Skip to main content
Utilisez l’entraînement géré pour fine-tuner un encodeur GLiNER pendant que Fastino exécute la boucle. Pour entraîner un LLM décodeur Nemotron ou Qwen lorsque votre application doit contrôler l’échantillonnage, les récompenses et les mises à jour du modèle, consultez le démarrage rapide du décodeur.

​
1. S’authentifier

  1. Créez un compte Fastino.
  2. Ouvrez la page des clés API.
  3. Créez une clé et copiez-la lorsqu’elle s’affiche.
Enregistrez la clé dans une variable d’environnement :
Envoyez cette clé sous la forme X-API-Key: $FASTINO_API_KEY. Consultez Authentification pour le contrat d’authentification complet.

​
2. Préparer un dataset

Importez et traitez un dataset d’entraînement, puis attendez que sa version soit ready.

​
3. Choisir un modèle

L’entraînement géré prend en charge fastino/gliner2-multi-v1 et fastino/GLiNER-2.5-Decide. Interrogez le catalogue actif avant la soumission :
Conservez l’ID du modèle sélectionné.

​
4. Créer le job

Conservez l’id renvoyé. Il s’agit du job_id utilisé par chaque route propre à un job. Réutilisez la même valeur Idempotency-Key uniquement lorsque vous réessayez exactement cette requête de création.

​
5. Interroger le job

Pour les jobs de configuration :
  • status est la valeur persistée du cycle de vie, telle que errored.
  • normalized_status est la valeur stable d’interrogation, telle que failed.
  • is_terminal_status indique à votre client quand arrêter les interrogations.
  • error_message décrit un échec lorsque cette information est disponible.
Continuez jusqu’à ce que is_terminal_status soit true, puis examinez le statut final, les checkpoints, les logs et l’admissibilité au déploiement.

​
Continuer

Jeux de données

Préparez et validez des données d’entraînement GLiNER.

Démarrage rapide du décodeur

Entraînez un LLM décodeur Nemotron ou Qwen avec un job interactif.