Diekite išankstinio mokymo podus ir mokykite LoRA su savo duomenimis
Paleiskite tikrą vieno mazgo GPU podą tęstiniam išankstiniam mokymui arba naudokite valdomą LoRA po-mokymą Flux, Qwen Image ir Wan 2.2. Duomenų rinkiniai, atsiskaitymas, eiga, atšaukimas ir išvestys lieka Hypereal.
Pradėkite čia, jei esate naujokas
Nebūtina iš karto suprasti kiekvieno GPU nustatymo. Pasirinkite tikslą atitinkantį kelią, paruoškite vieną duomenų rinkinį, tada mokymo konsolė padės paleisti procesą.
Bendra taisyklė: naudokite LoRA, kai norite mažo daugkartinio naudojimo stiliaus, personažo, produkto ar judesio adapterio. Naudokite išankstinio mokymo podus, kai reikia visiškos kontrolės virš kodo, kontrolinių taškų ir vykdymo aplinkos.
- 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 - 06Sprendimas
Pasirinkite norimą rezultatą
Rinkitės LoRA po-mokymą, jei norite atsisiunčiamų .safetensors svorių. Rinkitės išankstinio mokymo podą, jei reikia vykdyti savo mokymo kodą GPU mašinoje.
Pasirinkti LoRA arba išankstinį mokymą - 07/infra/storage
Paruoškite vieną duomenų rinkinį
LoRA atveju įkelkite paveikslėlių arba trumpų klipų zip į Storage ir pažymėkite jį kaip kind=dataset. Išankstiniam mokymui duomenų rinkinį galite prijungti dabar arba pridėti duomenis podui paleidus.
Įkelti į Storage - 08Valdymo skydelis
Atidarykite mokymo konsolę
Eikite į Infrastructure -> Training. Viršutinė forma paleidžia išankstinio mokymo podą; LoRA forma pradeda valdoma fine-tune ir prieš paleidimą parodo kreditų rezervaciją.
Atidaryti /infra/training - 09Vienas paspaudimas
Paleiskite ir stebėkite eigą
Spustelėkite Deploy pretraining pod arba Start training. Išankstinis mokymas nukreipia į podo puslapį. LoRA vykdymai rodomi Runs sąraše su eiga, atšaukimu, grąžinimu ir išvesties būsena.
Pradėti vykdymą - 10Baigti
Saugiai užbaikite vykdymą
Kai vykdymas baigiasi, atsisiųskite LoRA svorius. Išankstinio mokymo podams išsaugokite kontrolinius taškus ir sustabdykite arba nutraukite podą, kai baigsite, kad valandinis atsiskaitymas sustotų.
Atsisiųsti arba sustabdyti
Kas veikia dabar
Išankstinio mokymo podas
Diekite skirtą GPU podą LLM, multimodaliniam arba tęstiniam išankstiniam mokymui su savo vykdymo aplinkos vaizdu ir duomenų rinkiniu.
- 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
- Savas Docker vaizdas, GPU tipas, GPU kiekis, diskas ir tomo dydis
- Pasirinktinis nuosavas duomenų rinkinys, pasirašytas į HYPEREAL_DATASET_URL 24 valandoms
- SSH, TensorBoard, API ir notebook prievadai atidaromi automatiškai
LoRA potreningis
Mokykite atrinktus vaizdo ir vaizdo įrašų LoRA modelius pagal privačius duomenų rinkinius, tada atsisiųskite gautus svorius.
- 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
- Flux Dev, Qwen Image, Wan 2.2 Image ir Wan 2.2 I2V mokytojai
- Raktažodžio, žingsnių, mokymosi greičio ir LoRA rango valdikliai
- Progresas, atšaukimas, grąžinimas, webhook suderinimas ir R2 išvesties saugykla
Daugių mazgų priešmokymo klasteris
Planuokite ir užsisakykite paskirstyto mokymo pajėgumus su Mercury topologija ir vykdymo užuominomis.
- 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
- Nurodykite GPU skaičių, tinklą, orkestratorių, regioną ir saugyklą
- Peržiūrėkite topologiją, planuoklę, NCCL ir vykdymo užuominas
- Kol kas nesiūloma kaip vienu paspaudimu paleidžiamas fizinis daugių mazgų diegimas
Vieno mazgo išankstinis mokymas ir LoRA po-mokymas paleidžiami vienu paspaudimu. Daugia mazgių išankstinis mokymas išlieka pajėgumų procesu, kol fizinio klasterio provisionavimas nebus įdiegtas nuo pradžios iki pabaigos.
Atrinkti LoRA mokytojai
Flux Dev (LoRA)
Fotorealistiški personažai, produktai, stiliai
Universalus pasirinkimas. Mokykite veidą, produktą ar vizualinį stilių ir naudokite svorius bet kur, kur veikia Flux.
Qwen Image (LoRA)
Aukšto tikslumo iliustracijų ir personažų LoRA
Ypač stiprus stilizuotos iliustracijos ir Rytų Azijos personažų panašumo srityje. Naudokite tą pačią zip duomenų rinkinio eigą kaip ir Flux.
Wan 2.2 Image (LoRA)
Stilizuoti didelės raiškos vaizdų LoRA
Didelės raiškos vaizdų LoRA ant Wan 2.2 bazės. Grąžina dvigubus didelio ir mažo triukšmo svorius pažangesnėms darbo eigoms.
Wan 2.2 I2V (LoRA)
Vaizdo įrašo judesio valdymas iš vaizdo
Mokykite pagal trumpus vaizdo klipus, kad užfiksuotumėte judesį, kamerą ar personažo animaciją. Flagmanas individualizuotam vaizdo įrašui.
Kreditai sulaikomi, kai pradedate, ir grąžinami esant pateikimo nesėkmei, aukštesnio lygio gedimui arba atšaukimui prieš pristatymą.
Visa mokymo darbo eiga
Priešmokymas ir tęstinis priešmokymas
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.
Pasirinkite GPU vykdymo aplinką
Pasirinkite GPU tipą, kiekį, Docker vaizdą, diską, tūrio dydį, sistemą, tikslumą ir sekos ilgį.
Pridėkite duomenis
Naudokite turimą saugyklos duomenų rinkinį arba prijunkite jį vėliau. Duomenų rinkinio URL paleidimo metu pod'ui yra pasirašomi.
Įdiekite pod
Pirmoji valanda sulaikoma iš anksto, pod'as įrašomas lokaliai, o įprasti pod'o gyvavimo ciklo valdikliai perima toliau.
Mokykite ir išsaugokite kontrolinius taškus
Naudokite SSH, TensorBoard, API arba notebook prieigą, tada įrašykite kontrolinius taškus į HYPEREAL_OUTPUT_DIR.
LoRA potreningis
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.
Įkelkite duomenų rinkinį
Įkelkite vaizdų arba trumpų klipų zip į Storage ir pažymėkite jį kaip kind=dataset.
Pasirinkite mokytoją
Pasirinkite Flux, Qwen Image, Wan 2.2 Image arba Wan 2.2 I2V ir nustatykite pasirenkamus LoRA hiperparametrus.
Paleiskite ir stebėkite
Hypereal sulaiko kreditus, pateikia vykdymą, seka eigą ir leidžia atšaukti prieš pristatymą.
Atsisiųskite svorius
Užbaigti vykdymai nukopijuoja rezultatus į privatų R2 saugyklą ir pateikia atsisiunčiamus .safetensors svorius.
Ką diegia komandos
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.
Tęstinis LLM priešmokymas
Paleiskite atkuriamą PyTorch, DeepSpeed arba Nanotron pod'ą domeno duomenims, tokenizer eksperimentams arba kontrolinio taško tęsimui.
Personažų ir produktų LoRA
Mokykite nuoseklius žmones, talismanus, produktus, pakuotes ir įmonės stilius nekuriant užklausų iš naujo.
Individualus vaizdo įrašo judesys
Mokykite trumpų klipų LoRA pakartojamiems kameros judesiams, personažo animacijai ar prekės ženklo judesio ištekliams.

