AI說書 - 從0開始 - 237 | 微調 GPT 模型任務狀態查詢

我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

• 微調 GPT 模型引言：AI說書 - 從0開始 - 229 | 微調 GPT 模型引言
• 微調 GPT 模型的前置步驟：AI說書 - 從0開始 - 230 | 微調 GPT 模型的前置步驟
• 微調 GPT 模型的函式庫安裝：AI說書 - 從0開始 - 231 | 微調 GPT 模型的函式庫安裝
• 微調 GPT 模型的資料集準備：AI說書 - 從0開始 - 232 | 微調 GPT 模型的資料集準備
• 微調 GPT 模型的資料集檢查：AI說書 - 從0開始 - 233 | 微調 GPT 模型的資料集檢查
• 微調 GPT 模型的資料集檢查：AI說書 - 從0開始 - 234 | 微調 GPT 模型的資料集檢查
• 微調 GPT 模型的必要檔建立：AI說書 - 從0開始 - 235 | 微調 GPT 模型的必要檔建立
• 微調 GPT 模型任務狀態查詢：AI說書 - 從0開始 - 236 | 微調 GPT 模型任務狀態查詢

為了更細緻地了解微調的工作細節，我們先檢索任務：

job_list = client.fine_tuning.jobs.list(limit = 10)

import json 
from pprint import pprint

json_string = job_list.json()
data = json.loads(json_string)
jobs = data.get('data', [])

formatted_data = [{'id': job.get('id'),
                   'created_at': job.get('created_at'),
                   'status': job.get('status'),
                   'training_file': job.get('training_file'),
                   'model': job.get('model'),
                   'model_name':job.get('fine_tuned_model')} for job in jobs]
                   
pprint(formatted_data)

當模型尚在訓練中的話，結果顯示如下：

當模型訓練完之後，結果顯示如下 (出現 model_name)：