FINETUNE
FINETUNE ('DESCRIBE') (SNOWFLAKE.CORTEX)
SNOWFLAKE.CORTEX.FINETUNE('DESCRIBE', ...)는 파인튜닝 작업(fine-tuning job)의 속성을 설명해요. 작업이 성공적으로 완료되면 최종 모델 이름을 포함한 추가 세부 정보가 반환돼요. 파인튜닝된 모델에 대한 추론을 수행할 때는 COMPLETE (SNOWFLAKE.CORTEX) 함수를 사용할 때 이 이름을 사용하세요.
이 기능은 일반 공급(Generally Available)이에요.
이 기능에 대한 지원은 다음 리전의 계정에 제공돼요.
-
AWS US West 2 (Oregon)
-
AWS US East 1 (N. Virginia)
-
AWS Europe Central 1 (Frankfurt)
-
Azure East US 2 (Virginia)
본문
문법
SNOWFLAKE.CORTEX.FINETUNE(
'DESCRIBE',
'<finetune_job_id>'
)
매개변수
'DESCRIBE'
제공된 파인튜닝 작업의 속성을 가져오려는 것임을 지정해요.
finetune_job_id
작업을 만들 때 생성된 파인튜닝 작업의 ID예요.
출력
| 열 | 타입 | 설명 |
|---|---|---|
| SNOWFLAKE.CORTEX.FINETUNE | OBJECT | 작업 상태, 진행률, 튜닝 작업 ID를 포함하는 객체. 작업 상태가 SUCCESS이면 추가 작업 정보가 반환됨. |
id
튜닝 작업의 고유 ID예요.
status
상태는 다음 중 하나예요. PENDING, IN_PROGRESS, SUCCESS, ERROR, CANCELLED.
progress
작업 완료 비율(1.0이 100%)을 나타내는 0과 1 사이의 숫자예요.
error
작업 상태가 ERROR이면 오류 메시지를 포함하는 객체예요.
base_model
파인튜닝 작업에 사용된 기본 모델의 이름이에요.
created_on
작업이 만들어진 타임스탬프예요.
finished_on
작업 상태가 SUCCESS이면 작업이 완료된 타임스탬프예요.
model
작업 상태가 SUCCESS이면 파인튜닝된 모델 이름이에요. 추론을 위해 COMPLETE 함수를 호출할 때 이 이름을 사용하세요.
training_data
학습 데이터를 검색하는 데 사용된 쿼리예요.
trained_tokens
작업 상태가 SUCCESS이면 학습에 사용된 토큰 수예요. 이 값은 다음 공식으로 계산돼요.
trained tokens = number of input tokens * number of epochs trained
training_result
작업 상태가 SUCCESS이면 파인튜닝 작업의 학습 결과예요.
validation_data
검증 데이터를 검색하는 데 사용된 쿼리예요.
options
학습 하이퍼파라미터에 영향을 주는 0개 이상의 옵션을 포함하는 객체예요.
접근 제어 요구사항
접근 요구사항은 접근 제어 요구사항(Access control requirements)을 참고하세요.
예제
SELECT SNOWFLAKE.CORTEX.FINETUNE(
'DESCRIBE',
'ft_6556e15c-8f12-4d94-8cb0-87e6f2fd2299'
);
성공한 작업의 예제 출력:
{
"base_model":"mistral-7b",
"created_on":1717004388348,
"finished_on":1717004691577,
"id":"ft_6556e15c-8f12-4d94-8cb0-87e6f2fd2299",
"model":"mydb.myschema.my_tuned_model",
"progress":1.0,
"status":"SUCCESS",
"training_data":"SELECT prompt, completion FROM train",
"trained_tokens":2670734,
"training_result":{"validation_loss":1.0138969421386719,"training_loss":0.6477728401547047},
"validation_data":"SELECT prompt, completion FROM validation",
"options":{"max_epochs":3}
}