Zum Hauptinhalt springen
Kapitel des Trainingsleitfadens Alle Dokumentationen

Model Training API

Trainieren Sie ein separates Kundenmodell im FusionPointAI-Trainings-SDK anhand eines vereinbarten Ziels, vorbereiteter Daten und einer messbaren Evaluierung.

Hier starten: der gesamte Trainingsablauf

Befehle und Code bleiben in allen Sprachen auf Englisch. Ersetzen Sie GROSSGESCHRIEBENE Platzhalter durch Werte Ihres eigenen Kontos und bezahlten Auftrags. Fügen Sie echte Schlüssel nicht in gemeinsam genutzte Notebooks oder Protokolle ein.

Der Trainingsablauf

Das Ziel gibt die Richtung vor; die tatsächliche Optimierung verändert die Gewichte des Student-Modells.
  1. Ziel Aufgabe und Abnahmekriterien festlegen
  2. Teacher-Modell Genehmigtes Referenzmaterial vorbereiten
  3. Student-Modell In der ausgewählten Laufzeitumgebung trainieren
  4. Bewertung Mit der Baseline vergleichen
  5. Bereitstellung Eigenständiges Modell oder Adapter exportieren

Ziel: Aufgabe und Abnahmekriterien festlegen. Teacher-Modell: Genehmigtes Referenzmaterial vorbereiten. Student-Modell: In der ausgewählten Laufzeitumgebung trainieren. Bewertung: Mit der Baseline vergleichen. Bereitstellung: Eigenständiges Modell oder Adapter exportieren

Wo die Arbeit stattfindet

Die API koordiniert; die Laufzeitumgebung des Kunden trainiert die Gewichte. Teacher-Gewichte werden nicht übertragen.
  1. Ihre Anwendung API-Schlüssel, Ziel und genehmigter Auftrag
  2. FusionPointAI API Sitzung, Referenzzugriff und vorbereitete Daten
  3. Trainingslaufzeit SDK, Student-Modell und GPU
  4. Lokale Ausgabe Modellpaket und Evaluationsbericht

Ihre Anwendung: API-Schlüssel, Ziel und genehmigter Auftrag. FusionPointAI API: Sitzung, Referenzzugriff und vorbereitete Daten. Trainingslaufzeit: SDK, Student-Modell und GPU. Lokale Ausgabe: Modellpaket und Evaluationsbericht

Von der Zielsetzung zum eigenständigen Modell

Wählen Sie einen Anbieterplan und ein Referenzmodell, definieren Sie die Aufgabe und konfigurieren Sie Student-Modell und Laufzeitumgebung. TrainingProject kann beim Teacher genehmigtes Trainingsmaterial anfordern; die gewählte Laufzeitumgebung lädt das Student-Modell und aktualisiert dessen Gewichte. Das Ergebnis ist ein eigenständiges Modell oder ein Adapter, keine Kopie der Teacher-Gewichte.

  • Beginnen Sie mit einem messbaren Ziel, etwa der Klassifizierung deutscher Dokumente.
  • Halten Sie Teacher-Zugriff, Student-Modell, Laufzeitumgebung und Evaluationskriterien getrennt.
  • TrainingClient bleibt für bestehende Abläufe mit bezahlten Aufträgen und Sitzungen verfügbar.

Drei Bereiche, drei Zuständigkeiten

Ihr API-Schlüssel berechtigt zum Dienstzugriff; er ist keine GPU. Die API koordiniert Sitzungen, vorbereitete Daten und Berichte. Ihre Laufzeitumgebung stellt Speicher, Ablage und Rechenleistung bereit. Das SDK optimiert lokal und erstellt das Ausgabepaket. Hosting kann von FusionPointAI, Ihrem Rechenzentrum oder einer kompatiblen Notebook-Umgebung bereitgestellt werden.

  • Bewahren Sie Zugangsdaten getrennt von Modelldateien und exportierten Paketen auf.
  • Prüfen Sie, welches Ziel und Trainingsmaterial an das Teacher-Modell gesendet wird.
  • Ein Abschlussbericht ist keine unabhängige Zertifizierung der Modellqualität.

Wählen Sie Ihren Leseweg

Neue Nutzer können Schnellstart, Konzepte, Modelle, Datensätze, Training und Evaluation der Reihe nach lesen. Integratoren können direkt zu den API- und Python-Referenzen springen. Betreiber sollten auch Wiederherstellung und Bereitstellung in der Laufzeitumgebung lesen.

  • Prüfen Sie den Plan, bevor Sie Rechenleistung oder Teacher-Anfragen nutzen.
  • Bewahren Sie eine unveränderte Baseline zum Vergleich auf.
  • Exportieren Sie erst, nachdem Sie Trainings- und Evaluationsergebnisse geprüft haben.

API-Referenz

EndpunktZweck und Verhalten
POST /api/v1/training/quotes Authorization: Bearer ai:training Kompatible Referenz, Plan und Konfiguration validieren; eine Angebots-UUID, Währung, fixed_total und expires_at zurückgeben. Verwenden Sie den genehmigten Plan und geeignete Student-Einstellungen, keine willkürlichen Client-Preise.
GET /api/v1/training/jobs Authorization: Bearer ai:training Aufträge des authentifizierten Kunden auflisten. Prüfen Sie die zurückgegebene Sammlung und Ressourcen-IDs, statt numerische Kennungen zu erraten.
POST /api/v1/training/jobs Authorization: Bearer ai:training Aus einer gültigen Angebots-UUID den dem Konto zugehörigen Auftrag erstellen. Die Antwort enthält Auftrags-ID, Status, Rechnungs-ID und Zeitstempel; das Anlegen eines Auftrags belegt keine Zahlung.
GET /api/v1/training/jobs/{job} Authorization: Bearer ai:training Einen eigenen Auftrag anhand seiner Auftrags-UUID lesen, einschließlich des laufenden Fortschritts und Lieferstatus.
GET /api/v1/training/jobs/{job}/artifacts/{file} Authorization: Bearer ai:training Eine veröffentlichte Datei dieses eigenen Auftrags herunterladen. Eine lokale SDK-ZIP-Datei wird nicht automatisch hochgeladen und ist über diese Route nicht zwangsläufig verfügbar.
POST /api/v1/training/sessions Authorization: Bearer ai:training Anfragekörper: Auftrags-UUID, Laufzeitumgebung und optionale positive reference_model_id. Die neue oder wiederverwendete Sitzung zurückgeben; Referenzänderungen sind nur vor Beginn der Vorbereitung zulässig.
GET /api/v1/training/sessions/{session} Authorization: Bearer ai:training Eine eigene Sitzung sowie deren Konfiguration, Datensätze, Bericht und Status lesen. Das Lesen des Status startet kein Training.
POST /api/v1/training/sessions/{session}/prepare Authorization: Bearer ai:training Ein leeres JSON-Objekt senden, um einen begrenzten Vorbereitungsschritt anzufordern. Bei Fortschritt wiederholen, bis der Status bereit ist, dabei das Anfragebudget einhalten.
GET /api/v1/training/sessions/{session}/datasets/{split} Authorization: Bearer ai:training train oder validation als application/x-ndjson herunterladen. Bytes, SHA-256 und Zeilen anhand des Manifests der jeweiligen Sitzung prüfen.
POST /api/v1/training/sessions/{session}/events Authorization: Bearer ai:training Echten Status, step, total_steps und optionale Metriken loss/eval_loss melden. Nur unterstützte Status- und Fehlercodewerte verwenden.
POST /api/v1/training/sessions/{session}/complete Authorization: Bearer ai:training artifact_name und den vollständigen echten Trainingsbericht übermitteln. Der Dienst prüft Methode, Basisrevision, Gewichtsänderungen, Artefakt-Digest und Evaluationskriterien.
POST /api/v1/training/sessions/{session}/cancel Authorization: Bearer ai:training Ein leeres JSON-Objekt senden, um einen abbrechbaren Dienststatus zu beenden. Den separaten GPU-Prozess bei Bedarf selbst stoppen; dies ist kein Pausieren oder Fortsetzen.
POST /api/v1/training/projects/authorize Authorization: Bearer ai:training POST /api/v1/training/projects/authorize mit provider und positiver reference_model_id senden. Prüft erneut, ob das angemeldete Konto bezahlten Trainingszugriff auf die Referenz hat, und gibt den eigenen Auftrag, die Berechtigung, den Anbieter, das Referenzmodell und deren Ablaufzeit zurück. Erstellt keine Rechnung und ändert keine Zahlung.
POST /api/v1/training/projects/teacher Authorization: Bearer ai:training POST /api/v1/training/projects/teacher mit provider, reference_model_id, action (curriculum oder lessons), objective, optional topic, count (1–4) und höchstens acht approved_examples (je maximal 2.000 Zeichen) senden. Gibt Themen oder Zeilen mit Lektionstext und Thema zurück. Nur freigegebene Trainingsdaten senden, niemals Validierungs- oder Abschlusstestdaten.

FAQ

Kann ein einziges Ziel den automatischen Ablauf starten?

Es kann die Konfiguration anstoßen. Das eigentliche Training beginnt erst, wenn die erforderlichen Berechtigungen, genehmigten Daten, ein kompatibles Schülermodell, das verbindliche Angebot, die Zahlung und die Ausführungsvoraussetzungen vorliegen.

Erhalte ich die Originalgewichte des Referenzmodells?

Eine automatische Übertragung ist nicht vorgesehen. Das Kundenmodell wird separat trainiert; Lieferumfang und Lizenz werden im genehmigten Angebot festgelegt.

Ist die Leistung identisch mit der des Referenzmodells?

Nicht uneingeschränkt. Vereinbarte Fähigkeiten werden anhand dokumentierter Benchmarks bewertet und die gemessenen Ergebnisse werden berichtet.

Muss ich Hosting buchen?

Nein, wenn das genehmigte Lieferobjekt ein herunterladbares Artefakt ist. Unterstützte gehostete Bereitstellungen werden getrennt vom einmaligen Trainingsprojekt berechnet.

Was geschieht danach mit dem enthaltenen API-Zugang?

Er endet mit Ablauf des erfassten Trainingszeitraums. Danach können Sie ein separates verfügbares Unlimited-API-Abonnement wählen.

Umfasst ein Trainingstarif eines Anbieters mehrere Referenzmodelle?

Ja. Ein Tarif umfasst alle verfügbaren Referenzmodelle des gebuchten Anbieters. Für jede Sitzung können Sie ein Modell auswählen oder vor der Vorbereitung ohne weiteres Abonnement zu einem anderen verfügbaren Modell wechseln. Der Zugang gilt nur während der bezahlten Laufzeit und endet mit dem Ablaufdatum oder bei einem früheren Widerruf.