İçeriğe atla
Sayfalar

Başlarken

Hızlı başlangıç

İlk optimizasyon çalıştırmanızı yaklaşık on dakikada başlatın.

Bu sayfa, ilk çalıştırmanızı yaklaşık on dakikada nasıl başlatacağınızı gösterir. Giriş yapar, küçük bir veri kümesi yükler, sihirbazın dört adımını doldurur ve çalıştırmayı başlatırsınız. Örnek, destek mesajlarını etiketlere ayıran bir istemi iyileştirir.

Başlamadan önce

Şunlara ihtiyacınız var:

  • Bir Skynet hesabı.
  • Bir CSV, JSON veya Excel dosyası (.csv, .json, .xlsx veya .xls). Her satır bir vakadır.
  • Bir veya daha fazla girdi sütunu, örneğin message.
  • Bir beklenen çıktı sütunu, örneğin label.

1. Giriş yapın

Skynet'e giriş yapın. Ardından /submit adresindeki gönderme sayfasını açın.

2. Görev

İlk adım Görev'dir. "Neyi optimize etmek istiyorsunuz?" diye sorar.

  1. Amaç alanına iyi bir sonucun ne olduğunu yazın. Sade bir dil kullanın, örneğin "Her destek mesajını faturalandırma, hata veya diğer olarak sınıflandır."
  2. İsteğe bağlı: Arka plan alanına optimize ediciye yardımcı olacak bağlamı ekleyin.
  3. Yapıt türü alanında İstem'i seçin.
  4. Başlangıç sürümü alanına mevcut isteminizi yapıştırın.

3. Girdiler

İkinci adım Girdiler'dir.

  1. CSV, JSON veya Excel dosyası yükleyin'i ya da kayıtlı bir veri kümesini kullanmak için Kütüphaneden seç'i seçin.
  2. Veriler nasıl okunacak altında her sütuna bir rol verin:
    • Girdi: Çalıştırma kodu bu sütunu alır.
    • Çıktı: Beklenen değerdir. Metrik bunu alır.
    • Atla: Skynet bu sütunu kullanmaz.
  3. Bölme için Öneriyi kullan seçeneğini koruyun. Çoğu veri kümesi için bölme %70 eğitim, %15 doğrulama ve %15 testtir.

Kuralların tamamı için Veri kümeleri ve bölmeler sayfasını okuyun.

4. Optimize edici

Üçüncü adım Optimize edici'dir ("Optimize edici, modeller ve bütçe").

  • Optimize ediciyi Auto olarak bırakın.
  • Bir Yansıtma modeli seçin. Optimize edici yeni sürümleri yazmak için bu modeli kullanır. Bu model zorunludur.
  • İsteğe bağlı: bir Görev modeli seçin. Çalıştırma kodunuz bu modeli kullanır.
  • Bütçe altında Maksimum puanlayıcı çalıştırması değerini varsayılan 200'de bırakın.

Belirli bir motor seçmek için Motorlar sayfasını okuyun.

5. Metrik ve çalıştırma

Son adım Metrik ve çalıştırma'dır ("Kod ve metrik"). İki dosya yazarsınız.

from skynet import llm


def run(artifact, input):
    return llm(artifact, input=input["message"])

artifact, isteminizin mevcut sürümüdür. input, bir vakanın Girdi sütunlarını tutar. expected, Çıktı sütununu sütun adıyla anahtarlanmış olarak tutar.

Ardından Sözleşme kontrolü altında Kontrol et'i seçin. Kontrol, kodunuzu ve metriğinizi sandbox içinde 3 örnek vaka üzerinde çalıştırır. Şunları kontrol eder:

KontrolNe zaman başarısız olur
Çalıştırma kodu imzasırun.py, run(artifact, input) tanımlamıyor
Metrik imzasımetric.py, score(input, output, expected=None) tanımlamıyor
Metrik modeliMetrik modeli kullanılamıyor
Örnekler üzerinde çalıştırma koduÇalıştırma kodunuz bir örnek vakada hata veriyor
Metrik dönüş değeriscore geçerli bir puan ve geri bildirim döndürmüyor

6. Başlatın ve izleyin

Özet ekranında "Çalıştırmaya hazır" yazar. Sekmeleri Genel, Veri, Modeller, Bütçe ve Ödül'dür. Kurulumu kontrol edin, ardından optimizasyonu başlatın.

Çalıştırmayı izlemek için optimizasyonlar listenizden açın. Puanları ve kazanan sürümü anlamak için Sonuçlar sayfasını okuyun.

Sonraki adımlar