Beijing (cn-beijing) e Singapore (ap-southeast-1).bucket string (Obrigatório)Nome do Bucket OSS a montar.file_path string (Obrigatório)Caminho do arquivo OSS (chave do objeto) a montar. Para conjuntos de dados com múltiplos arquivos, use o caminho do arquivo data.jsonl. Diferentemente da abordagem com file_id, carregue toda a pasta do conjunto de dados descompactada no OSS. Arquivos Zip não são suportados.string (Condicionalmente obrigatório)Necessário quando data_source_type é file_id. ID do arquivo, gerado pela Upload File API. | |||||||||||||
validation_datasets Array of Dataset (Opcional)Lista de arquivos do conjunto de dados de validação. A estrutura é idêntica à de training_datasets.Mutuamente exclusivo com validation_file_ids. Se nenhum dos dois for fornecido, o sistema realiza uma divisão automática do conjunto de treinamento. | |||||||||||||
job_name string (Opcional)Nome do trabalho de ajuste. | |||||||||||||
model_name string (Opcional)Nome do modelo após a conclusão do ajuste. |
Parâmetros da resposta |
Campos principais: output.job_id (ID do Trabalho), output.finetuned_output (Nome do novo modelo produzido após o ajuste fino). |
request_id stringIdentificador único da requisição. | |
output objectDetalhes do trabalho.
Propriedades job_id stringIdentificador único do trabalho de ajuste fino, usado para consultar detalhes, logs, cancelar ou excluir o trabalho. Regra de geração: ft-{yyyyMMddHHmm}-{4-digit uuid}.job_name stringNome do trabalho de ajuste fino.status stringStatus do trabalho de ajuste fino:
stringID do novo modelo produzido após o ajuste fino, usado para implantação e invocação. Retornado quando o status do trabalho é SUCCEEDED.model stringModelo base utilizado.base_model stringModelo base utilizado.training_file_ids arrayCampo legado para compatibilidade retroativa. Novos trabalhos sempre retornam um array vazio. Use training_datasets.training_datasets Array of DatasetLista dos conjuntos de dados de treinamento.validation_file_ids arrayCampo legado para compatibilidade retroativa. Novos trabalhos sempre retornam um array vazio. Use validation_datasets.validation_datasets Array of DatasetLista dos conjuntos de dados de validação. Retorna um array vazio caso nenhum conjunto de validação seja especificado.hyper_parameters objectHiperparâmetros efetivamente utilizados.training_type stringMétodo de treinamento para ajuste fino do modelo.create_time stringHorário de criação do trabalho.end_time stringHorário de término do trabalho. Retornado quando o status do trabalho é SUCCEEDED, FAILED ou CANCELED.usage integerQuantidade de tokens consumidos pelo trabalho de ajuste fino. Retornado quando o status do trabalho é SUCCEEDED ou CANCELED.workspace_id stringID do workspace associado à API Key do Alibaba Cloud Model Studio. Consulte Get the Workspace ID.user_identity stringIdentidade do usuário, correspondente ao ID da conta Alibaba Cloud.creator stringID da conta Alibaba Cloud do criador.modifier stringID da conta Alibaba Cloud do modificador.group stringGrupo do trabalho de ajuste fino.max_output_cnt integerNúmero máximo de checkpoints salvos durante o treinamento. Corresponde ao valor do hiperparâmetro save_total_limit. | |
code stringCódigo de erro. Retornado quando a chamada falha. Consulte a tabela de códigos de erro abaixo. | |
message stringDescrição detalhada do erro. Retornado quando a chamada falha. |
Códigos de erro
Se a chamada falhar e retornar uma mensagem de erro, consulte a tabela a seguir para solucionar o problema.
Código de status HTTP | Código de erro | Solução |
|---|---|---|
400 | InvalidParameter | Erro de parâmetro, parâmetro ausente ou problema de formato. Corrija os parâmetros com base na mensagem de erro. |
400 | UnsupportedOperation | Não é possível operar o recurso neste estado específico. Aguarde até que o recurso atinja um estado operável antes de executar a operação. |
404 | NotFound | O recurso a consultar ou operar não existe. Verifique se o ID do recurso está incorreto. |
409 | Conflict | Já existe uma instância de implantação com o mesmo nome. Especifique um sufixo para diferenciar. |
429 | Throttling | A criação de recursos atingiu um limite da plataforma. Exclua modelos que não estejam mais em uso. |
500 | InternalError | Erro interno. Anote o request_id e entre em contato com os engenheiros da Alibaba Cloud abrindo um ticket para solução de problemas. |