Amazon Bedrock'a Giriş
Nikhil Rangarajan
Data Scientist
Modellerin davranışını kontrol eden parametreler vardır
temperature: Tahminlerde rastgeleliği kontrol eder
top_p: En üst sıralı belirteçleri dahil ederek çıktı çeşitliliğini kontrol edermax_tokens: Çıktının azami uzunluğunu ayarlar
Yanıt rastgeleliği ve yaratıcılığı
Düşük temperature (0’a yakın): Daha odaklı, belirgin yanıtlar
Yüksek temperature (1’e yakın): Daha çeşitli, yaratıcı çıktılar
Çoğu Bedrock modeli varsayılan olarak 0.7’dir
prompt = "Write a headline for a
tech article"
request = {
"temperature": 0.2,
"messages": [
{
"role": "user",
"content": [{"type": "text",
"text": prompt}],
}
],
...
}
Temperature = modelin “risk iştahı”
Düşük temperature, temkinli bir karar verici gibi davranır
Yüksek temperature, risk alan yaratıcı bir düşünür gibi davranır

prompt = "Explain quantum computing"
# Focused response
request["top_p"] = 0.1
# Diverse response
request["top_p"] = 0.9
Max_tokens yanıt uzunluğunu sınırlar:

prompt = "Explain quantum computing"
# Focused shorter response
request["top_p"] = 0.1
request["max_tokens"] = 100
# Diverse longer response
request["top_p"] = 0.9
request["max_tokens"] = 500

Amazon Bedrock'a Giriş