# パイプラインの作成方法

{% stepper %}
{% step %}

### 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。
    {% endstep %}

{% step %}

### 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。
    {% endstep %}

{% step %}

### 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
    {% endstep %}

{% step %}

### 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
    {% endstep %}
    {% endstepper %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://ai-docs.fptcloud.com/ai-factory-guideline-jp/fpt-ai-studio/sbisu/moderuno/chtoriaru/paipurainno.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.