Ajustement

Qu’est-ce que l’ajustement de modèle IA ?

L’ajustement de modèle ML comprend plusieurs étapes :

• Modèles préentraînés : choisissez un modèle qui a été entraîné sur un grand ensemble de données et qui s’est avéré performant dans une tâche ou un domaine pertinent. Les modèles de traitement du langage naturel (comme BERT ou GPT), de vision par ordinateur (comme ResNet ou VGG) et d’autres disciplines sont autant d’exemples de modèles préentraînés.
• Définition de la tâche cible : spécifiez la tâche ou l’ensemble de données pour lesquels vous souhaitez ajuster le modèle. Pensez à l’analyse des sentiments, à la catégorisation d’images ou à la reconnaissance d’entités nommées.
• Préparation des données : collectez et traitez le nouvel ensemble de données correspondant à la tâche. Divisez les données en jeux d’entraînement, de validation et de test, et préparez-les correctement.
• Ajustement du modèle : recourez à la descente de gradient pour initialiser/réentraîner le modèle préentraîné sur le nouvel ensemble de données. Ajustez les hyperparamètres et les taux d’apprentissage pour éviter un surapprentissage ou un sous-apprentissage.
• Évaluation et validation : suivez les performances du modèle ajusté sur le jeu de validation afin d’apporter les modifications requises. Plusieurs cycles d’entraînement et d’évaluation peuvent être nécessaires pour ajuster les performances.
• Test et déploiement : testez le modèle ajusté sur le jeu de test afin de déterminer ses capacités de généralisation. Pour finir, appliquez le modèle d’inférence ajusté en situation réelle.
• En suivant ces étapes, l’ajustement adapte les modèles préentraînés à de nouvelles tâches ou à de nouveaux ensembles de données, améliorant ainsi ses performances et son applicabilité dans de nombreuses applications de machine learning.

HPE (Hewlett Packard Enterprise) permet d’ajuster des modèles via sa plateforme Machine Learning Data Fabric (MLDES), ses services d’IA générative et ses solutions de calcul d’entreprise pour la GenAI. Chacun de ces composants facilite l’ajustement :

• HPE MLDES : MLDES gère et traite des ensembles massifs de données de machine learning. Il rationalise la préparation des données, l’entraînement de modèle et le déploiement des modèles ML pour ajustement. Les sources de données, le contrôle des versions et la collaboration s’intègrent de manière fluide à MLDES pour simplifier l’ajustement.
  
• HPE AI Services – GenAI : les solutions d’IA générative de HPE permettent aux entreprises de tirer profit de capacités d’analyses et d’IA élaborées. Ces services couvrent le traitement du langage naturel, la vision par ordinateur et les outils et techniques d’analyse prédictive. Les entreprises peuvent utiliser les services d’IA générative pour obtenir des modèles préentraînés et des cadres de personnalisation des tâches ou des ensembles de données.

Offre HPE de calcul pour grande entreprise pour l’IA générative : les solutions de calcul d’entreprise de HPE acceptent les charges de travail d’IA, y compris l’ajustement. Ces solutions conjuguent infrastructure HPC, stockage évolutif et services cloud optimisés pour l’IA. Les capacités de calcul d’entreprise de HPE peuvent appuyer les entreprises dans le développement des opérations d’ajustement pour répondre à l’évolution des besoins et optimiser les performances des modèles IA.