Crear un trabajo de entrenamiento

POST

https://api.fastino.ai

training-jobs

curl -X POST https://api.fastino.ai/v1/training-jobs \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model_name": "my-model-name",
    "base_model": "fastino/gliner2-multi-v1",
    "datasets": [{"name": "my-ready-dataset"}],
    "training_type": "lora",
    "nr_epochs": 5,
    "learning_rate": 5e-5,
    "validation_data_percentage": 0.2
  }'

{
  "id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
  "model_name": "my-model-name",
  "base_model": "fastino/gliner2-multi-v1",
  "status": "requested",
  "training_type": "lora",
  "nr_epochs": 5,
  "learning_rate": 5e-5,
  "validation_data_percentage": 0.2
}

Crea un trabajo de entrenamiento asíncrono y devuelve su registro. Este endpoint está limitado a 20 solicitudes por minuto por usuario.

Solicitud

string

requerido

Tu clave de API de Fastino.

string

requerido

Nombre para mostrar del modelo entrenado. Longitud: 1–100 caracteres.

string

requerido

Un ID de modelo entrenable de GET /v1/base-models?supports_training=true, o un UUID de checkpoint soportado.

object[]

requerido

Una o más referencias a datasets. Cada elemento requiere name y puede incluir version; si se omite la versión, se resuelve a la más reciente.

string

predeterminado:"lora"

lora o full. El modelo base seleccionado debe soportar el tipo solicitado.

number

predeterminado:"0.2"

Fracción reservada para validación, de 0 a 1.

integer

predeterminado:"100"

Número máximo de épocas. Debe ser al menos 1; la parada temprana puede terminar antes.

number

Tasa de aprendizaje pico positiva. Omítelo para usar la receta de entrenamiento del modelo seleccionado.

integer

predeterminado:"4"

Tamaño de lote por dispositivo. Prefiere omitirlo para que el servicio de entrenamiento aplique o limite de forma segura al valor predeterminado específico del modelo.

integer

Semilla opcional para reproducibilidad, entre 0 y 2147483647. Configura provider_name como modal cuando la uses. Una semilla reduce una fuente de variación pero no garantiza ejecuciones idénticas bit a bit en la GPU.

string

UUID del proyecto. Cuando se omite, Fastino asocia el trabajo con el proyecto predeterminado del llamante.

Mostrar Parámetros de entrenamiento adicionales

integer

predeterminado:"100"

Guarda un checkpoint cada N pasos.

boolean

predeterminado:"false"

Persiste un artefacto estructurado del perfil de entrenamiento.

string

Clave de API opcional de Weights & Biases. Trátala como un secreto y nunca la pongas en control de versiones, logs o ejemplos.

integer

Rango de LoRA. Omítelo para usar la receta del modelo.

integer

Alpha de LoRA. Omítelo para usar la receta del modelo.

number

Dropout de LoRA. Omítelo para usar la receta del modelo.

boolean

Empaqueta ejemplos cortos para trabajos LoRA de decodificador compatibles.

boolean

predeterminado:"false"

Opción de enmascaramiento de pérdida del decodificador. Las combinaciones no compatibles se rechazan.

number

Fracción de warmup de 0 a 1. warmup_steps tiene prioridad.

integer

Número absoluto positivo de pasos de warmup.

string

predeterminado:"cosine"

Programa de tasa de aprendizaje: constant, linear o cosine.

number

predeterminado:"0.01"

Weight decay no negativo de AdamW.

integer

predeterminado:"3"

Épocas de validación sin mejora antes de detenerse. Ponlo en 0 para desactivarlo.

number

predeterminado:"0.0001"

Mejora mínima de la pérdida de validación que se considera progreso.

string

Fija un proveedor de entrenamiento compatible. Omítelo para selección automática.

string

System prompt canónico para el entrenamiento de decodificadores compatibles.

number

Tasa de aprendizaje del codificador de GLiNER. Recae en learning_rate.

number

Tasa de aprendizaje de la cabeza de tarea de GLiNER. Recae en learning_rate.

integer

Número positivo de acumulación de mini-lotes.

boolean

Activa el auto-dimensionado del dataset de GLiNER.

integer

Límite inferior del auto-dimensionado de GLiNER.

integer

Límite superior del auto-dimensionado de GLiNER.

integer

Escala del auto-dimensionado de GLiNER por etiqueta.

integer

Pasos mínimos del optimizador de GLiNER.

string

predeterminado:"sft"

sft, grpo o dpo. GRPO requiere rl_config.reward_type. Los datasets de DPO requieren las columnas prompt, chosen y rejected.

object

Ajustes específicos del algoritmo. Las claves compartidas incluyen max_steps y logging_steps. GRPO admite reward_type, kl_beta, group_size, sampling_temperature y max_completion_length. DPO admite dpo_beta y loss_type. La recompensa llm_as_judge de GRPO también admite llm_judge_model, llm_judge_rubric, llm_judge_score_scale, llm_judge_timeout_s, llm_judge_max_concurrent, llm_judge_max_retries y llm_judge_retry_backoff_s.

curl -X POST https://api.fastino.ai/v1/training-jobs \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model_name": "my-model-name",
    "base_model": "fastino/gliner2-multi-v1",
    "datasets": [{"name": "my-ready-dataset"}],
    "training_type": "lora",
    "nr_epochs": 5,
    "learning_rate": 5e-5,
    "validation_data_percentage": 0.2
  }'

Respuesta

Devuelve 200 con el registro completo del trabajo de entrenamiento, incluidos un id UUID y el estado inicial.

{
  "id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
  "model_name": "my-model-name",
  "base_model": "fastino/gliner2-multi-v1",
  "status": "requested",
  "training_type": "lora",
  "nr_epochs": 5,
  "learning_rate": 5e-5,
  "validation_data_percentage": 0.2
}

Guarde el id de esta respuesta. Lo usará para sondear el estado, obtener métricas y artefactos, y ejecutar inferencia contra el modelo entrenado. Un cuerpo mal formado devuelve 422. Una combinación válida pero no disponible de modelo, dataset, tipo de entrenamiento o proveedor devuelve un error 4xx específico de la solicitud.

⌘I

curl -X POST https://api.fastino.ai/v1/training-jobs \
  -H "X-API-Key: $FASTINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model_name": "my-model-name",
    "base_model": "fastino/gliner2-multi-v1",
    "datasets": [{"name": "my-ready-dataset"}],
    "training_type": "lora",
    "nr_epochs": 5,
    "learning_rate": 5e-5,
    "validation_data_percentage": 0.2
  }'

{
  "id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
  "model_name": "my-model-name",
  "base_model": "fastino/gliner2-multi-v1",
  "status": "requested",
  "training_type": "lora",
  "nr_epochs": 5,
  "learning_rate": 5e-5,
  "validation_data_percentage": 0.2
}

Empezar

Conceptos básicos

API de entrenamiento

Referencia de API

Cuenta

Registro de cambios

Crear un trabajo de entrenamiento

Solicitud

Respuesta

​Solicitud

​Respuesta

Solicitud

Respuesta