✌️パイプラインの作成方法

1

ステップ1

• ベースモデルを選択:

  • モデルカタログ（例：DeepSeek、Gemma、Llama、Qwen）またはプライベートモデルリポジ トリから基盤モデルを選択してください。モデルはサイズ（0.5B～72Bパラメータ）、タイプ （LLM、VLM）、トレーニング段階（事前学習済みまたは指示学習済み）によって異なります 。

• トレーナーの選択:

  • タスクとデータタイプに応じて、SFT（教師あり微調整）、DPO（直接嗜好最適化）、または 事前学習などのトレーニング手法を選択してください。

• ボリュームを選択:

  • データセットのサイズに基づいてストレージタイプを選択してください：20GiB未満のデータ セットにはマネージドボリュームを、手動プロビジョニングが必要なより大きなデータセッ トには専用ネットワークボリュームを使用します。

2

ステップ2

• データセット形式を選択:

  • 選択したトレーナーに応じて適切な形式（Alpaca、ShareGPT、Corpusなど）を選択してくだ さい。

• データセットの選択:

  • トレーニング用および評価用データセットをアップロードするか、Data Hubに接続してくださ い。モデルの性能を最適化するため、データの品質、一貫性、正しいフォーマットを確認し てください。

3

ステップ3

• ハイパーパラメータの設定:

  • バッチサイズ、学習率、エポック数、オプティマイザー設定などのトレーニングパラメータを 設定します。DPO、LoRA、実行時最適化のための高度なオプションが利用可能です。

• インフラストラクチャの設定:

  • シングルノードとマルチノードの両方をサポートし、最大16ノードまで対応

4

ステップ4

• 完了:

  • パイプラインに名前を付け、必要に応じて説明を追加します。パイプラインの成功また は失敗時にメール通知を受け取ります