Deploy pentru poduri de pretraining și antrenare LoRA pe propriile date
Lansează un pod GPU real pe un singur nod pentru pretraining continuu sau rulează post-training LoRA gestionat pentru Flux, Qwen Image și Wan 2.2. Seturile de date, facturarea, progresul, anularea și rezultatele rămân în Hypereal.
Începe aici dacă ești nou
Nu trebuie să înțelegi de la început fiecare setare GPU. Alege calea care se potrivește obiectivului tău, pregătește un singur set de date, apoi lasă consola de antrenare să ghideze lansarea.
Regulă generală: folosește LoRA când vrei un adaptor mic, reutilizabil, pentru stil, personaj, produs sau mișcare. Folosește poduri de pretraining când ai nevoie de control complet asupra codului, checkpoint-urilor și runtime-ului.
- 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 - 06Decizie
Alege rezultatul dorit
Alege post-training LoRA dacă vrei greutăți .safetensors descărcabile. Alege un pod de pretraining dacă trebuie să rulezi propriul cod de antrenare pe o mașină GPU.
Alege LoRA sau pretraining - 07/infra/storage
Pregătește un singur set de date
Pentru LoRA, încarcă un zip cu imagini sau clipuri scurte în Stocare și marchează-l ca kind=dataset. Pentru pretraining, poți atașa acum un set de date sau poți aduce datele după ce pornește podul.
Încarcă în Stocare - 08Tablou de bord
Deschide consola de antrenare
Mergi la Infrastructură -> Antrenare. Formularul din partea de sus lansează un pod de pretraining; formularul LoRA pornește un fine-tune gestionat și îți arată reținerea de credite înainte de lansare.
Deschide /infra/training - 09Un singur click
Lansează și urmărește progresul
Apasă Deploy pod de pretraining sau Start training. Pretraining redirecționează la pagina podului. Rulările LoRA apar în lista Runs cu progres, anulare, rambursare și starea rezultatului.
Pornește rularea - 10Finalizare
Încheie rularea în siguranță
Descarcă greutățile LoRA când rularea se finalizează. Pentru podurile de pretraining, salvează checkpoint-urile și oprește sau termină podul când ai terminat, astfel încât facturarea orară să se oprească.
Descarcă sau oprește
Ce este live astăzi
Pod de pretraining
Deploy pentru un pod GPU dedicat pentru LLM, multimodal sau pretraining continuu cu imaginea ta de runtime și setul de date.
- 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
- Imagine Docker proprie, tip GPU, număr de GPU-uri, disc și dimensiunea volumului
- Set de date propriu opțional semnat în HYPEREAL_DATASET_URL pentru 24 de ore
- Porturile SSH, TensorBoard, API și notebook sunt deschise automat
Post-antrenare LoRA
Antrenați modele LoRA curatate pentru imagine și video pe seturi de date private, apoi descărcați greutățile rezultate.
- 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
- Traineri Flux Dev, Qwen Image, Wan 2.2 Image și Wan 2.2 I2V
- Controale pentru cuvânt de declanșare, pași, rată de învățare și rangul LoRA
- Progres, anulare, rambursare, reconciliere webhook și stocare output în R2
Cluster multi-node pentru preantrenare
Planificați și solicitați capacitate de antrenare distribuită cu topologia Mercury și indicii de runtime.
- 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
- Cotați numărul de GPU-uri, rețeaua, orchestratorul, regiunea și stocarea
- Inspectați topologia, schedulerul, NCCL și indicii de runtime
- Încă nu este promovat ca lansare fizică multi-node cu un singur clic
Pretraining pe un singur nod și post-training LoRA sunt disponibile printr-un singur click. Pretrainingul pe mai multe noduri rămâne un flux de lucru de capacitate până când provisioning-ul fizic al clusterului este conectat end-to-end.
Traineri LoRA curatoriați
Flux Dev (LoRA)
Personaje, produse, stiluri fotorealiste
Alegerea generală. Antrenați un chip, un produs sau un stil vizual și folosiți greutățile oriunde rulează Flux.
Qwen Image (LoRA)
LoRA-uri de ilustrație și personaje, cu fidelitate ridicată
Foarte bun pentru ilustrație stilizată și asemănarea personajelor est-asiatice. Folosește același flux cu dataset zip ca Flux.
Wan 2.2 Image (LoRA)
LoRA-uri pentru imagine stilizată, la rezoluție înaltă
LoRA pentru imagine la rezoluție înaltă pe baza Wan 2.2. Returnează greutăți duale, high și low-noise, pentru fluxuri de lucru avansate.
Wan 2.2 I2V (LoRA)
Controlul mișcării imagine-la-video
Antrenați pe clipuri video scurte pentru a fixa mișcarea, camera sau animația personajelor. Alegerea principală pentru video personalizat.
Creditele sunt reținute când porniți și sunt rambursate la eșecul trimiterii, eșecul upstream sau anularea înainte de livrare.
Fluxul complet de antrenare
Preantrenare și preantrenare continuată
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.
Alegeți runtime-ul GPU
Alegeți tipul de GPU, numărul, imaginea Docker, discul, dimensiunea volumului, framework-ul, precizia și lungimea secvenței.
Atașați datele
Folosiți un set de date din stocare proprie sau atașați-l ulterior. URL-urile dataset-ului sunt semnate pentru pod la pornire.
Implementați podul
Prima oră este reținută în avans, podul este înregistrat local și preiau controlul comenzile normale de ciclu de viață ale podului.
Antrenați și creați checkpoint-uri
Folosiți SSH, TensorBoard, API sau acces notebook, apoi scrieți checkpoint-urile în HYPEREAL_OUTPUT_DIR.
Post-antrenare 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.
Încărcați datasetul
Încărcați un zip cu imagini sau clipuri scurte în Storage și marcați-l ca kind=dataset.
Alegeți trainerul
Alegeți Flux, Qwen Image, Wan 2.2 Image sau Wan 2.2 I2V și setați parametrii LoRA opționali.
Porniți și monitorizați
Hypereal reține creditele, trimite rularea, urmărește progresul și vă permite să anulați înainte de livrare.
Descărcați greutățile
Rulările finalizate copiază output-ul în stocare R2 privată și expun greutăți .safetensors care pot fi descărcate.
Ce implementează echipele
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.
Preantrenare continuată pentru LLM
Porniți un pod reproductibil PyTorch, DeepSpeed sau Nanotron pentru date de domeniu, experimente cu tokenizer-ul sau continuarea checkpoint-urilor.
LoRA-uri pentru personaje și produse
Antrenați oameni, mascote, produse, ambalaje și stiluri proprii coerente, fără a reconstrui prompturile de la zero.
Mișcare video personalizată
Antrenați LoRA-uri pe clipuri scurte pentru mișcări repetitive ale camerei, animația personajelor sau asset-uri de mișcare branduite.