الانتقال إلى المحتوى الرئيسي
فصول دليل التدريب جميع الوثائق

شغّل التدريب وافهم عناصر التحكم

تحديثات فعلية للأوزان، والأساليب المدعومة، والإعدادات التي يتحكم بها الخادم، وتقارير التقدم.

فصول دليل التدريب

تبقى الأوامر والشفرة بالإنجليزية في جميع اللغات. استبدل العناصر النائبة المكتوبة بالأحرف الكبيرة بقيم من حسابك والمهمة المدفوعة؛ ولا تضع مفاتيح حقيقية في دفاتر ملاحظات أو سجلات مشتركة.

خطوة تحسين فعلية

إنشاء إجابة من المعلّم وحده لا يغيّر نموذج المتعلّم.
  1. دفعة حوّل الأمثلة المعتمدة إلى وحدات رمزية
  2. التنبؤ نفّذ المرور الأمامي للمتعلّم
  3. الخسارة قِس خطأ التدريب
  4. التحسين احسب التدرجات وحدّث المعلمات
  5. نقطة التحقق احفظ النموذج أو الموائمات الناتجة

اختر طريقة تدريب مدعومة

ينفّذ SFT الضبط الدقيق الخاضع للإشراف. وتدرّب LoRA معلمات موائم منخفض الرتبة. تجمع QLoRA بين تدريب الموائم وقاعدة مكمّمة متوافقة. يتحقق موائم نماذج اللغة السببية في Transformers من توافق النموذج والطريقة وبيئة التشغيل؛ ولا يدعم كل بنية أو جهاز. يغيّر التحسين القائم على التدرّج أوزان المتعلّم.

  • راجع معدل التعلّم وطول التسلسل وحجم الدفعة والتراكم قبل التدريب.
  • الطرق هي SFT وLoRA وQLoRA؛ ويمكن للوضع التلقائي اختيار auto أيضًا.
  • تحتاج حزمة الموائم إلى النموذج الأساسي ومجزّئ الرموز المثبّتين المطابقين.
مثال · text 
Project methods: SFT | LoRA | QLoRA (Automatic mode may resolve auto).
Evaluation metrics: exact_match | macro_f1 | text_similarity | chrf.
Custom scorers require register_evaluator(name, scorer, version=...).
Model, tokenizer, device memory, precision and export must be compatible.
Teacher requests and local run time/storage are bounded by project budgets.
Validation and final-test JSONL are evaluated locally and are not shared.
Read the reviewed plan and compatibility result before starting a run.

شغّل مشروعًا تملكه

يتحقق TrainingProject من المشروع، ويحصل على صلاحية المعلّم المدفوعة عند الحاجة، ويجهّز البيانات المحلية، ويقيس خط الأساس، وينفّذ التحسين الفعلي، ويقيّم المعايير المحجوبة، ويسجل التقارير وملفات البيان. يجري التدريب المحلي في بيئة التشغيل المضبوطة. وتعتمد النتيجة على المعايير المقاسة وشروط التوقف المحددة.

  • لا ترسل مقاييس أو تقارير اكتمال مختلقة.
  • أبقِ العملية والتخزين المحلي واتصال API بالمعلّم متاحة حسب الحاجة.
  • عند فشل الإبلاغ أو التنظيف، احتفظ بالناتج المحلي وافحص حالة التشغيل قبل إعادة المحاولة.
مثال · python 
# Continue with project from TrainingProject.from_file(...).
result = project.run()
print(result["status"], result["stop_reason"], result["unmet_criteria"])
# TrainingProject performs real local optimization and records its run report.
مثال · python 
import os
from fusionpointai_training import TrainingClient

client = TrainingClient(api_key=os.environ["FUSIONPOINTAI_API_KEY"])
session = client.get_session(os.environ["FUSIONPOINTAI_SESSION_ID"])
report = session.get("report")
last_event = report.get("last_event", {}) if isinstance(report, dict) else {}
print("State:", session["status"], "Step:", session["step"])
print("Last reported error code:", last_event.get("error_code"))
# A missing error_code does not prove success. Read state and your local report.
# Do not dump full provider responses, private data or authorization headers.

الوضعان Automatic وAdvanced

يستنتج الوضع Automatic إعدادات تدريب متوافقة من المشروع وبيئة التشغيل. ويقبل الوضع Advanced إعدادات صريحة مدعومة لمحرك التدريب نفسه في Transformers. ينفذ الوضعان تحسينًا محليًا ويسجلان مصدر التشغيل ويلتزمان بميزانيات محددة للوقت وطلبات المعلّم والتخزين. ويظل توافق العتاد والنموذج شرطًا لازمًا.

  • الوضعان automatic وadvanced؛ والطرق SFT وLoRA وQLoRA، مع حسم auto في الوضع Automatic.
  • يعتمد تقدم الموضوعات على نتائج معيار التقييم وشروط التوقف المضبوطة.
  • لا يضمن أي وضع نتيجة معيار أداء أو قدرة استدلال بعينها.