# Ludwig 開源宣告式深度學習框架，透過單一 YAML 設定訓練、微調與部署模型。 - Findings24: - 網站: - 價格: Freemium - 分類: AI程式助手, AI開發者工具, AI模型中心 ## 什麼是 Ludwig？ Ludwig 是一個開源宣告式深度學習框架，透過單一 YAML 設定檔即可建置、微調與部署自訂模型。它適合想要避免手寫訓練迴圈、同時在需要時仍保有進階控制的使用者。 網站說明 Ludwig 支援表格、文字、影像、音訊、時間序列與 LLM 工作流程，且可在本機執行或在不更改模型定義的情況下擴展到 Ray 叢集。產品文件也強調內建前處理、實驗追蹤、服務與匯出流程。 ## Ludwig 能做什麼？ ### 宣告式 YAML 設定 以單一已驗證的 YAML 檔定義前處理、編碼器、架構、訓練與超參數最佳化，而不必手寫訓練迴圈。 ### 多模態、多任務建模 建立可結合表格、文字、影像、音訊、時間序列及其他特徵類型的模型，並在一次執行中訓練多個輸出。 ### LLM 微調堆疊 使用監督式指令微調與對齊方法（包括 DPO、KTO、ORPO 與 GRPO），再搭配 LoRA、QLoRA、DoRA 與 VeRA 進行 LLM 微調。 ### 分散式訓練後端 只要加入 Ray 的後端設定，就能將本地工作切換為分散式執行；文件中展示支援 DDP、FSDP、DeepSpeed 與 KubeRay。 ### 超參數最佳化 使用 Ray Tune 或 Optuna 執行內建 HPO，並可搭配 Auto、TPE、GP 與 CMA-ES 等取樣器，以及透過 SQLite 或 PostgreSQL 持久化。 ### 服務與匯出流程 以一個指令提供模型服務，並可匯出為 SafeTensors、ONNX 或 \`torch.export\`，同時支援 Docker 映像與上傳至 Hugging Face Hub 的選項。 ## 使用情境 ### 從設定檔訓練自訂模型 當你想用 YAML 檔建立監督式模型，並在不從零編寫前處理與迴圈邏輯的情況下，保留清楚的訓練流程時，可使用 Ludwig。 ### 多模態與多任務建模 適用於結合不同輸入類型的專案，例如文字搭配表格特徵、或影像搭配中繼資料，並在單一模型中訓練多個輸出。 ### LLM 微調與服務 使用 LLM 工具將開放模型進行指令微調，搭配 4-bit QLoRA 或相關對齊方法，然後用 Ludwig 的服務指令提供結果。 ### 在 Ray 上進行分散式訓練 當本機實驗需要擴展為叢集上的分散式執行，而又不想更動底層模型定義時，可使用 Ray 後端。 ### 模型匯出與部署 當你需要 REST API、Docker 映像，或像 ONNX、SafeTensors 這類用於部署的模型產物時，可使用內建的匯出與服務流程。 ## 常見問題 ### Ludwig 用於什麼？ Ludwig 是一個以 YAML 為基礎的框架，可在單一設定檔中定義前處理、模型架構、訓練、超參數最佳化與服務。網站將其描述為開源的宣告式深度學習框架。 ### 要如何使用 Ludwig？ 入門與首頁頁面顯示的是命令列工作流程：安裝 Ludwig、準備資料集，然後執行 \`ludwig train --config ...\`。產品也文件化了預測、評估、超參數最佳化、服務、分散式訓練與 LLM 微調。 ### Ludwig 支援哪些模型與資料類型？ 網站指出 Ludwig 支援表格資料、文字、影像、音訊、時間序列與 LLM 工作流程，也列出多模態與多任務建模。 ### Ludwig 可以用於部署嗎？ 首頁與文件顯示 Ludwig 可以將模型作為 REST API 提供服務，並匯出為 SafeTensors、ONNX 與 \`torch.export\` 等格式。它也提到 Docker 映像與上傳至 Hugging Face Hub。 ## 快速資訊 - **類別**: 開發者工具 - **主要使用者**: ML 與 AI 實作者 - **平台**: 開源框架 - **來源網域**: ludwig.ai - **授權**: Apache 2 License - **部署**: 本機、Ray 叢集、Kubernetes