P
Parsyn/Docs
Retour à l'accueil

Demarrage rapide

De zero a un modele fine-tune en 10 minutes. Ce guide vous accompagne pas a pas dans le dashboard.

1. Creer votre compte

Rendez-vous sur parsyn.progatis.com et cliquez sur Sign Up. Remplissez votre nom, votre email et un mot de passe (8 caracteres minimum), puis confirmez. Vous serez redirige vers la page de connexion.

Connectez-vous avec vos identifiants. Vous arrivez sur le Dashboard, qui affiche le nombre de vos ressources (datasets, modeles, jobs, workers) et des boutons d'action rapide.

2. Preparer la puissance de calcul

Vous avez besoin de puissance GPU pour entrainer des modeles. Deux options :

Option A : Utiliser les workers Parsyn (aucune installation)

Allez sur la page Credits depuis la barre laterale. Votre solde actuel s'affiche en haut. Passez sur l'onglet Buy pour voir les packs de credits disponibles avec leurs tarifs. Choisissez un pack et cliquez sur Purchase pour finaliser le paiement via Stripe.

Les credits servent a payer le temps GPU sur la flotte geree de Parsyn. Les tarifs varient selon le type de GPU. Consultez l'onglet Pricing pour voir les prix par GPU. C'est tout ce qu'il y a a configurer. Quand vous creerez un job d'entrainement plus tard, selectionnez simplement "Parsyn Workers" et la plateforme s'occupe du reste.

Option B : Connecter votre propre GPU

Si vous avez une machine avec un GPU NVIDIA (CUDA 11.8+, 8 Go+ de VRAM), vous pouvez la connecter a la plateforme. L'entrainement sur votre propre materiel est gratuit.

Allez sur la page Workers et cliquez sur Add Worker. Entrez un nom (par exemple "mon-rtx-4090"), une description optionnelle, et selectionnez le type de worker :

  • Both : Entrainement et inference (recommande)
  • Fine-Tuner : Entrainement uniquement
  • Prompter : Inference uniquement

Cliquez sur Create. La plateforme genere une cle API et l'affiche dans une boite de dialogue. Copiez cette cle immediatement. Elle n'est affichee qu'une seule fois.

Sur votre machine GPU, installez le client worker et demarrez-le : 

pip install parsyn-worker

export PLATFORM_URL="wss://parsyn.progatis.com/ws/worker"
export WORKER_ENROLLMENT_KEY="enroll_xyz789..."
export GPU_DEVICE="cuda:0"

parsyn-worker start

Apres quelques secondes, le worker apparait dans votre liste de workers avec un point vert. Il execute automatiquement un benchmark GPU, puis attend des taches.

3. Charger un dataset

Preparez un fichier JSONL avec des champs prompt et completion : 

{"prompt": "What is gradient descent?", "completion": "Gradient descent is an optimization algorithm that iteratively adjusts model parameters by moving in the direction of steepest decrease of the loss function."}
{"prompt": "Explain backpropagation.", "completion": "Backpropagation computes the gradient of the loss with respect to each weight by applying the chain rule, propagating error signals from the output layer back through the network."}
{"prompt": "What is overfitting?", "completion": "Overfitting occurs when a model learns the training data too well, capturing noise rather than the underlying pattern, which degrades performance on unseen data."}

Allez sur la page Datasets et cliquez sur Upload Dataset. Dans la boite de dialogue :

  1. Entrez un nom (par exemple "ml-fundamentals")
  2. Ajoutez une description optionnelle
  3. Cliquez sur le champ de fichier pour selectionner votre fichier .jsonl (ou glissez-deposez-le)
  4. Cliquez sur Upload

Le fichier se charge et le dataset apparait dans votre liste. Cliquez dessus pour ouvrir la vue detaillee, ou vous pouvez previsualiser les lignes, verifier le schema et calculer des statistiques.

4. Enregistrer un modele de base

Allez sur la page Models et cliquez sur Add Model. Dans la boite de dialogue :

  1. Entrez un nom (par exemple "gpt2-base")
  2. Entrez l'identifiant HuggingFace du modele : gpt2
  3. Ajoutez une description optionnelle
  4. Cliquez sur Create

Le modele apparait dans votre liste avec un badge "Base Model". Le worker le telecharge depuis HuggingFace au moment du lancement de l'entrainement.

Pour une premiere experience, gpt2 (124M parametres) est un bon choix. Il s'entraine rapidement et tient sur n'importe quel GPU moderne. Pour des cas concrets, essayez meta-llama/Llama-3.1-8B ou mistralai/Mistral-7B-v0.3.

5. Lancer un job d'entrainement

Allez sur la page Training et cliquez sur New Training Job. Le formulaire de creation comporte plusieurs sections :

Configuration de base

  1. Entrez un nom de job (par exemple "gpt2-ml-fundamentals")
  2. Selectionnez votre dataset dans le menu deroulant
  3. Selectionnez votre modele de base
  4. Definissez les parametres principaux : learning rate, batch size, nombre d'epochs et longueur maximale de sequence. Les valeurs par defaut sont raisonnables pour un premier essai.

Options avancees (optionnel)

Developpez la section avancee si vous souhaitez configurer LoRA, la mixed precision, la gradient accumulation, le scheduler de learning rate, l'evaluation ou le checkpointing. Consultez Configuration d'entrainement pour le detail de chaque parametre.

Selection des workers

Choisissez comment la plateforme attribue la puissance de calcul :

  • Auto : La plateforme choisit le meilleur worker disponible en se basant sur les scores de benchmark GPU. Vous pouvez activer ou desactiver l'utilisation de vos workers, des workers Parsyn, ou des deux.
  • My Workers : Selectionnez des workers specifiques parmi vos machines connectees. Aucun credit consomme.
  • Parsyn Workers : Utilisez les GPU geres. Les credits sont deduits en fonction du type de GPU et de la duree d'entrainement.
  • Mixed : Selectionnez parmi vos workers et la flotte Parsyn.

Cliquez sur Create. Le job apparait dans la liste d'entrainement avec le statut "pending". Cliquez sur le bouton play ou ouvrez le detail du job et cliquez sur Start Job.

La plateforme assigne le job a un worker disponible. Une fois en cours, la page de detail affiche les metriques en direct : courbe de loss, learning rate, utilisation GPU, debit et ETA. Ces donnees se mettent a jour en temps reel via WebSocket.

6. Tester le modele fine-tune

Une fois l'entrainement termine (badge vert "completed"), le modele fine-tune est sauvegarde dans le stockage. Rendez-vous sur la page Chat.

Selectionnez votre modele fine-tune dans le menu deroulant en haut. Tapez un message dans le champ de saisie et appuyez sur Send. Le modele genere une reponse, diffusee token par token.

Vous pouvez ajuster les parametres de generation (temperature, top_p, max tokens) dans le panneau de reglages a droite. Activez le Compare Mode pour voir les reponses du modele fine-tune et de son modele de base cote a cote.

Le chat necessite qu'au moins un de vos workers soit en ligne avec le type "Both" ou "Prompter". Les workers Parsyn ne gerent que l'entrainement. Si vous avez utilise des workers Parsyn pour l'entrainement, vous devrez connecter votre propre worker pour tester le modele.

Et maintenant