ट्रेनिंग रनटाइम
SDK चुने गए रनटाइम में छात्र मॉडल को लोड और फ़ाइन-ट्यून करता है। वेबसाइट/API सेशन, कॉन्फ़िगरेशन, तैयार डेटा, प्रगति और आर्टिफ़ैक्ट डिलीवरी का समन्वय करता है। AI Hosting वैकल्पिक है और उसका शुल्क अलग है।
अपनी पसंद के रनटाइम में ट्रेनिंग
वेबसाइट/API `ai:training` कुंजी को प्रमाणित करता है, भुगतान किए गए जॉब के लिए सेशन खोलता है और उद्देश्य व कॉन्फ़िगरेशन के साथ ट्रेनिंग तथा अलग रखे गए वैलिडेशन डेटा को तैयार करके भेजता है। SDK छात्र मॉडल को FusionPointAI AI Hosting, ग्राहक के डेटा सेंटर, Google Colab या ऐसे ही वातावरण में लोड और फ़ाइन-ट्यून करता है। प्रगति, मूल्यांकन और स्थानीय रूप से बने आर्टिफ़ैक्ट की रिपोर्ट सेशन को भेजी जाती है। डेटा बनाने के उदाहरण केवल सामग्री और फ़ॉर्मैट समझाते हैं।
अलग भूमिकाओं वाले दो मॉडल
रेफ़रेंस मॉडल एक योग्य टीचर मॉडल या प्रदर्शन का आधार है। कस्टमर मॉडल अलग स्टूडेंट मॉडल है, जिसके वेट्स ट्रेन किए जाते हैं। प्रॉम्प्ट उद्देश्य बताता है; उससे अपने-आप मॉडल वेट्स नहीं बदलते और न ही किसी मालिकाना मॉडल की नकल बनती है।
स्वचालित ट्रेनिंग
लक्षित भाषा, विशेषज्ञता या क्षमता, प्रदर्शन मानदंड और डिलीवरी की पसंद बताएँ। वेबसाइट कॉन्फ़िगरेशन और सेशन तैयार करता है; SDK चुने गए रनटाइम में ट्रेनिंग करता है।
उन्नत ट्रेनिंग
चुने गए रेफ़रेंस कॉन्फ़िगरेशन के लिए योग्य स्टूडेंट मॉडल, ट्रेनिंग मेथड, डेटासेट आकार, कंप्यूट संसाधन और डिलीवरी फ़ॉर्मैट में से चुनें। मंज़ूर दायरे से बाहर के विकल्पों के लिए अलग व्यावसायिक कोटेशन चाहिए; कैलकुलेटर से मनमानी कुल राशि नहीं दी जाती।
ट्रेनिंग उद्देश्य और डेटा
ट्रेनिंग से पहले काम और स्वीकार्यता के मानदंड तय करें। ग्राहक द्वारा अधिकृत डेटासेट या प्रोजेक्ट के लिए मंज़ूर लाइसेंसयुक्त शैक्षणिक संसाधन इस्तेमाल करें। काम शुरू होने से पहले डेटासेट की तैयारी, स्रोत, अनुमत उपयोग और मूल्यांकन के लिए डेटा विभाजन तय होने चाहिए।
SDK से ट्रेनिंग
छात्र मॉडल को FusionPointAI ट्रेनिंग SDK में लोड और फ़ाइन-ट्यून किया जाता है। SDK FusionPointAI AI Hosting, ग्राहक के डेटा सेंटर, Google Colab या ऐसे ही वातावरण में चलता है। वेबसाइट VPS GPU ट्रेनिंग नहीं करता।
तय मानदंडों के अनुसार मूल्यांकन
तैयार मॉडल को दस्तावेज़ित अलग रखे गए मूल्यांकन डेटासेट पर जाँचें। रिपोर्ट में इच्छित लक्ष्य और वास्तव में हासिल नतीजे के बीच अंतर स्पष्ट होता है। रेफ़रेंस मॉडल जैसा प्रदर्शन मूल्यांकन का लक्ष्य है, हर काम में समानता का बिना शर्त वादा नहीं।
कस्टमर मॉडल की डिलीवरी
मंज़ूर कोटेशन में डिलीवर की जाने वाली चीज़, मॉडल लाइसेंस, आर्टिफ़ैक्ट फ़ॉर्मैट और ज़रूरी अडैप्टर या बेस मॉडल निर्भरताएँ बताई जाती हैं। डाउनलोड करने योग्य मॉडल के लिए AI Hosting सब्सक्रिप्शन ज़रूरी नहीं है। सपोर्ट उपलब्ध होने पर डेडिकेटेड डिप्लॉयमेंट वैकल्पिक डिलीवरी व्यवस्था है।
रेफ़रेंस मॉडल की शामिल पहुँच
खरीदे गए योग्य ट्रेनिंग प्लान में मंज़ूर ट्रेनिंग अवधि के लिए रेफ़रेंस मॉडल API की पहुँच शामिल है। पुष्टि किया हुआ भुगतान मिलने के बाद पहुँच शुरू होती है और दर्ज समाप्ति तारीख पर, या समझौते के अनुसार उससे पहले रद्द होने पर, खत्म हो जाती है। यह अनिश्चित समय तक अपने-आप नवीनीकृत नहीं होती; आगे की पहुँच के लिए अलग योग्य सब्सक्रिप्शन चाहिए।
डेटा आइसोलेशन और पहुँच
प्रोजेक्ट की पहुँच मौजूदा अकाउंट और जॉब अनुमतियों के अनुसार मिलती है। ट्रेनिंग इनपुट और डिलीवर किए गए आर्टिफ़ैक्ट पर मौजूदा निजी फ़ाइल और डेटा रखरखाव नियंत्रण लागू होते हैं। ज़रूरी अधिकार न हों या तय डेटा प्रबंधन शर्तें लागू न हों, तो डेटा अपलोड न करें।
डेटा उदाहरण: जर्मन भाषा सहायता (केवल उदाहरण)
ट्रेनिंग डेटा का एक उदाहरण जर्मन भाषा के अनुरोध को लक्ष्य उत्तर से जोड़ सकता है और अलग उदाहरणों को वैलिडेशन के लिए रख सकता है। यह केवल डेटा तैयारी का उदाहरण है।
ट्रेनिंग और मॉडल इंजीनियरिंग में अंतर
ट्रेनिंग से अलग कस्टमर मॉडल में क्षमताएँ विकसित होती हैं। मॉडल इंजीनियरिंग में मौजूदा आर्टिफ़ैक्ट को आकार, सटीकता, रनटाइम या डिप्लॉयमेंट के लिए अनुकूलित किया जाता है। दोनों प्रक्रियाएँ तैयारी, मूल्यांकन और डिलीवरी सेवाएँ साझा कर सकती हैं, लेकिन इससे बैकएंड दोहराए नहीं जाते।