watsonx Code Assistant for Red Hat Ansible Lightspeed の IBM 基本コード・モデルのチューニング
Ansible 標準プラン
watsonx Code Assistant for Red Hat Ansible Lightspeed Standard プラン を購入した場合、IBM の基本コード モデルをデータ上で調整し、企業の標準に合わせてカスタマイズされたコード候補を生成できるようにすることができます。 watsonx Code Assistant for Red Hat Ansible Lightspeedチューニングスタジオを使用して、モデル実験を作成し、モデルを共有スペースにデプロイすることができます。
チューニング・エクスペリメントを作成し、チューニング・データをアップロードします
Ansible データに対してモデルを調整する前に、 Red Hat Ansible コンテンツ・パーサー・ツールを使用して、 Ansible ファイルを JSONL フォーマットに変換する必要があります。 このツールは、ローカル・ディレクトリー、 GitHub リポジトリー、またはアーカイブ・ファイル内の Ansible ファイルを分析し、モデルをチューニングするためのチューニング・データ・セットである JSONL ファイルを生成します。 詳しくは、 カスタム・モデルの構成を参照してください。
モデルの正確度を向上させるには、JSONL ファイルに少なくとも 1000 個のサンプルを指定します。 サンプルは、入力 (コンテキストとタスク名) と出力 (予期されるモデル出力) で構成されます。 サンプルが整形式であることの確認について詳しくは、 データの準備の サンプルの例 をクリックしてください。
-
watsonx Code Assistant インスタンスのウェルカム・ページで、 「モデルのチューニング」 をクリックし、メニューからプロジェクトを選択します。
このオプションは、 watsonx Code Assistant for Red Hat Ansible Lightspeed用にカスタマイズされた watsonx Tuning Studio の簡易バージョンを開きます。
-
モデルをデプロイした後に簡単に識別できるように、エクスペリメントの分かりやすい名前と説明を指定します。
-
「チューニング・エクスペリメントの作成」 をクリックします。 データアップロードページが開きます。
-
チューニング・データを JSONL 形式でアップロードします。
-
データを IBM 基本コード・モデルのトレーニング・データと比較します。
ファイルのアップロード後に、データを IBM 基本コード・モデル・データのデータと比較できます。 この比較では、データのどのモジュールが基本モデル・データに存在しないかが示されます。 コード提案の精度を向上させるために、これらのモジュールでモデルが調整されます。
- JSONL ファイル名の横にある目のアイコンをクリックして、生の JSONL データを表示します。
- Ansible モジュール数 のリンク数をクリックすると、モジュールおよびサンプルに関するメトリックの詳細が表示されます。 また、エクスペリメントと IBM の基本コード・モデル・データとの間の相違点と類似点を確認することもできます。
- 「固有 Ansible モジュール数 (Unique Ansible modules count)」 のリンク数をクリックして、 IBM ベース・コード・モジュールに表示されていない固有モジュールを表示します。 この画面には、各モジュールが構成されている全体的な固有モジュール数のパーセンテージも表示されます。
これらのすべての情報は、モデルが調整された後にコードの提案がどのように改善されるかを理解するのに役立ちます。 多くの固有モジュールを含むトレーニング・データは、 IBM ベース・コード・モジュールが最初にトレーニングされなかったモジュールのコード提案を大幅に改善する可能性があります。
モデルのチューニング
-
「チューニングの開始」 をクリックします。
チューニング・プロセスが開始されます。 進行標識には、チューニングの経過時間がリストされます。
特に大量のサンプルでは、カスタマイズに時間がかかります。 このステップには、数分ではなく数時間かかる場合があります。
チューニング・ジョブが完了すると、チューニングのトレーニング損失の評価が表示されます。 トレーニングの損失は、コード提案が予期されるコード提案からどの程度逸脱しているかを示す指標です。 通常、トレーニングの損失は、チューニング・サイクルの数が増えるにつれて減少します。 下向き曲線を探します。これは、モデルが、後続のトレーニング・サイクル全体で期待される出力をより良く生成できることを示しています。

モデルをデプロイし、モデル ID を取得します
エクスペリメントの違いがわかったので、それをデプロイして、 Visual Studio Codeで使用するための対応するモデル ID を取得することができます。
-
チューニングしたモデルをデプロイするをクリックします。
-
デプロイメントにわかりやすい名前と説明を指定します。
-
モデルのデプロイメント・スペースを選択します。
-
「作成」 をクリックします。
デプロイメントが完了すると、モデルの概要ページが開きます。
-
モデル ID のコピー・アイコンをクリックして、値をコピーします。
オプション: ローカルの Visual Studio Code インスタンスでモデルをテストします。
組織内の他のユーザーがモデルを使用できるようにする前に、そのモデルをローカルでテストすることができます。
-
Ansible Lightspeed for Visual Studio Code 拡張機能の設定を開きます。
-
モデル ID を Ansible >「Lightspeed: Model ID Override」 フィールドにコピーします。
これで、調整されたモデルからコード推奨を取得して、モデルを組織にロールアウトする前にモデルの正確度をテストできるようになりました。
調整したモデルを組織内の他のユーザーが使用できるようにする
調整したモデルに問題がなければ、モデル ID を Ansible Lightspeed Admin Portal に追加して、組織内の許可ユーザーが使用できるようにすることができます。
-
調整したモデルの概要ページで、 「 Ansible Lightspeed Admin Portal を開く」 をクリックします。
-
Ansible Lightspeed Admin Portal の指定されたフィールドにモデル ID 値を貼り付けて、モデルをアクティブ化します。
モデルをアクティブ化すると、 Ansible Lightspeed for VS Code 拡張機能で許可ユーザーに対してモデルが有効になります。