Repolode
提交项目
ludwig-ai

ludwig-ai/ludwig

声明式深度学习框架，通过 YAML 配置训练、微调和部署 LLM、多模态与表格模型。

在 GitHub 查看官网
Star
11,793
Fork
1,213
未关闭 Issue
3
最近提交
5天前

这是什么？

Ludwig 让你通过编写声明式 YAML 配置来构建 AI 模型，无需自己实现训练循环、数据管道和评估代码。你只需列出输入和输出特征及其类型（文本、图像、数值、音频、时间序列等），框架会自动组装编码器、组合器和解码器，并通过命令行完成训练、评估和预测。

在大语言模型方面，Ludwig 支持监督微调、DPO、KTO、ORPO 和 GRPO 对齐训练，以及 LoRA、DoRA 等 PEFT 适配器、4-bit QLoRA 和 torchao 量化，还支持视觉语言模型微调。表格和多模态模型可以使用 HuggingFace 的文本编码器和 timm 的图像编码器，并可借助 Ray Tune 或 Optuna 进行超参数搜索。

训练好的模型可通过 FastAPI REST 接口、vLLM、Ray Serve 或 KServe 提供服务，也可导出为 SafeTensors、ONNX 或 torch.export 格式，或推送到 HuggingFace Hub。项目基于 PyTorch、Transformers 和 Ray 构建，只需修改后端设置，即可从单机扩展到多 GPU 或 Ray 集群。

核心功能

  • 01全部使用 YAML 定义模型和训练流程，无需编写自定义训练循环。
  • 02支持 SFT、DPO、KTO、ORPO、GRPO 等方式微调 LLM，包括 LoRA 和 QLoRA。
  • 03单个模型可同时组合文本、图像、数值、音频和时间序列输入。
  • 04可通过 Ray Tune 或 Optuna 进行超参数搜索。
  • 05支持通过 REST、vLLM、Ray Serve 或 KServe 提供服务，并可导出为 ONNX 或 SafeTensors。

适用场景

  • 在有限显存下使用 LoRA 对开源大模型进行指令数据微调。
  • 无需编写训练代码，快速构建表格分类或回归模型。
  • 训练同时结合商品图片、评论文本和数值字段的多模态模型。
  • 使用 PatchTST 或 N-BEATS 编码器进行时间序列预测。

快速上手

  1. 1

    从 PyPI 安装 Ludwig（需要 Python 3.12+）

    pip install ludwig
  2. 2

    编写描述模型输入和输出特征的 YAML 配置文件

  3. 3

    在你的数据集上训练模型

    ludwig train --config model.yaml --dataset my_data.csv
  4. 4

    使用训练好的模型进行预测

    ludwig predict --model_path results/experiment_run/model --dataset new_data.csv

使用前须知

  • 需要 Python 3.12 或更高版本。
  • 微调大型 LLM 需要大量 GPU 资源，访问受限模型可能需要 Hugging Face 令牌。

收录于专题

计算机视觉工具与库

标签

#deep-learning#llm#fine-tuning#pytorch#machine-learning#multimodal#declarative-config#model-serving#computer-vision#data-centric

常见问题

ludwig 是什么？
声明式深度学习框架，通过 YAML 配置训练、微调和部署 LLM、多模态与表格模型。 Ludwig 让你通过编写声明式 YAML 配置来构建 AI 模型，无需自己实现训练循环、数据管道和评估代码。你只需列出输入和输出特征及其类型（文本、图像、数值、音频、时间序列等），框架会自动组装编码器、组合器和解码器，并通过命令行完成训练、评估和预测。
ludwig 可以免费使用吗？用的什么许可证？
ludwig 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
ludwig 还在维护吗？
活跃维护中。ludwig 最近一次提交是在 2026年11月2日。
ludwig 适合用来做什么？
在有限显存下使用 LoRA 对开源大模型进行指令数据微调。 无需编写训练代码，快速构建表格分类或回归模型。 训练同时结合商品图片、评论文本和数值字段的多模态模型。 使用 PatchTST 或 N-BEATS 编码器进行时间序列预测。
ludwig 怎么安装和运行？
从 PyPI 安装 Ludwig（需要 Python 3.12+）: pip install ludwig 编写描述模型输入和输出特征的 YAML 配置文件 在你的数据集上训练模型: ludwig train --config model.yaml --dataset my_data.csv 使用训练好的模型进行预测: ludwig predict --model_path results/experiment_run/model --dataset new_data.csv
在哪里获取 ludwig？
源代码和安装说明在 GitHub 上：https://github.com/ludwig-ai/ludwig

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目