微調整タスク プロジェクトを作成する

1. Azure AI Foundry に移動します。

2. まだサインインしていない場合は、Azure 資格情報を使用してサインインするように求められます。

3. サインインしたら、Azure AI Foundry 内で既存のプロジェクトを作成またはアクセスできます。

4. このタスクのプロジェクトにまだ参加していない場合は、そのプロジェクトを選択してください。

5. 左側のナビゲーション パネルから [微調整] を選択します。

   

6. [AI サービスの微調整] タブを選択し、[+ 微調整] ボタンを選択します。

   

7. [ サービスの微調整の作成 ] ウィンドウで、[ 会話言語の理解 ] タブを選択し、[ 次へ] を選択します。

   

8. [ Create CLU fine-tuning task]\(CLU の微調整タスクの作成 \) ウィンドウで、[ 名前] フィールドと [ 言語] フィールドに入力します。 無料の 標準トレーニング モードを使用してモデルを微調整する場合は、言語フィールドに [英語 ] を選択します。

9. Azure AI Foundry に移動します。

10. まだサインインしていない場合は、Azure 資格情報を使用してサインインするように求められます。

11. サインインしたら、Azure AI Foundry 内で既存のプロジェクトを作成またはアクセスできます。

12. このタスクのプロジェクトにまだ参加していない場合は、そのプロジェクトを選択してください。

13. 左側のナビゲーション パネルから [微調整] を選択します。

    

14. [AI サービスの微調整] タブを選択し、[+ 微調整] ボタンを選択します。

    

15. [ サービスの微調整の作成 ] ウィンドウで、[ 会話言語の理解 ] タブを選択し、[ 次へ] を選択します。

    

16. [ Create CLU fine tuning task]\(CLU の微調整タスクの作成 \) ウィンドウで、ドロップダウン メニューから 接続済みサービス を選択し、[ 名前 ] フィールドと [ 言語 ] フィールドに入力します。 無料の 標準トレーニング モードを使用している場合は、言語フィールドに [英語 ] を選択します。

17. [作成] ボタンを選択します。 作成操作が完了するまでに数分かかる場合があります。

    Note

    • 標準トレーニング を使用すると、トレーニング時間を短縮し、反復時間を短縮できます。ただし、英語でのみ使用できます。
    • 高度なトレーニング には、より長いトレーニング期間が含まれており、英語、他の言語、多言語プロジェクトでサポートされています。
    • 詳細については、「トレーニング モード」を参照してください。

18. タスクの作成が完了したら、AI サービスの微調整ウィンドウからタスクを選択して、[ 微調整の概要 ] ページに移動します。

    

次の URL、ヘッダー、JSON 本文を使用して PATCH 要求を送信し、新しいプロジェクトを作成します。

要求 URL

API 要求を作成するときは、次の URL を使用します。 プレースホルダーの値は、実際の値に置き換えます。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}

Headers

要求を認証するには、次のヘッダーを使います。

Body

次のサンプル JSON を本文として使います。

{
  "projectName": "{PROJECT-NAME}",
  "language": "{LANGUAGE-CODE}",
  "projectKind": "Conversation",
  "description": "Project description",
  "multilingual": true
}

Azure AI Foundry プロジェクトの概要ページには、名前、サブスクリプション、リソース グループ、接続されているリソースなど、微調整タスク プロジェクトに関する情報が表示されます。 概要ページの Azure portal で [管理] を選択して、 Azure portal でプロジェクトの リソースにアクセスすることもできます。

• プロジェクトの [ホーム] ページで、プロジェクトに関する情報が [ プロジェクトの詳細 ] セクションにあります。

• プロジェクト設定を表示するには、左側のナビゲーション ウィンドウの下部にある 管理センター を選択し、次のいずれかのタブを選択します。

  • プロジェクトの 詳細を表示するための概要。
  • ユーザー とロールを管理する。
  • モデルとサービスの デプロイを管理するためのモデルとエンドポイント。
  • プロジェクトの接続済みリソースを管理するための接続済みリソース。

  

REST API を使用して、すべてのプロジェクトの詳細にアクセスし、表示し、管理できます。

プロジェクトの詳細を取得するには、次の URL とヘッダーを使用して GET 要求を送信します。 プレースホルダーの値は、実際の値に置き換えます。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}

Headers

要求を認証するには、次のヘッダーを使います。

応答本文

要求を送信すると、次の応答が返されます。

{
  "createdDateTime": "2022-04-18T13:53:03Z",
  "lastModifiedDateTime": "2022-04-18T13:53:03Z",
  "lastTrainedDateTime": "2022-04-18T14:14:28Z",
  "lastDeployedDateTime": "2022-04-18T14:49:01Z",
  "projectKind": "Conversation",
  "projectName": "{PROJECT-NAME}",
  "multilingual": true,
  "description": "This is a sample conversation project.",
  "language": "{LANGUAGE-CODE}"
}

API 要求を送信すると、成功を示す 200 応答を受け取り、プロジェクトの詳細を含む JSON 応答本文が含まれます。

Azure AI Foundry を使用して既存の Azure AI サービス プロジェクトをインポートするには、Azure AI Foundry プロジェクト内の Azure AI サービス リソースへの接続を作成する必要があります。 詳細については、「Azure AI Services プロジェクトを Azure AI Foundry に接続する」を参照してください。

REST API を使用して CLU config.json ファイルをインポートできます

次の URL、ヘッダー、JSON 本文を使用して POST 要求を送信し、プロジェクトをインポートします。

要求 URL

API 要求を作成するときは、次の URL を使用します。 プレースホルダーの値は、実際の値に置き換えます。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:import?api-version={API-VERSION}

Headers

要求を認証するには、次のヘッダーを使います。

Body

送信する JSON 本文は、次の例のようになります。 JSON オブジェクトの詳細については、 リファレンス ドキュメントを参照してください。

{
  "projectFileVersion": "{API-VERSION}",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectKind": "Conversation",
    "settings": {
      "confidenceThreshold": 0.7
    },
    "projectName": "{PROJECT-NAME}",
    "multilingual": true,
    "description": "Trying out CLU",
    "language": "{LANGUAGE-CODE}"
  },
  "assets": {
    "projectKind": "Conversation",
    "intents": [
      {
        "category": "intent1"
      },
      {
        "category": "intent2"
      }
    ],
    "entities": [
      {
        "category": "entity1"
      }
    ],
    "utterances": [
      {
        "text": "text1",
        "dataset": "{DATASET}",
        "intent": "intent1",
        "entities": [
          {
            "category": "entity1",
            "offset": 5,
            "length": 5
          }
        ]
      },
      {
        "text": "text2",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "intent": "intent2",
        "entities": []
      }
    ]
  }
}

要求が成功すると、API 応答には、インポート ジョブの状態を確認するために使用できる URL を含む operation-___location ヘッダーが含まれます。 ヘッダーは次の例のように書式設定されます。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

Azure Foundry の微調整タスク プロジェクトは 、config.json ファイルとしてダウンロードできます。

1. プロジェクトのホーム ページに移動します。

2. ページの上部で、右側のページ リボン領域からプロジェクトを選択します。

3. [ 構成ファイルのダウンロード] を選択します。

   

CLU プロジェクトは、config.json ファイルとしてエクスポートできます。

プロジェクトをエクスポートするために、次の URL、ヘッダー、JSON 本文を使用して POST 要求を作成してください。

要求 URL

API 要求を作成するときは、次の URL を使用します。 プレースホルダーの値は、実際の値に置き換えます。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:export?stringIndexType=Utf16CodeUnit&api-version={API-VERSION}

Headers

要求を認証するには、次のヘッダーを使います。

API 要求を送信すると、成功を示す 202 応答を受け取ります。 応答ヘッダーで、operation-___location の値を抽出します。 値は次の例のように書式設定されます。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

JOB-ID は、この操作が非同期であるため、要求を識別するために使用されます。 この URL を使用して、同じ認証方法を使用してエクスポートされたプロジェクト JSON を取得します。

プロジェクトが不要になった場合は、Azure AI Foundry から削除できます。

1. Azure AI Foundry ホーム ページに移動します。 この手順を既に完了していてセッションがアクティブでない限り、サインインして認証プロセスを開始します。

2. [Keep building with Azure AI Foundry]\(Azure AI Foundry を使用してビルドを保持する\) から削除するプロジェクトを選択します

3. [管理センター] を選択します。

4. [ プロジェクトの削除] を選択します。

   

ハブとそのすべてのプロジェクトを削除するには:

1. [概要] タブの [ハブ] セクションに移動します。

   

2. 右側の [ハブの 削除] を選択します。

3. リンクをクリックすると、Azure portal が開き、そこでハブが削除されます。

   

プロジェクトが不要になった場合は、REST API を使用して削除できます。 続行するには、REST API にアクセスし、ドキュメントに記載されている手順に従ってプロジェクトを削除し、このアクションを完了します。

次の URL、ヘッダー、JSON 本文を使用して DELETE 要求を作成し、会話言語理解プロジェクトを削除します。

要求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}

Headers

要求を認証するには、次のヘッダーを使います。

API 要求を送信すると、成功を示す 202 応答が返されます。これは、プロジェクトが削除されたことを意味します。