اگر آپ نئے ہیں تو یہاں سے شروع کریں
آپ کو پہلے ہر GPU سیٹنگ کو سمجھنے کی ضرورت نہیں ہے۔ اس راستے کا انتخاب کریں جو آپ کے مقصد سے میل کھاتا ہو، ایک ڈیٹا سیٹ تیار کریں، پھر ٹریننگ کنسول کو لانچ کی رہنمائی کرنے دیں۔
انگوٹھے کا اصول: LoRA استعمال کریں جب آپ ایک چھوٹا دوبارہ قابل استعمال انداز، کردار، پروڈکٹ، یا موشن اڈاپٹر چاہتے ہوں۔ پری ٹریننگ پوڈز استعمال کریں جب آپ کو کوڈ، چیک پوائنٹس، اور رن ٹائم پر مکمل کنٹرول کی ضرورت ہو۔
- 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 - 06فیصلہ
وہ نتیجہ منتخب کریں جو آپ چاہتے ہیں
اگر آپ ڈاؤن لوڈ کے قابل .safetensors وزن چاہتے ہیں تو LoRA پوسٹ ٹریننگ کا انتخاب کریں۔ اگر آپ کو GPU مشین پر اپنا ٹریننگ کوڈ چلانے کی ضرورت ہے تو پری ٹریننگ پوڈ کا انتخاب کریں۔
LoRA یا پری ٹریننگ کا انتخاب کریں - 07/infra/storage
ایک ڈیٹا سیٹ تیار کریں
LoRA کے لیے، اسٹوریج میں تصاویر یا مختصر کلپس کی ایک زپ اپ لوڈ کریں اور اسے kind=dataset کے طور پر نشان زد کریں۔ پری ٹریننگ کے لیے، آپ ابھی ایک ڈیٹا سیٹ منسلک کر سکتے ہیں یا پوڈ شروع ہونے کے بعد ڈیٹا لا سکتے ہیں۔
اسٹوریج میں اپ لوڈ کریں - 08ڈیش بورڈ
ٹریننگ کنسول کھولیں
انفراسٹرکچر -> ٹریننگ پر جائیں۔ اوپر والا فارم ایک پری ٹریننگ پوڈ لانچ کرتا ہے؛ LoRA فارم ایک منظم فائن ٹیون شروع کرتا ہے اور لانچ سے پہلے آپ کے کریڈٹ ہولڈ کو دکھاتا ہے۔
/infra/training کھولیں - 09ایک کلک
لانچ کریں اور پیشرفت دیکھیں
پری ٹریننگ پوڈ تعینات کریں یا ٹریننگ شروع کریں پر کلک کریں۔ پری ٹریننگ پوڈ پیج پر ری ڈائریکٹ کرتی ہے۔ LoRA رنز پیشرفت، منسوخی، ریفنڈ، اور آؤٹ پٹ اسٹیٹ کے ساتھ رنز کی فہرست میں ظاہر ہوتے ہیں۔
رن شروع کریں - 10ختم کریں
رن کو محفوظ طریقے سے ختم کریں
جب رن مکمل ہو جائے تو LoRA وزن ڈاؤن لوڈ کریں۔ پری ٹریننگ پوڈز کے لیے، چیک پوائنٹس محفوظ کریں اور جب آپ کام کر لیں تو پوڈ کو روکیں یا ختم کریں تاکہ فی گھنٹہ بلنگ بند ہو جائے۔
ڈاؤن لوڈ کریں یا روکیں
آج کیا لائیو ہے
پری ٹریننگ پوڈ
اپنے رن ٹائم امیج اور ڈیٹا سیٹ کے ساتھ LLM، ملٹی موڈل، یا مسلسل پری ٹریننگ کے لیے ایک وقف شدہ GPU پوڈ تعینات کریں۔
- 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
- اپنا Docker امیج، GPU قسم، GPU گنتی، ڈسک، اور حجم کا سائز
- اختیاری ملکیت والا ڈیٹا سیٹ جو 24 گھنٹوں کے لیے HYPEREAL_DATASET_URL میں سائن ان کیا گیا ہے
- SSH, TensorBoard, API، اور نوٹ بک پورٹس خود بخود کھل جاتی ہیں
LoRA پوسٹ ٹریننگ
نجی ڈیٹا سیٹس کے خلاف کیوریٹڈ تصویر اور ویڈیو LoRA ماڈلز کو تربیت دیں، پھر نتیجے میں آنے والے وزن کو ڈاؤن لوڈ کریں۔
- 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، اور Wan 2.2 I2V ٹرینرز
- ٹرگر ورڈ، مراحل، سیکھنے کی شرح، اور LoRA رینک کنٹرولز
- پیشرفت، منسوخی، ریفنڈ، ویب ہک مفاہمت، اور R2 آؤٹ پٹ اسٹوریج
ملٹی نوڈ پری ٹریننگ کلسٹر
مرکری ٹوپولوجی اور رن ٹائم اشاروں کے ساتھ تقسیم شدہ ٹریننگ کی صلاحیت کی منصوبہ بندی کریں اور درخواست کریں۔
- 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
- GPU گنتی، نیٹ ورک، آرکیسٹریٹر، علاقہ، اور اسٹوریج کا حوالہ دیں
- ٹوپولوجی، شیڈیولر، NCCL، اور رن ٹائم اشاروں کا معائنہ کریں
- ابھی تک ایک کلک فزیکل ملٹی نوڈ لانچ کے طور پر مارکیٹ نہیں کیا گیا ہے
سنگل نوڈ پری ٹریننگ اور LoRA پوسٹ ٹریننگ ایک کلک پر ہیں۔ ملٹی نوڈ پری ٹریننگ ایک صلاحیت کا ورک فلو رہتا ہے جب تک کہ فزیکل کلسٹر پروویژننگ اینڈ ٹو اینڈ وائرڈ نہ ہو جائے۔
کیوریٹڈ LoRA ٹرینرز
Flux Dev (LoRA)
فوٹو ریئل کردار، مصنوعات، انداز
عام مقصد کا انتخاب۔ ایک چہرہ، ایک پروڈکٹ، یا ایک بصری انداز کو تربیت دیں اور وزن کو کہیں بھی استعمال کریں جہاں Flux چلتا ہے۔
Qwen Image (LoRA)
اعلیٰ وفاداری کی مثال اور کردار LoRAs
اسٹائلائزڈ مثالوں اور مشرقی ایشیائی کرداروں کی مشابہت میں مضبوط۔ Flux جیسا ہی زپ شدہ ڈیٹا سیٹ فلو استعمال کریں۔
Wan 2.2 Image (LoRA)
اسٹائلائزڈ ہائی ریزولوشن تصویر LoRAs
Wan 2.2 بیس پر ہائی ریزولوشن تصویر LoRA۔ جدید ورک فلوز کے لیے دوہری ہائی اور لو-نوائز ویٹ واپس کرتا ہے۔
Wan 2.2 I2V (LoRA)
تصویر سے ویڈیو موشن کنٹرول
موشن، کیمرہ، یا کریکٹر اینیمیشن کو لاک کرنے کے لیے مختصر ویڈیو کلپس پر ٹرین کریں۔ کسٹم ویڈیو کے لیے فلیگ شپ۔
کریڈٹس شروع کرتے وقت روکے جاتے ہیں اور جمع کرانے کی ناکامی، اپ اسٹریم ناکامی، یا ڈیلیوری سے پہلے منسوخی پر ریفنڈ کیے جاتے ہیں۔
مکمل ٹریننگ ورک فلو
پری ٹریننگ اور جاری پری ٹریننگ
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.
GPU رن ٹائم منتخب کریں
GPU کی قسم، تعداد، Docker امیج، ڈسک، والیوم سائز، فریم ورک، درستگی، اور سیکوینس کی لمبائی کا انتخاب کریں۔
ڈیٹا منسلک کریں
ملکیتی اسٹوریج ڈیٹا سیٹ استعمال کریں یا اسے بعد میں منسلک کریں۔ لانچ کے وقت پوڈ کے لیے ڈیٹا سیٹ URLs پر دستخط کیے جاتے ہیں۔
پوڈ تعینات کریں
پہلا گھنٹہ پیشگی رکھا جاتا ہے، پوڈ مقامی طور پر ریکارڈ کیا جاتا ہے، اور عام پوڈ لائف سائیکل کنٹرولز سنبھال لیتے ہیں۔
ٹرین اور چیک پوائنٹ
SSH، TensorBoard، API، یا نوٹ بک تک رسائی استعمال کریں، پھر HYPEREAL_OUTPUT_DIR کے تحت چیک پوائنٹس لکھیں۔
LoRA پوسٹ ٹریننگ
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.
ڈیٹا سیٹ اپ لوڈ کریں
تصاویر یا مختصر کلپس کا ایک زپ اسٹوریج پر اپ لوڈ کریں اور اسے kind=dataset کے طور پر نشان زد کریں۔
ٹرینر کا انتخاب کریں
Flux، Qwen Image، Wan 2.2 Image، یا Wan 2.2 I2V کا انتخاب کریں اور اختیاری LoRA ہائپر پیرامیٹرز سیٹ کریں۔
شروع کریں اور نگرانی کریں
Hypereal کریڈٹس رکھتا ہے، رن جمع کرتا ہے، پیشرفت کو ٹریک کرتا ہے، اور آپ کو ڈیلیوری سے پہلے منسوخ کرنے کی اجازت دیتا ہے۔
ویٹ ڈاؤن لوڈ کریں
مکمل شدہ رنز آؤٹ پٹ کو نجی R2 اسٹوریج میں کاپی کرتے ہیں اور ڈاؤن لوڈ کے قابل .safetensors ویٹ کو ظاہر کرتے ہیں۔
کون سی ٹیمیں تعینات کرتی ہیں
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.
LLM کی جاری پری ٹریننگ
ڈومین ڈیٹا، ٹوکنائزر کے تجربات، یا چیک پوائنٹ کی تسلسل کے لیے ایک قابل تولید PyTorch، DeepSpeed، یا Nanotron پوڈ شروع کریں۔
کردار اور پروڈکٹ LoRAs
شروع سے پرامپٹس کو دوبارہ بنائے بغیر مستقل افراد، میسکٹس، مصنوعات، پیکیجنگ، اور ہاؤس اسٹائلز کو ٹرین کریں۔
کسٹم ویڈیو موشن
دہرائے جانے والے کیمرہ مووز، کریکٹر اینیمیشن، یا برانڈڈ موشن اثاثوں کے لیے مختصر کلپ LoRAs کو ٹرین کریں۔