finetrainers

用有限显存微调视频扩散模型，多卡也能跑

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1361

维护状态较活跃

是否开源是

定价模式 free

项目预览

项目数据

分类模型训练

开发团队huggingface

所属国家

官网地址

GitHubhttps://github.com/huggingface/finetrainers

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai,art,artificial-intelligence,diffusers,diffusion,diffusion-models,pytorch,transformers

GitHub 星标★ 1361

30天Star增速

HF 下载量

上线时间2024-09-25 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-12

浏览次数0

项目介绍

finetrainers 是 Hugging Face 团队推出的扩散模型训练框架，专注于让视频与图像扩散模型（如 CogVideoX、Wan、Flux 等）的微调变得可扩展且省显存。它解决的核心问题是：扩散模型尤其是视频模型参数量大、训练时显存占用高，普通开发者难以在有限硬件上完成微调。项目通过分布式训练、序列并行、激活检查点、分片优化器状态等内存优化技术，把训练成本压到可接受范围。核心能力包括：支持多种主流扩散模型架构、LoRA 与全量微调、多卡并行训练、与 diffusers 生态无缝衔接，并提供训练脚本和配置示例。整体定位是给研究者和工程团队一个开箱即用、可横向扩展的扩散模型训练底座，而不是零散的单点脚本。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：进阶约 20 分钟部署方式：本地安装 5 步

环境要求

Python 环境（需可运行 pip 安装依赖）
Git（用于 clone 仓库和切换 tag）
已安装 PyTorch 及相关依赖（requirements.txt 中指定）
建议使用 diffusers main 分支（requirements 要求 diffusers>=0.32.1）
足够的 GPU 显存用于扩散模型训练

安装与启动步骤

1克隆仓库

把 finetrainers 源码下载到本地，进入项目目录后再执行后续安装。
```
git clone https://github.com/huggingface/finetrainers.git
cd finetrainers
```
2切换稳定版本

main 分支是开发分支，README 建议使用最新稳定 release tag，例如 v0.2.0。
```
git fetch --all --tags
git checkout tags/v0.2.0
```
3安装依赖

在项目根目录安装 requirements.txt 中列出的全部 Python 依赖包。
```
pip install -r requirements.txt
```
4从源码装 diffusers

README 要求从 GitHub 源码安装 diffusers，以获取最新特性和修复。
```
pip install git+https://github.com/huggingface/diffusers
```
5查看版本说明

按照对应 release tag 的 README 指引继续，获取该稳定版的具体训练用法。

如何确认成功

能成功导入 finetrainers 与 diffusers 且无报错，即说明基础环境安装完成。

常见问题

Q：应该用 main 分支还是 release tag？

A：README 明确说明 main 是开发分支，稳定性应依赖 release tag，因此建议 checkout 到最新稳定 tag（如 v0.2.0）。

Q：为什么一定要从源码安装 diffusers？

A：requirements 只要求 diffusers>=0.32.1，但 README 推荐使用 main 分支以获得最新功能和 bug 修复。

Q：安装依赖时版本冲突怎么办？

A：优先在干净虚拟环境（venv/conda）中安装，避免与其他项目的包版本互相影响。

注意事项

项目处于 work-in-progress 阶段，接口和用法可能随版本变化。
README 节选未给出具体训练命令、配置文件与端口，实际训练参数请参考对应 release tag 的完整 README。
视频扩散模型训练显存开销大，需评估自身硬件是否满足。

核心亮点

针对视频扩散模型做了显存优化，序列并行和激活检查点让大模型能在有限显卡上训练
与 Hugging Face diffusers 生态深度集成，模型加载、训练、保存流程统一，迁移成本低
支持 LoRA 与全量微调、多卡分布式训练，配置化程度高，适合从实验到生产的扩展

不足之处

项目仍处于早期快速迭代阶段，API 和配置格式可能变动，稳定性有待观察
文档和社区案例相对有限，视频模型训练调参门槛较高，新手不易直接上手

适用场景

在单卡或少量显卡上微调 CogVideoX、Wan 等视频扩散模型
为特定风格或领域数据做 LoRA 微调，生成定制化视频内容
研究团队做扩散模型训练方法对比与消融实验，需要统一训练框架

替代项目

kohya-ss/sd-scripts、huggingface/diffusers

上一篇：verl-omni

下一篇：Megatron-Bridge