Déployez des pods de pré-entraînement et entraînez des LoRAs sur vos propres données
Lancez un pod GPU réel sur nœud unique pour le pré-entraînement continu, ou exécutez un post-entraînement LoRA géré pour Flux, Qwen Image et Wan 2.2. Les jeux de données, la facturation, la progression, l'annulation et les sorties restent dans Hypereal.
Commencez ici si vous êtes nouveau
Vous n'avez pas besoin de comprendre tous les paramètres du GPU au préalable. Choisissez la voie qui correspond à votre objectif, préparez un jeu de données, puis laissez la console d'entraînement guider le lancement.
Règle générale : utilisez LoRA lorsque vous souhaitez un petit adaptateur réutilisable pour le style, le personnage, le produit ou le mouvement. Utilisez les pods de pré-entraînement lorsque vous avez besoin d'un contrôle total sur le code, les points de contrôle et le temps d'exécution.
- 01Decision
Choose the result you want
Pick LoRA post-training if you want downloadable .safetensors weights. Pick a pretraining pod if you need to run your own training code on a GPU machine.
Choose LoRA or pretraining - 02/infra/storage
Prepare one dataset
For LoRA, upload a zip of images or short clips in Storage and mark it as kind=dataset. For pretraining, you can attach a dataset now or bring data in after the pod starts.
Upload in Storage - 03Dashboard
Open the training console
Go to Infrastructure -> Training. The top form launches a pretraining pod; the LoRA form starts a managed fine-tune and shows your credit hold before launch.
Open /infra/training - 04One click
Launch and watch progress
Click Deploy pretraining pod or Start training. Pretraining redirects to the pod page. LoRA runs appear in the Runs list with progress, cancel, refund, and output state.
Start the run - 05Finish
Finish the run safely
Download LoRA weights when the run completes. For pretraining pods, save checkpoints and stop or terminate the pod when you are done so hourly billing stops.
Download or stop - 06Décision
Choisissez le résultat souhaité
Choisissez le post-entraînement LoRA si vous souhaitez des poids .safetensors téléchargeables. Choisissez un pod de pré-entraînement si vous avez besoin d'exécuter votre propre code d'entraînement sur une machine GPU.
Choisir LoRA ou pré-entraînement - 07/infra/storage
Préparez un jeu de données
Pour LoRA, téléchargez un fichier zip d'images ou de clips courts dans le Stockage et marquez-le comme kind=dataset. Pour le pré-entraînement, vous pouvez attacher un jeu de données maintenant ou importer des données après le démarrage du pod.
Télécharger dans le Stockage - 08Tableau de bord
Ouvrez la console d'entraînement
Allez dans Infrastructure -> Entraînement. Le formulaire supérieur lance un pod de pré-entraînement ; le formulaire LoRA démarre un affinage géré et affiche votre blocage de crédits avant le lancement.
Ouvrir /infra/training - 09Un clic
Lancez et suivez la progression
Cliquez sur Déployer le pod de pré-entraînement ou Démarrer l'entraînement. Le pré-entraînement redirige vers la page du pod. Les exécutions LoRA apparaissent dans la liste des exécutions avec la progression, les options d'annulation, de remboursement et l'état de sortie.
Démarrer l'exécution - 10Terminer
Terminez l'exécution en toute sécurité
Téléchargez les poids LoRA lorsque l'exécution est terminée. Pour les pods de pré-entraînement, sauvegardez les points de contrôle et arrêtez ou terminez le pod lorsque vous avez terminé afin que la facturation horaire cesse.
Télécharger ou arrêter
Ce qui est disponible aujourd'hui
Pod de pré-entraînement
Déployez un pod GPU dédié pour le pré-entraînement LLM, multimodal ou continu avec votre image d'exécution et votre jeu de données.
- Own Docker image, GPU type, GPU count, disk, and volume size
- Optional owned dataset signed into HYPEREAL_DATASET_URL for 24 hours
- SSH, TensorBoard, API, and notebook ports opened automatically
- Votre propre image Docker, type de GPU, nombre de GPU, disque et taille de volume
- Jeu de données propriétaire optionnel signé dans HYPEREAL_DATASET_URL pendant 24 heures
- Ports SSH, TensorBoard, API et notebook ouverts automatiquement
Post-entraînement LoRA
Entraînez des modèles LoRA d'images et de vidéos sélectionnés sur des jeux de données privés, puis téléchargez les poids résultants.
- Flux Dev, Qwen Image, Wan 2.2 Image, and Wan 2.2 I2V trainers
- Trigger word, steps, learning rate, and LoRA rank controls
- Progress, cancel, refund, webhook reconciliation, and R2 output storage
- Entraîneurs Flux Dev, Qwen Image, Wan 2.2 Image et Wan 2.2 I2V
- Contrôles du mot déclencheur, des étapes, du taux d'apprentissage et du rang LoRA
- Progression, annulation, remboursement, réconciliation webhook et stockage de sortie R2
Cluster de pré-entraînement multi-nœuds
Planifiez et demandez une capacité d'entraînement distribuée avec la topologie Mercury et des indices d'exécution.
- Quote GPU count, network, orchestrator, region, and storage
- Inspect topology, scheduler, NCCL, and runtime hints
- Not marketed as one-click physical multi-node launch yet
- Citez le nombre de GPU, le réseau, l'orchestrateur, la région et le stockage
- Inspectez la topologie, le planificateur, NCCL et les indices d'exécution
- Pas encore commercialisé comme lancement physique multi-nœuds en un clic
Le pré-entraînement sur nœud unique et le post-entraînement LoRA sont en un clic. Le pré-entraînement multi-nœuds reste un flux de travail de capacité jusqu'à ce que le provisionnement du cluster physique soit entièrement intégré.
Entraîneurs LoRA sélectionnés
Flux Dev (LoRA)
Personnages, produits, styles photoréalistes
Le choix généraliste. Entraînez un visage, un produit ou un style visuel et utilisez les poids partout où Flux s'exécute.
Qwen Image (LoRA)
LoRAs d'illustration et de personnages haute fidélité
Performant pour l'illustration stylisée et la ressemblance de personnages d'Asie de l'Est. Utilisez le même flux de jeu de données zippé que Flux.
Wan 2.2 Image (LoRA)
LoRAs d'images stylisées haute résolution
LoRA d'images haute résolution sur la base Wan 2.2. Renvoie des poids à faible et haut bruit pour des flux de travail avancés.
Wan 2.2 I2V (LoRA)
Contrôle du mouvement image-vidéo
Entraînez sur de courts clips vidéo pour verrouiller le mouvement, la caméra ou l'animation de personnage. Le produit phare pour la vidéo personnalisée.
Les crédits sont retenus au démarrage et remboursés en cas d'échec de soumission, d'échec en amont ou d'annulation avant la livraison.
Le flux de travail d'entraînement complet
Pré-entraînement et pré-entraînement continu
Pick GPU runtime
Choose GPU type, count, Docker image, disk, volume size, framework, precision, and sequence length.
Attach data
Use an owned storage dataset or attach it later. Dataset URLs are signed for the pod at launch.
Deploy pod
The first hour is held up front, the pod is recorded locally, and normal pod lifecycle controls take over.
Train and checkpoint
Use SSH, TensorBoard, API, or notebook access, then write checkpoints under HYPEREAL_OUTPUT_DIR.
Choisir le runtime GPU
Choisissez le type de GPU, le nombre, l'image Docker, le disque, la taille du volume, le framework, la précision et la longueur de séquence.
Attacher les données
Utilisez un jeu de données de stockage propriétaire ou attachez-le plus tard. Les URL de jeu de données sont signées pour le pod au lancement.
Déployer le pod
La première heure est retenue à l'avance, le pod est enregistré localement et les contrôles normaux du cycle de vie du pod prennent le relais.
Entraîner et checkpoint
Utilisez l'accès SSH, TensorBoard, API ou notebook, puis écrivez des checkpoints sous HYPEREAL_OUTPUT_DIR.
Post-entraînement LoRA
Upload dataset
Upload a zip of images or short clips to Storage and mark it as kind=dataset.
Choose trainer
Pick Flux, Qwen Image, Wan 2.2 Image, or Wan 2.2 I2V and set optional LoRA hyperparameters.
Start and monitor
Hypereal holds credits, submits the run, tracks progress, and lets you cancel before delivery.
Download weights
Completed runs copy outputs into private R2 storage and expose downloadable .safetensors weights.
Télécharger le jeu de données
Téléchargez un zip d'images ou de courts clips dans le stockage et marquez-le comme kind=dataset.
Choisir l'entraîneur
Choisissez Flux, Qwen Image, Wan 2.2 Image ou Wan 2.2 I2V et définissez les hyperparamètres LoRA optionnels.
Démarrer et surveiller
Hypereal retient les crédits, soumet l'exécution, suit la progression et vous permet d'annuler avant la livraison.
Télécharger les poids
Les exécutions terminées copient les sorties dans le stockage R2 privé et exposent les poids .safetensors téléchargeables.
Ce que les équipes déploient
Continued LLM pretraining
Spin up a reproducible PyTorch, DeepSpeed, or Nanotron pod for domain data, tokenizer experiments, or checkpoint continuation.
Character and product LoRAs
Train consistent people, mascots, products, packaging, and house styles without rebuilding prompts from scratch.
Custom video motion
Train short-clip LoRAs for repeatable camera moves, character animation, or branded motion assets.
Pré-entraînement LLM continu
Lancez un pod PyTorch, DeepSpeed ou Nanotron reproductible pour des données de domaine, des expériences de tokenizer ou la continuation de checkpoints.
LoRAs de personnages et de produits
Entraînez des personnes, des mascottes, des produits, des emballages et des styles de maison cohérents sans reconstruire les invites à partir de zéro.
Mouvement vidéo personnalisé
Entraînez des LoRAs de clips courts pour des mouvements de caméra répétables, des animations de personnages ou des actifs de mouvement de marque.