Namestite predučevalne pode in učite LoRA na svojih podatkih
Za nadaljnje predučenje zaženite pravi enonodovni GPU pod ali uporabite upravljano LoRA post-učenje za Flux, Qwen Image in Wan 2.2. Podatkovne zbirke, obračunavanje, napredek, preklic in izhodi ostanejo v Hypereal.
Začnite tukaj, če ste novi
Ni vam treba najprej razumeti vseh nastavitev GPU-ja. Izberite pot, ki ustreza vašemu cilju, pripravite eno podatkovno zbirko, nato pa naj vas konzola za učenje vodi skozi zagon.
Splošno pravilo: uporabite LoRA, ko želite majhen, ponovno uporaben slogovni, značajski, produktni ali gibalni adapter. Uporabite predučevalne pode, ko potrebujete popoln nadzor nad kodo, checkpointi in izvajalnim okoljem.
- 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 - 06Odločitev
Izberite želeni rezultat
Izberite LoRA post-učenje, če želite prenosljive uteži .safetensors. Izberite predučevalni pod, če želite na GPU napravi izvajati svojo učno kodo.
Izberite LoRA ali predučenje - 07/infra/storage
Pripravite eno podatkovno zbirko
Za LoRA v Storage naložite zip z slikami ali kratkimi posnetki in ga označite kot kind=dataset. Pri predučenju lahko podatkovno zbirko priložite zdaj ali podatke dodate po zagonu poda.
Naloži v Storage - 08Nadzorna plošča
Odprite konzolo za učenje
Pojdite na Infrastruktura -> Učenje. Zgornji obrazec zažene predučevalni pod; obrazec za LoRA pa začne upravljani fine-tune in pred zagonom prikaže zadržanje kreditov.
Odpri /infra/training - 09Z enim klikom
Zaženite in spremljajte napredek
Kliknite Namesti predučevalni pod ali Začni učenje. Predučenje vas preusmeri na stran poda. Zagoni LoRA se prikažejo na seznamu Runs z napredkom, preklicem, vračilom in stanjem izhoda.
Zaženi zagon - 10Dokončaj
Varno zaključite zagon
Ko se zagon zaključi, prenesite uteži LoRA. Pri predučevalnih podih shranite checkpoint-e ter pod zaustavite ali ukinite, ko končate, da se urni obračun ustavi.
Prenesi ali ustavi
Kaj je danes na voljo
Predučevalni pod
Namestite namenski GPU pod za LLM, multimodalno ali nadaljnje predučenje z vašim izvajalnim slikovnim okoljem in podatkovno zbirko.
- 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
- Lastna Docker slika, vrsta GPU-ja, število GPU-jev, disk in velikost volumna
- Neobvezna lastna podatkovna zbirka, podpisana v HYPEREAL_DATASET_URL za 24 ur
- SSH, TensorBoard, API in vrata notebooka se odprejo samodejno
LoRA po-trening
Trenirajte izbrane LoRA modele za sliko in video na zasebnih zbirkah podatkov, nato prenesite nastale uteži.
- 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
- Trenerji Flux Dev, Qwen Image, Wan 2.2 Image in Wan 2.2 I2V
- Nadzor nad sprožilno besedo, koraki, hitrostjo učenja in LoRA rangom
- Napredek, preklic, vračilo, usklajevanje webhookov in R2 shranjevanje izhoda
Pretraining gruča z več vozlišči
Načrtujte in zahtevajte zmogljivost za porazdeljeno učenje z Mercury topologijo in namigi za izvajanje.
- 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
- Pridobite oceno za število GPU-jev, omrežje, orkestrator, regijo in shrambo
- Preglejte topologijo, razporejevalnik, NCCL in namige za izvajanje
- Za zdaj še ni predstavljeno kot fizični zagon z enim klikom za več vozlišč
Enonodovno predučenje in LoRA post-učenje sta na voljo z enim klikom. Večnodovno predučenje ostaja proces glede zmogljivosti, dokler ni fizično zagotavljanje gruče povezano od začetka do konca.
Izbrani LoRA trenerji
Flux Dev (LoRA)
Fotorealistični liki, izdelki, slogi
Univerzalna izbira. Natrenirajte obraz, izdelek ali vizualni slog in uporabite uteži kjer koli teče Flux.
Qwen Image (LoRA)
Visokofidelnostni LoRA za ilustracije in like
Močan pri stilizirani ilustraciji in podobnosti vzhodnoazijskih likov. Uporablja isti potek z zadrgano zbirko podatkov kot Flux.
Wan 2.2 Image (LoRA)
Stilizirani LoRA za slike z visoko ločljivostjo
LoRA za slike z visoko ločljivostjo na osnovi Wan 2.2. Vrne dvojne uteži za visok in nizek šum za napredne delovne tokove.
Wan 2.2 I2V (LoRA)
Nadzor gibanja iz slike v video
Trenirajte na kratkih video posnetkih, da zaklenete gibanje, kamero ali animacijo lika. Vodilna izbira za prilagojen video.
Krediti se zadržijo ob začetku in se povrnejo ob napaki pri oddaji, napaki na strani nadrejenega sistema ali preklicu pred dostavo.
Celoten potek treniranja
Pretraining in nadaljnji 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.
Izberite GPU okolje izvajanja
Izberite tip GPU-ja, število, Docker sliko, disk, velikost volumna, ogrodje, natančnost in dolžino zaporedja.
Priklopite podatke
Uporabite lastniško shrambo zbirke podatkov ali jo priklopite pozneje. URL-ji zbirke podatkov so ob zagonu podpisani za pod.
Namestite pod
Prva ura se zadrži vnaprej, pod se lokalno zabeleži, nato pa prevzamejo običajni kontrolniki življenjskega cikla poda.
Trenirajte in ustvarjajte kontrolne točke
Uporabite SSH, TensorBoard, API ali dostop do notebooka, nato zapisujte kontrolne točke v HYPEREAL_OUTPUT_DIR.
LoRA po-trening
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.
Naložite zbirko podatkov
V Storage naložite zip slik ali kratkih posnetkov in ga označite kot kind=dataset.
Izberite trenerja
Izberite Flux, Qwen Image, Wan 2.2 Image ali Wan 2.2 I2V in nastavite neobvezne LoRA hiperparametre.
Zaženite in spremljajte
Hypereal zadrži kredite, odda zagon, spremlja napredek in vam omogoča preklic pred dostavo.
Prenesite uteži
Zaključeni zagoni kopirajo izhode v zasebno R2 shrambo in omogočijo prenosljive uteži .safetensors.
Kaj ekipe uvajajo
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.
Nadaljnji pretraining LLM-jev
Vzpostavite ponovljiv pod PyTorch, DeepSpeed ali Nanotron za domenske podatke, eksperimente s tokenizerjem ali nadaljevanje kontrolnih točk.
LoRA za like in izdelke
Trenirajte dosledne osebe, maskote, izdelke, embalažo in hišne sloge brez ponovnega sestavljanja pozivov od začetka.
Prilagojeno video gibanje
Trenirajte LoRA za kratke posnetke za ponovljive premike kamere, animacijo lika ali blagovno označena gibalna sredstva.