Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Envoi d’un modèle de tâche de distillation de modèles dans Amazon Bedrock Vous pouvez effectuer la distillation du modèle via la console Amazon Bedrock ou en envoyant une [CreateModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateModelCustomizationJob.html)demande avec un point de terminaison du [plan de contrôle Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp). ## Conditions préalables + Créez un rôle de service IAM avec les autorisations requises. Pour obtenir des informations complètes sur la sécurité et les autorisations, consultez[Personnalisation, accès et sécurité des modèles](custom-model-job-access-security.md). + (Facultatif) Chiffrez les données d’entrée et de sortie, votre tâche de personnalisation ou les demandes d’inférence adressées à des modèles personnalisés. Pour de plus amples informations, veuillez consulter [Chiffrement de modèles personnalisés](encryption-custom-job.md). + (Facultatif) Créez un Virtual Private Cloud (VPC) pour protéger votre tâche de personnalisation. Pour de plus amples informations, veuillez consulter [(Facultatif) Protection de vos tâches de personnalisation de modèles à l’aide d’un VPC](custom-model-job-access-security.md#vpc-model-customization). Pour plus d'informations sur la configuration de l'inférence à la demande, consultez[Configuration de l’inférence pour un modèle personnalisé](model-customization-use.md). ## Envoi de votre tâche ------ #### [ Console ] 1. Connectez-vous au AWS Management Console avec une identité IAM autorisée à utiliser la console Amazon Bedrock. Ouvrez ensuite la console Amazon Bedrock à l'adresse [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock) 1. Dans le volet de navigation de gauche, choisissez **Modèles personnalisés** sous **Régler**. 1. Choisissez **Créer une tâche de distillation**. 1. Pour **Détails du modèle distillé**, effectuez les opérations suivantes : 1. Pour **Nom du modèle distillé**, saisissez le nom de votre modèle distillé. 1. (Facultatif) Pour **Chiffrement du modèle**, cochez la case si vous souhaitez fournir une clé KMS afin de chiffrer votre tâche et les artefacts associés. Pour de plus amples informations, veuillez consulter [Chiffrement de modèles personnalisés](encryption-custom-job.md). 1. (Facultatif) Appliquez des **balises** à votre modèle distillé. 1. Sous **Configuration de la tâche**, procédez comme suit : 1. Pour **Nom de la tâche**, saisissez un nom pour votre tâche de distillation. 1. (Facultatif) Pour **Chiffrement du modèle**, cochez la case si vous souhaitez fournir une clé KMS afin de chiffrer votre tâche et les artefacts associés. Pour de plus amples informations, veuillez consulter [Chiffrement de modèles personnalisés](encryption-custom-job.md). 1. (Facultatif) Appliquez des **balises** à votre tâche. 1. Pour **Détails modèle enseignant – modèle étudiant**, choisissez les modèles enseignant et étudiant pour créer votre modèle distillé. Pour de plus amples informations, veuillez consulter [Prérequis pour la distillation à l'aide d'un modèle](prequisites-model-distillation.md). 1. Pour **Génération de données synthétiques**, procédez comme suit : 1. Pour **Longueur de réponse maximale**, spécifiez la longueur maximale des réponses synthétiques générées par le modèle enseignant. 1. Pour **Jeu de données d’entrée de distillation**, choisissez l’une des options suivantes : + **Chargement direct vers l’emplacement S3** : spécifiez l’emplacement S3 où vous stockez le jeu de données d’entrée (invites) qui sera utilisé pour la distillation. Pour de plus amples informations, veuillez consulter [Option 1 : fournir vos propres invites pour la préparation des données](distillation-data-prep-option-1.md). + **Fournir un accès aux journaux d’invocation** : spécifiez l’emplacement S3 où vous stockez les journaux d’invocation avec le jeu de données d’entrée (invites) qui sera utilisé pour la distillation. Pour de plus amples informations, veuillez consulter [Option 2 : utilisation des journaux d’invocation pour la préparation des données](distillation-data-prep-option-2.md). + (Facultatif) Pour **Filtres de métadonnées des demandes**, spécifiez des filtres si vous souhaitez qu’Amazon Bedrock n’utilise que certaines invites de vos journaux pour la distillation. + Choisissez **Lire les invites** ou **Lire les paires invite-réponse** en fonction de ce à quoi vous souhaitez qu’Amazon Bedrock accède à partir de vos journaux. N’oubliez pas que les réponses ne sont lues que si votre modèle enseignant correspond au modèle indiqué dans vos journaux. 1. Pour **Sortie de distillation**, spécifiez l’emplacement S3 où vous souhaitez charger les métriques et les rapports relatifs à votre tâche de distillation. Pour de plus amples informations, veuillez consulter [Analyse des résultats d’une tâche de personnalisation de modèlesRésultats des tâches de personnalisation d’un modèle](model-customization-analyze.md). 1. Pour **Paramètres VPC**, choisissez une configuration VPC pour accéder au compartiment S3 contenant vos données d’entraînement. Pour de plus amples informations, veuillez consulter [(Facultatif) Protection de vos tâches de personnalisation de modèles à l’aide d’un VPC](custom-model-job-access-security.md#vpc-model-customization). 1. Pour **Accès au service**, spécifiez le rôle IAM afin d’accéder au compartiment S3 avec vos données d’entraînement. À moins que vous n’utilisiez un profil d’inférence entre régions ou des configurations VPC, vous pouvez créer le rôle dans la console Amazon Bedrock avec les autorisations appropriées configurées automatiquement. Vous pouvez également utiliser un rôle de service existant. Pour une tâche comportant des configurations Amazon VPC ou utilisant un profil d’inférence entre régions, vous devez créer un nouveau rôle de service dans IAM doté des autorisations requises. Pour de plus amples informations, veuillez consulter [Création d’un rôle de service IAM pour la personnalisation du modèle](custom-model-job-access-security.md#custom-model-job-service-role). 1. Choisissez **Créer une tâche de distillation** pour démarrer la tâche de distillation. Après avoir personnalisé un modèle, vous pouvez configurer l’inférence pour le modèle. Pour de plus amples informations, veuillez consulter [Configuration de l’inférence pour un modèle personnalisé](model-customization-use.md). ------ #### [ API ] Vous devez au minimum fournir les champs suivants pour envoyer votre tâche de distillation de modèles lorsque vous utilisez l’API Amazon Bedrock. **** | Champ | Description | | --- | --- | | baseModelIdentifier | Identifiant du modèle étudiant | | customModelName | Nom du nouveau modèle distillé | | jobName | Nom de la tâche de distillation de modèles | | roleArn | Rôle autorisant Amazon Bedrock à lire les fichiers d’entraînement et de validation et à écrire dans le chemin de sortie | | trainingDataConfig | Chemin d’accès Amazon S3 contenant vos données d’entraînement | | outputDataConfig | Chemin d’accès Amazon S3 contenant vos métriques d’entraînement et de validation | | distillationConfig | Entrées requises pour la tâche de distillation | | customModelKmsKeyId | Pour chiffrer le modèle personnalisé | | clientRequestToken | Jeton pour empêcher que la demande ne soit traitée plusieurs fois | Les champs suivants sont facultatifs : **** | Champ | Description | | --- | --- | | customizationType | Paramétré sur DISTILLATION par défaut pour les tâches de distillation | | validationDataConfig | Liste chemins d’accès Amazon S3 des données de validation | | jobTags | Permet d’associer des balises à la tâche | | customModelTags | Permet d’associer des balises au modèle personnalisé qui en résulte | | vpcConfig | VPC pour protéger vos données d’entraînement et votre tâche de distillation | Pour éviter que la demande ne soit traitée plusieurs fois, incluez un `clientRequestToken`. Vous pouvez inclure les champs facultatifs suivants pour des configurations supplémentaires. + `jobTags` and/or `customModelTags`— Associez des [balises](tagging.md) à la tâche de personnalisation ou au modèle personnalisé qui en résulte. + `vpcConfig` : incluez la configuration d’un [cloud privé virtuel (VPC) afin de protéger vos données d’entraînement et votre tâche de personnalisation](custom-model-job-access-security.md#vpc-model-customization). Voici un exemple d'extrait de code de [CreateModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateModelCustomizationJob.html)l'API. Cet exemple utilise les paires invite-réponse du journal des invocations comme source de données d’entrée et indique le filtre permettant de sélectionner les paires invite-réponse. ``` "trainingDataConfig": { "invocationLogsConfig": { "usePromptResponse": true, "invocationLogSource": { "s3Uri": "string" }, "requestMetadataFilters": { "equals": { "priority": "High" } } } } ``` **Réponse** La réponse renvoie un `jobArn` de la tâche de distillation de modèles. ------ ## Étapes suivantes + [Surveillez votre tâche de distillation](model-customization-monitor.md). Pour plus d'informations sur la configuration de l'inférence à la demande, consultez[Configuration de l’inférence pour un modèle personnalisé](model-customization-use.md).