介绍

基础模型是预先训练的模型，可提供很好的起点。 通过使用基础模型，可以节省时间和精力，因为需要更少的数据来为特定的机器学习用例训练模型。

假设你是一位为酒店预订机构工作的数据科学家。 当客户浏览不同的酒店时，决定哪个酒店预订是来自其他旅行者的评论的最重要因素之一。

作为数据科学家，你可能希望从酒店评论中提取见解，以找出为什么某些酒店优先于其他酒店。 若要从酒店评论中提取信息，可以使用专为自然语言处理（NLP）设计的大型语言模型（LLM）。

LLM 利用深度学习技术来理解和生成人类语言。 深度学习是机器学习的一个子领域，涉及使用多层训练人工神经网络，以从数据中提取分层模式和表示形式。 训练神经网络的成本可能很高，因为它需要大量数据和强大的计算。

与其从头训练自己的LLM，不如使用预训练模型，并用自己的数据对其进行微调。 假设你想要在酒店评论中检测情绪。 您可能希望将任何新发布的评论分类为将酒店描述为可怕、平均或优秀。 可以使用一组分类的酒店评论来微调预先训练的基础模型。

在本模块中，你将了解如何从 Azure 机器学习中的模型目录中微调基础模型。

学习目标

在本模块中，你将了解如何：

• 何时从模型目录中微调基础模型。
• 微调基础模型。
• 部署并测试微调的模型。