Wan 2.1 14B LoRA Trainer требует большего, чем просто запрос к конечной точке. Определите, чему вы хотите его обучить, подготовьте пригодный набор изображений, сравнивайте результаты с помощью одинаковых тестов и спланируйте, как результат будет встроен в приложение.
В этом руководстве не предполагается, что конкретный инструмент обучения доступен через OdiRouter. Каталоги моделей меняются. Проверьте актуальный OdiRouter model catalog, прежде чем строить интеграцию вокруг идентификатора модели.
Определите одну визуальную цель
Адаптер LoRA обычно направляет базовую модель на узкую визуальную концепцию, например стиль, персонажа или объект. Такая направленность позволяет задать для оценки простой вопрос: сохраняет ли результат концепцию, при этом всё ещё следуя промпту?
Определите цель до сбора данных. Стиль изображений товаров, вымышленный персонаж и объект из каталога требуют разных изображений и разных тестов. Если цель постоянно меняется, становится трудно оценивать набор данных или повторно использовать результат.
Подготовьте изображения, которые можно использовать
Используйте изображения, на которых вашей команде разрешено обучать модель. Старайтесь максимально точно следовать цели, удаляйте случайные дубликаты и указывайте источник изображений. Если в данных присутствуют люди, до загрузки проверьте требования к согласию и конфиденциальности.
Подписи или метки могут быть важны, если инструмент обучения ожидает их наличия. Используйте единообразные названия, документируйте все обязательные триггерные фразы или идентификаторы и сохраняйте эту терминологию в заметках по проекту. Сам по себе ZIP-файл не доказывает, что данные готовы.
Выделите небольшую группу изображений или примеров промптов для валидации. Отложенный набор показывает, может ли результат справляться с примерами за пределами обучающего набора.
Запишите параметры, которые вы тестируете.
Интерфейсы обучения могут предоставлять такие элементы управления, как шаги, скорость обучения, ранг или ссылки на наборы данных. Зафиксируйте и протестируйте их. Они не являются универсальными значениями по умолчанию. Подходящие значения зависят от базовой модели, концепции, данных и актуальной документации инструмента обучения.
Для каждого запуска сохраняйте:
версию набора данных и результаты проверки разрешений;
идентификатор базовой модели и инструмента обучения;
настройки, использованные для запуска;
воспроизводимый набор промптов для валидации; и
выходной артефакт или ссылку, необходимые для его повторения.
Эта запись даёт другому члену команды достаточно контекста для проверки эксперимента.
Перед интеграцией продукта проверьте результаты.
Запустите отложенные промпты и сравните результаты. Проверьте наличие целевой концепции, следование промпту, нежелательное сходство с одним обучающим изображением и поведение за пределами узкой концепции. Если результат будет использоваться в продукте, также протестируйте структуру запроса, обработку результата, повторные попытки, средства контроля доступа и журналирование.
Одного привлекательного примера недостаточно. Включите промпты, которые должны работать, а также промпты, показывающие, в каких случаях не следует использовать настроенное поведение.
Для получения информации о применении проверьте OdiRouter.
Когда вы будете готовы к поиску моделей или интеграции приложений, начните с OdiRouter model catalog. Это текущий источник информации о моделях, перечисленных в каталоге OdiRouter. Изучите pricing, прежде чем планировать производственную нагрузку.
OdiRouter getting-started guide охватывает ключи API, авторизацию, идентификаторы моделей, примеры первых запросов и настройку SDK. Используйте официальные материалы после того, как проверите доступность модели и требования выбранной вами системы обучения.
Следующий шаг
Отделяйте решение об обучении от решения об интеграции с приложением. Сначала проверьте документацию инструмента обучения, требования к входным данным и поведение выходных данных. Затем используйте актуальный каталог и документацию OdiRouter, чтобы выбрать и подключить доступ к модели, необходимый приложению.