Créer un job d'entraînement

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
}

Crée un job d’entraînement asynchrone et renvoie son enregistrement. Cet endpoint est limité à 20 requêtes par minute et par utilisateur.

Requête

string

requis

Votre clé API Fastino.

string

requis

Nom d’affichage pour le modèle entraîné. Longueur : 1 à 100 caractères.

string

requis

Un ID de modèle entraînable issu de GET /v1/base-models?supports_training=true, ou un UUID de checkpoint pris en charge.

object[]

requis

Une ou plusieurs références de datasets. Chaque élément nécessite name et peut inclure version ; les versions omises sont résolues vers la dernière version.

string

défaut:"lora"

lora ou full. Le modèle de base sélectionné doit prendre en charge le type demandé.

number

défaut:"0.2"

Fraction réservée pour la validation, de 0 à 1.

integer

défaut:"100"

Nombre maximal d’époques. Doit être au moins 1 ; l’arrêt anticipé peut terminer plus tôt.

number

Taux d’apprentissage maximal positif. Omettez-le pour utiliser la recette d’entraînement du modèle sélectionné.

integer

défaut:"4"

Taille de batch par appareil. Il est préférable de l’omettre afin que le service d’entraînement puisse appliquer ou ramener en toute sécurité la valeur par défaut spécifique au modèle.

integer

Seed de reproductibilité optionnelle entre 0 et 2147483647. Définissez provider_name sur modal lors de son utilisation. Une seed réduit une source de variation mais ne garantit pas des exécutions GPU identiques bit à bit.

string

UUID du projet. S’il est omis, Fastino associe le job au projet par défaut de l’appelant.

Afficher Paramètres d'entraînement supplémentaires

integer

défaut:"100"

Enregistrer un checkpoint tous les N pas.

boolean

défaut:"false"

Persister un artefact structuré de profil d’entraînement.

string

Clé API Weights & Biases optionnelle. Traitez-la comme un secret et ne la placez jamais dans le contrôle de source, les logs ou les exemples.

integer

Rang LoRA. Omettez-le pour utiliser la recette du modèle.

integer

Alpha LoRA. Omettez-le pour utiliser la recette du modèle.

number

Dropout LoRA. Omettez-le pour utiliser la recette du modèle.

boolean

Regrouper les exemples courts pour les jobs LoRA de décodeur compatibles.

boolean

défaut:"false"

Option de masquage de loss pour décodeur. Les combinaisons non prises en charge sont rejetées.

number

Fraction de warmup de 0 à 1. warmup_steps a la priorité.

integer

Nombre absolu positif de pas de warmup.

string

défaut:"cosine"

Programme du taux d’apprentissage : constant, linear ou cosine.

number

défaut:"0.01"

Weight decay AdamW non négatif.

integer

défaut:"3"

Époques de validation sans amélioration avant l’arrêt. Définissez 0 pour désactiver.

number

défaut:"0.0001"

Amélioration minimale de la loss de validation considérée comme une progression.

string

Fixer un fournisseur d’entraînement compatible. Omettez-le pour une sélection automatique.

string

Prompt système canonique pour un entraînement de décodeur compatible.

number

Taux d’apprentissage de l’encodeur GLiNER. Utilise learning_rate par défaut.

number

Taux d’apprentissage de la tête de tâche GLiNER. Utilise learning_rate par défaut.

integer

Nombre positif d’accumulations de mini-batchs.

boolean

Activer le dimensionnement automatique des datasets GLiNER.

integer

Borne inférieure du dimensionnement automatique GLiNER.

integer

Borne supérieure du dimensionnement automatique GLiNER.

integer

Échelle par étiquette pour le dimensionnement automatique GLiNER.

integer

Nombre minimal de pas d’optimiseur GLiNER.

string

défaut:"sft"

sft, grpo ou dpo. GRPO nécessite rl_config.reward_type. Les datasets DPO nécessitent les colonnes prompt, chosen et rejected.

object

Paramètres spécifiques à l’algorithme. Les clés partagées incluent max_steps et logging_steps. GRPO prend en charge reward_type, kl_beta, group_size, sampling_temperature et max_completion_length. DPO prend en charge dpo_beta et loss_type. La récompense GRPO llm_as_judge prend aussi en charge llm_judge_model, llm_judge_rubric, llm_judge_score_scale, llm_judge_timeout_s, llm_judge_max_concurrent, llm_judge_max_retries et 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
  }'

Réponse

Renvoie 200 avec l’enregistrement complet du travail d’entraînement, y compris un id UUID et le statut initial.

{
  "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
}

Conservez l’id renvoyé dans cette réponse. Vous l’utiliserez pour interroger le statut, récupérer les métriques et les artefacts, et exécuter des inférences sur le modèle entraîné. Un corps mal formé renvoie 422. Une combinaison valide mais indisponible de modèle, dataset, type d’entraînement ou fournisseur renvoie une erreur 4xx spécifique à la requête.

⌘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
}

Démarrage

Concepts fondamentaux

API d'entraînement

Référence API

Compte

Journal des modifications

Créer un job d'entraînement

Requête

Réponse

​Requête

​Réponse

Requête

Réponse