بازدان بۆ ناوەڕۆکی سەرەکی
بەشەکانی ڕێنمایی ڕاهێنان هەموو بەڵگەنامەکان

ڕاهێنان بکە و کۆنترۆڵەکان تێبگە

نوێکردنەوەی ڕاستەقینەی کێش، شێوازی پشتگیریکراو، ڕێکخستنی سەرچاوەی سێرڤەر و ڕاپۆرتکردنی پێشکەوتن.

بەشەکانی ڕێنمایی ڕاهێنان

فەرمان و کۆد لە هەموو زمانێکدا بە ئینگلیزی دەمێننەوە. جێگرەوە گەورەنووسەکان بە بەهای هەژمار و کاری پارەدراوی خۆت بگۆڕە؛ کلیلی ڕاستەقینە لە نۆتبووکی هاوبەش یان تۆمارەکاندا مەنووسە.

هەنگاوی ڕاستەقینەی باشترکردن

بەرهەمهێنانی وەڵامی مامۆستا بە تەنها مۆدێلی قوتابی ناگۆڕێت.
  1. Batch نموونەی پەسەندکراو tokenize بکە
  2. پێشبینی پێشبینیی forwardی قوتابی جێبەجێ بکە
  3. Loss هەڵەی ڕاهێنان بپێوە
  4. باشترکردن gradient هەژمار بکە و پارامەتەرەکان نوێ بکەرەوە
  5. Checkpoint مۆدێل یان ئادا‌پتەری دەرئەنجام هەڵبگرە

شێوازی ڕاهێنانی پشتگیریکراو هەڵبژێرە

SFT ڕاهێنانی وردی چاودێریکراو ئەنجام دەدات. LoRA پارامەتەری ئادا‌پتەری نزم‌ڕەهەندی ڕادەهێنێت. QLoRA ڕاهێنانی ئادا‌پتەر لەگەڵ بنەمای quantizedی گونجاو تێکەڵ دەکات. ئادا‌پتەری مۆدێلی زمانی causalی Transformers مۆدێل، شێواز و runtime دەپشکنێت؛ هەموو تەلارسازی یان ئامێرێک پشتگیری ناکات. باشترکردنی gradient-بنیاد کێشی قوتابی دەگۆڕێت.

  • پێش ڕاهێنان learning rate، درێژیی زنجیرە، قەبارەی batch و accumulation بپشکنە.
  • شێوازەکان SFT، LoRA و QLoRAن؛ دۆخی Automatic دەتوانێت auto هەڵبژێرێت.
  • پاکێجی ئادا‌پتەر مۆدێلی بنەڕەت و tokenizerی دیاریکراوی هاوتای دەوێت.
نموونە · 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.

پڕۆژەی خاوەنداریکراو ڕابکە

TrainingProject پڕۆژە پشتڕاست دەکاتەوە، کاتێک پێویستە مۆڵەتی پارەدراوی مامۆستا وەردەگرێت، داتای ناوخۆ ئامادە دەکات، بنەما دەپێوێت، باشترکردنی ڕاستەقینە ئەنجام دەدات، پێوەری لادراو هەڵدەسەنگێنێت و ڕاپۆرت و manifest تۆمار دەکات. ڕاهێنانی ناوخۆ لە runtimeی ڕێکخراودا ڕوودەدات. ئەنجامی سەرکەوتوو بە پێوەری پێوانەکراو و مەرجی وەستانی ڕێکخراوەوە بەستراوە.

  • metrics یان ڕاپۆرتی تەواوبوونی ساختە پێشکەش مەکە.
  • پرۆسە، هەڵگرتنی ناوخۆ و پەیوەندیی APIی مامۆستا بە پێی پێویست بەردەست بهێڵەوە.
  • ئەگەر ڕاپۆرتکردن یان پاککردنەوە شکستی هێنا، دەرچوونی ناوخۆ بپارێزە و پێش دووبارەکردنەوە دۆخی ڕاکردن بپشکنە.
نموونە · 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.
نموونە · 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.

دۆخی Automatic و Advanced

دۆخی Automatic ڕێکخستنی ڕاهێنانی گونجاو لە پڕۆژە و runtime چارەسەر دەکات. دۆخی Advanced ڕێکخستنی ڕوون و پشتگیریکراو بۆ هەمان backendی ڕاهێنانی Transformers وەردەگرێت. هەردووکیان باشترکردنی ناوخۆ ئەنجام دەدەن، سەرچاوە تۆمار دەکەن و پابەندی بودجەی سنوورداری کات، داواکاریی مامۆستا و هەڵگرتنن. گونجانی ئامێر و مۆدێل پابەندە.

  • دۆخی ڕێکخستن automatic و advancedە؛ بەهای شێواز SFT، LoRA یان QLoRAیە و لە Automaticدا auto چارەسەر دەکرێت.
  • پێشچوونی بابەت بە ئەنجامی پێوانەکراوی ڕوبریک و مەرجی وەستانی ڕێکخراوەوە بەستراوە.
  • هیچ دۆخێک benchmark یان توانای inferenceی دیاریکراو بەڵێن نادات.