Interaktive Checkpoints
Trainingsgewichte speichern
Speichert LoRA-Gewichte und Optimizer-Zustand eines interaktiven Jobs unter einem Namen. Die Antwort enthält future_id, Checkpoint-ID und tinker://-Pfad.
POST
POST /v1/training/jobs/{job_id}/save-weights
Speichert die LoRA-Gewichte und den Optimizer-Zustand des Jobs als
weights/<name>. Sie können ihn wieder in denselben Job
laden oder von ihm aus
einen neuen Job starten.
Um aus Gewichten zu samplen oder sie herunterzuladen, speichern Sie sie
stattdessen mit
POST /v1/training/jobs/{job_id}/save-weights-for-sampler.
Das Speichern wird in der Reihenfolge der übrigen Aufrufe des Jobs ausgeführt.
Ein GLiDE-Job (fastino/GLiDE) speichert alle seine Gewichte und den
Optimizer-Zustand, oder mit soup den gewichteten Mittelwert gespeicherter
Zustände.
Anfrage
string
erforderlich
Ihr Fastino-API-Schlüssel.
string
erforderlich
ID des interaktiven Jobs.
string
erforderlich
1–128 Zeichen aus
A-Z, a-z, 0-9, ., _ und -.integer | null
Löscht den Checkpoint automatisch nach dieser Anzahl von Sekunden, von
3600
(1 Stunde) bis 315360000 (10 Jahre). Lassen Sie das Feld weg oder senden Sie
null, um den Checkpoint zu behalten, bis Sie ihn löschen. Bestehende
Checkpoints zählen zur Speichernutzung.boolean
Standard:"false"
Ersetzt einen Zustands-Checkpoint mit demselben Namen.
object
String-Schlüssel-Wert-Metadaten, die mit dem Checkpoint gespeichert werden.
object[]
Nur GLiDE-Jobs: Speichern Sie stattdessen den gewichteten Mittelwert von
2
bis 8 Trainingszuständen, ohne Optimizer-Zustand. Das Speichern einer soup ändert die Gewichte des Jobs nicht: Um sie zu
evaluieren oder bereitzustellen, laden Sie sie zuerst mit
load-weights und
"optimizer": false.Antwort
string
Das
save-Future.string
weights/<name>.string
Vollständiger Checkpoint-Pfad. Übergeben Sie ihn als
from_checkpoint, wenn Sie einen Job erstellen.
