模型微调是指在已经训练好的模型上，继续训练以适应新的数据集。在模型微调中，我们可以选择是否冻结模型的一部分层，以及是否使用不同的学习率。
在当前页面可以对模型的微调进行管理。
列表显示了所有的微调任务，包括微调任务的名称、模型名称、数据集名称、微调状态、微调开始时间、微调结束时间、微调耗时、微调日志、操作等。
当微调任务正在进行中时，可以点击“取消”按钮结束微调任务。
当觉得微调任务不再需要时，可以点击删除按钮删除微调任务。
点击列表的正在训练的任务“日志”，可查看训练日志。
点击创建微调任务，弹出对话框。
- 微调文件: 选择或上传微调文件文件格式为JSONL格式，每行为一个样本，样本格式为
{"messages": [{"role": "user", "content": "What's the capital of France?"}, {"role": "assistant", "content": "Paris, as if everyone doesn't know that already."}]}。 - 基础模型: 选择基础模型，目前暂时只支持私有本地模型，如果没有可在模型管理添加模型
- 训练轮次: 训练轮次
- 后缀: 微调后模型名称的后缀，通常微调名称为 ft::{模型}:{渠道}:-{随机}:{后缀}
- 训练批次: 即一次训练所抓取的数据样本数量
- 评估批次: 用于评估的每个 GPU/TPU 核心/CPU 的批量大小
- 梯度累加步数: 在执行向后/更新传递之前累积梯度的更新步骤数
- 使用GPU数量: 使用GPU数量，单节点最大是8
- 学习率: AdamW 优化器的初始学习率
- 模型最大长度: 模型支持的最大上下文长度
选择或上传文件对话框
点击JobId或名称，可查看微调任务的详情。
模型微调的损失率和准确率的变化曲线
微调日志
