Zacznij tutaj, jeśli jesteś nowy
Nie musisz od razu rozumieć każdego ustawienia GPU. Wybierz ścieżkę odpowiadającą Twojemu celowi, przygotuj jeden zbiór danych, a następnie pozwól konsoli treningowej przeprowadzić Cię przez uruchomienie.
Złota zasada: użyj LoRA, gdy chcesz uzyskać mały, wielokrotnego użytku adapter stylu, postaci, produktu lub ruchu. Użyj podów pretreningowych, gdy potrzebujesz pełnej kontroli nad kodem, punktami kontrolnymi i środowiskiem uruchomieniowym.
- 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 - 06Decyzja
Wybierz pożądany rezultat
Wybierz post-trening LoRA, jeśli chcesz pobrać wagi .safetensors. Wybierz pod pretreningowy, jeśli potrzebujesz uruchomić własny kod treningowy na maszynie GPU.
Wybierz LoRA lub pretrening - 07/infra/storage
Przygotuj jeden zbiór danych
Dla LoRA, prześlij archiwum zip obrazów lub krótkich klipów w Storage i oznacz je jako kind=dataset. Dla pretreningu, możesz dołączyć zbiór danych teraz lub dodać dane po uruchomieniu podu.
Prześlij w Storage - 08Panel
Otwórz konsolę treningową
Przejdź do Infrastructure -> Training. Górny formularz uruchamia pod pretreningowy; formularz LoRA rozpoczyna zarządzane dostrajanie i pokazuje blokadę kredytów przed uruchomieniem.
Otwórz /infra/training - 09Jeden klik
Uruchom i obserwuj postęp
Kliknij Deploy pretraining pod lub Start training. Pretrening przekierowuje do strony podu. Uruchomienia LoRA pojawiają się na liście Runs z postępem, opcją anulowania, zwrotu i stanem wyjściowym.
Uruchom proces - 10Zakończ
Bezpiecznie zakończ proces
Pobierz wagi LoRA po zakończeniu procesu. W przypadku podów pretreningowych, zapisz punkty kontrolne i zatrzymaj lub zakończ pod, gdy skończysz, aby zatrzymać naliczanie godzinowe.
Pobierz lub zatrzymaj
Co jest dostępne dzisiaj
Pod do pretrainingu
Wdróż dedykowany pod GPU do pretrainingu LLM, multimodalnego lub ciągłego, używając własnego obrazu środowiska uruchomieniowego i zbioru danych.
- 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
- Własny obraz Docker, typ GPU, liczba GPU, dysk i rozmiar woluminu
- Opcjonalny własny zbiór danych podpisany pod HYPEREAL_DATASET_URL na 24 godziny
- Automatycznie otwarte porty SSH, TensorBoard, API i notebooka
Post-training LoRA
Trenuj wyselekcjonowane modele LoRA obrazów i wideo na prywatnych zbiorach danych, a następnie pobierz wynikowe wagi.
- 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
- Trenerzy Flux Dev, Qwen Image, Wan 2.2 Image i Wan 2.2 I2V
- Kontrolki słowa wyzwalającego, kroków, szybkości uczenia i rangi LoRA
- Postęp, anulowanie, zwrot, uzgadnianie webhooków i przechowywanie wyników w R2
Klastry pretrainingu wielo-węzłowe
Planuj i żądaj zasobów treningowych rozproszonych z topologią Mercury i wskazówkami dotyczącymi środowiska uruchomieniowego.
- 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
- Cytuj liczbę GPU, sieć, orkiestrator, region i pamięć masową
- Analizuj topologię, harmonogram, wskazówki NCCL i środowiska uruchomieniowego
- Jeszcze nie oferowane jako uruchamianie fizycznych klastrów wielo-węzłowych jednym kliknięciem
Pretraining jedno-węzłowy i post-training LoRA są dostępne jednym kliknięciem. Pretraining wielo-węzłowy pozostaje przepływem pracy opartym na zasobach, dopóki fizyczne przydzielanie klastra nie zostanie w pełni zintegrowane.
Wyselekcjonowani trenerzy LoRA
Flux Dev (LoRA)
Fotorealistyczne postacie, produkty, style
Uniwersalny wybór. Trenuj twarz, produkt lub styl wizualny i używaj wag wszędzie tam, gdzie działa Flux.
Qwen Image (LoRA)
Wysokiej jakości ilustracje i LoRA postaci
Silny w stylizowane ilustracje i podobieństwo postaci ze Wschodniej Azji. Użyj tego samego przepływu danych w formacie zip co Flux.
Wan 2.2 Image (LoRA)
Stylizowane LoRA obrazów o wysokiej rozdzielczości
LoRA obrazów o wysokiej rozdzielczości na bazie Wan 2.2. Zwraca wagi o wysokim i niskim szumie dla zaawansowanych przepływów pracy.
Wan 2.2 I2V (LoRA)
Kontrola ruchu obrazu na wideo
Trenuj na krótkich klipach wideo, aby zablokować ruch, kamerę lub animację postaci. Flagowy produkt do niestandardowych wideo.
Kredyty są blokowane po rozpoczęciu i zwracane w przypadku niepowodzenia przesłania, błędu po stronie serwera lub anulowania przed dostarczeniem.
Kompletny przepływ pracy treningowej
Pretraining i ciągły pretraining
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.
Wybierz środowisko uruchomieniowe GPU
Wybierz typ GPU, liczbę, obraz Docker, dysk, rozmiar woluminu, framework, precyzję i długość sekwencji.
Dołącz dane
Użyj własnego zbioru danych w pamięci masowej lub dołącz go później. Adresy URL zbiorów danych są podpisywane dla podu przy uruchomieniu.
Wdróż pod
Pierwsza godzina jest blokowana z góry, pod jest rejestrowany lokalnie, a normalne kontrole cyklu życia podu przejmują kontrolę.
Trenuj i twórz punkty kontrolne
Użyj dostępu SSH, TensorBoard, API lub notebooka, a następnie zapisz punkty kontrolne w HYPEREAL_OUTPUT_DIR.
Post-training 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.
Prześlij zbiór danych
Prześlij archiwum zip obrazów lub krótkich klipów do Pamięci masowej i oznacz je jako kind=dataset.
Wybierz trenera
Wybierz Flux, Qwen Image, Wan 2.2 Image lub Wan 2.2 I2V i ustaw opcjonalne hiperparametry LoRA.
Uruchom i monitoruj
Hypereal blokuje kredyty, przesyła zadanie, śledzi postęp i pozwala na anulowanie przed dostarczeniem.
Pobierz wagi
Zakończone zadania kopiują wyniki do prywatnej pamięci masowej R2 i udostępniają pobieralne wagi .safetensors.
Co wdrażają zespoły
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.
Ciągły pretraining LLM
Uruchom powtarzalny pod PyTorch, DeepSpeed lub Nanotron dla danych domenowych, eksperymentów z tokenizatorami lub kontynuacji punktów kontrolnych.
LoRA postaci i produktów
Trenuj spójne postacie, maskotki, produkty, opakowania i style firmowe bez konieczności odbudowywania promptów od zera.
Niestandardowy ruch wideo
Trenuj LoRA z krótkich klipów wideo, aby uzyskać powtarzalne ruchy kamery, animację postaci lub markowe zasoby ruchome.