Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Passen Sie ein Modell mit Feinabstimmungen in Amazon Bedrock an
Mit Amazon Bedrock können Sie ein Basismodell trainieren, um die Leistung bei bestimmten Aufgaben zu verbessern (bekannt als Feinabstimmung). Informationen zur Feinabstimmung von Modellen finden Sie unter Amazon Nova Modelle. Fine-tuning Amazon Nova
Unterstützte Modelle und Regionen für die Feinabstimmung
In der folgenden Tabelle sind die Basismodelle aufgeführt, die Sie verfeinern können:
| Anbieter | Modell | Modell-ID | Single-region Unterstützung von Modellen |
|---|---|---|---|
| Amazon | Nova 2 Lite | amazon.nova-2-lite-v 1:0:256 k |
us-east-1 |
| Amazon | Nova Canvas | amazon.nova-canvas-v1:0 |
us-east-1 |
| Amazon | Nova Lite | amazon.nova-lite-v1:0:300k |
us-east-1 |
| Amazon | Nova Micro | amazon.nova-micro-v1:0:128k |
us-east-1 |
| Amazon | Nova Pro | amazon.nova-pro-v1:0:300k |
us-east-1 |
| Amazon | Titan Image Generator G1 v2 | amazon.titan-bildgenerator-v 2:0 |
us-east-1 us-west-2 |
| Amazon | Titan Multimodal Embeddings G1 | amazon.titan-embed-image-v1:0 |
us-east-1 us-west-2 |
| Anthropic | Claude 3 Haiku | anthropic.claude-3-haiku-20240307-v1:0:200k |
us-west-2 |
| Meta | Llama 3.1 70B Instruct | meta.llama3-1-70b-instruct-v1:0:128k |
us-west-2 |
| Meta | Llama 3,1 8B Instruct | meta.llama3-1-8b-instruct-v1:0:128k |
us-west-2 |
| Meta | Llama 3.2 11B Instruct | meta.llama3-2-11b-instruct-v 1:0:128 k |
us-west-2 |
| Meta | Llama 3.2 1B Instruct | meta.llama3-2-1b-instruct-v1:0:128k |
us-west-2 |
| Meta | Llama 3.2 3B Instruct | meta.llama3-2-3b-instruct-v1:0:128k |
us-west-2 |
| Meta | Llama 3.2 90B Instruct | meta.llama3-2-90b-instruct-v 1:0:128 k |
us-west-2 |
| Meta | Llama 3.3 70B Instruct | meta.llama3-3-70b-instruct-v1:0:128k |
us-west-2 |
Hinweise zu Hyperparametern zur Modellanpassung für jedes Modell finden Sie unter. Hyperparameter für benutzerdefinierte Modelle
