宣言的なYAML設定
前処理、エンコーダー、アーキテクチャ、学習、ハイパーパラメータ最適化を、手作業で学習ループを書く代わりに、1つの検証済みYAMLファイルで定義します。
Ludwigとは？
Ludwigは、1つのYAML設定ファイルだけでカスタムモデルの構築、ファインチューニング、デプロイができるオープンソースの宣言的深層学習フレームワークです。手書きの学習ループを避けつつ、必要なときには高度な制御も維持したいユーザー向けに位置づけられています。
サイトによると、Ludwigは表形式、テキスト、画像、音声、時系列、LLMワークフローをサポートし、モデル定義を変更せずにローカル実行またはRayクラスターへのスケールが可能です。製品ドキュメントでは、組み込みの前処理、実験追跡、推論、エクスポートのワークフローも強調されています。
Ludwigでできること
マルチモーダル・マルチタスクモデリング
表形式、テキスト、画像、音声、時系列、その他の特徴量を組み合わせたモデルを構築し、1回の実行で複数の出力を学習します。
LLMファインチューニングスタック
教師ありのインストラクションチューニングや、DPO、KTO、ORPO、GRPOを含むアライメント手法に加え、LoRA、QLoRA、DoRA、VeRAを使ってLLMをファインチューニングします。
分散学習バックエンド
Ray用のバックエンド設定を追加するだけでローカルジョブを分散実行に切り替えられ、DDP、FSDP、DeepSpeed、KubeRay のサポートが示されています。
ハイパーパラメータ最適化
Ray TuneまたはOptunaで組み込みHPOを実行でき、Auto、TPE、GP、CMA-ESなどのサンプラーと、SQLiteまたはPostgreSQLによる永続化を利用できます。
推論とエクスポートのワークフロー
1つのコマンドでモデルを提供し、SafeTensors、ONNX、`torch.export` にエクスポートできます。Dockerイメージや Hugging Face Hub へのアップロードオプションもあります。
利用シーン
“設定からカスタムモデルを学習する”
YAMLファイルから教師ありモデルを構築し、前処理やループロジックをゼロから書かずに学習パイプラインを明示的に保ちたい場合にLudwigを使います。
“マルチモーダルおよびマルチタスクのモデリング”
テキストと表形式特徴量、画像とメタデータのような異なる入力タイプを組み合わせ、1つのモデルで複数の出力を学習するプロジェクトに使います。
“LLMのファインチューニングと推論”
LLMツールを使って、4ビットQLoRAや関連するアライメント手法でオープンモデルをインストラクションチューニングし、その後Ludwigの推論コマンドで結果を提供します。
“Rayでの分散学習”
ローカル実験を、基盤となるモデル定義を変更せずにクラスター上の分散実行へ拡張する必要がある場合にRayバックエンドを使います。
“モデルのエクスポートとデプロイ”
REST API、Dockerイメージ、またはONNXやSafeTensorsのようなデプロイ用モデル成果物が必要な場合に、組み込みのエクスポートと推論ワークフローを使います。
よくある質問
Ludwigは何に使われますか？
Ludwigは、前処理、モデルアーキテクチャ、学習、ハイパーパラメータ最適化、推論を1つの設定ファイルで定義できるYAMLベースのフレームワークです。サイトでは、オープンソースの宣言的深層学習フレームワークとして説明されています。
Ludwigはどのように使いますか？
入門ページとホームページでは、コマンドライン中心のワークフローが示されています。Ludwigをインストールし、データセットを準備して、`ludwig train --config ...` を実行します。また、予測、評価、ハイパーパラメータ最適化、推論、分散学習、LLMファインチューニングについても説明されています。
Ludwigはどのようなモデルやデータをサポートしていますか？
サイトによると、Ludwigは表形式データ、テキスト、画像、音声、時系列、LLMワークフローをサポートしています。また、マルチモーダルおよびマルチタスクのモデリングにも対応しています。
Ludwigはデプロイに使えますか？
ホームページとドキュメントでは、LudwigはモデルをREST APIとして提供でき、SafeTensors、ONNX、`torch.export` などの形式にエクスポートできると示されています。Dockerイメージや Hugging Face Hub へのアップロードにも言及があります。
クイック情報
- カテゴリ
- 開発者向けツール
- 主な利用者
- MLおよびAIの実務者
- プラットフォーム
- オープンソースフレームワーク
- ソースドメイン
- ludwig.ai
- ライセンス
- Apache 2 License
- デプロイ
- ローカル、Rayクラスター、Kubernetes
Ludwig のトラフィック分析
トラフィックデータは参考情報としてご利用ください。
- ドメイン評価
- 51
Ludwigの代替品
TensorFlow
tensorflow.org
デスクトップ、モバイル、Web、クラウド、エッジでモデルを構築・学習・デプロイできるオープンソース機械学習プラットフォーム。
Unsloth
unsloth.ai
自分のハードウェアでオープンモデルを学習・実行・書き出せるオープンソースのローカルUI・フレームワーク
DeerFlow
deerflow.tech
DeerFlowは、サンドボックス化されたツール、メモリ、サブエージェントを使って調査・コーディング・創作を行うスーパーエージェントを構築できる、LangChainベースのオープンソースフレームワークです。深い調査、分析、コンテンツ生成など、長時間にわたる複数ステップのタスクに適しています。
Inkling
thinkingmachines.ai
InklingはThinking Machines Labのオープンウェイト型マルチモーダル基盤モデルです。テキスト・画像・音声を入力でき、テキストを生成し、Tinkerでファインチューニングして下流アプリケーションに活用できます。
LiveKit
livekit.io
LiveKitは、PythonまたはTypeScriptで音声・ビデオ・物理AIエージェントを構築、デプロイ、監視できるオープンソース開発者向けプラットフォームです。LiveKit Cloudにも対応します。
Craft Agents
agents.craft.do
Craft Agentsは、AIエージェント向けのオープンソースデスクトップアプリです。モデル、API、MCPサーバー、ローカルファイル、内蔵ブラウザを接続し、作業を一元管理できます。