trainer

在 Kubernetes 上轻松跑起分布式模型训练和微调

trainer 是一个基于 Kubernetes 的分布式 AI 模型训练与 LLM 微调平台，由开源社区维护。它解决了在 Kubernetes 上运行大规模训练任务时面临的资源调度、分布式通信、生命周期管理复杂等问题。核心能力包括：将训练任务抽象为 Kubernetes 自定义资源（CRD），支持 PyTorch、TensorFlow 等主流框架的分布式训练；内置弹性伸缩、故障恢复、日志监控等机制，简化运维；提供统一的训练作业 API 和 CLI，便于集成到 CI/CD 流水线。项目采用 Go 语言开发，目前处于成长阶段，适合需要灵活、可扩展训练基础设施的团队。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2228

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队kubeflow

所属国家

官网地址https://trainer.kubeflow.org/en/latest

GitHubhttps://github.com/kubeflow/trainer

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费使用和自行部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Go

技术栈/模型ai,distributed,fine-tuning,gpu,huggingface,jax,kubeflow,kubernetes,llm,machine-learning,mlops,python,pytorch,tensorflow,xgboost

GitHub 星标★ 2228

30天Star增速

HF 下载量

上线时间2017-06-28 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：高级约 30 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

一个可用的 Kubernetes 集群（Trainer 基于 Kubernetes 运行，训练任务以自定义资源形式提交）
可访问 GitHub 与官网文档，用于获取安装说明
如需本地编译或二次开发，需准备 Go 语言环境（项目使用 Go 开发）

安装与启动步骤

1查看官方文档

README 明确要求按官方文档安装，先打开 getting-started 页面，确认当前版本与前置组件。
2准备 K8s 集群

Trainer 运行在 Kubernetes 之上，需先准备可用集群并具备创建 CRD、Pod 等资源的权限。
3克隆源码仓库

可选步骤，仅在需要查看源码或本地开发时使用；README 未提供该命令，此地址来自项目 GitHub 地址。
```
git clone https://github.com/kubeflow/trainer.git
```
4按文档安装

按官方 getting-started 页面给出的命令把 Trainer 安装到集群，README 中未给出任何具体安装命令。

如何确认成功

README 未给出验证命令；安装后请按官方文档确认 Trainer 控制平面与相关 CRD 是否就绪。

常见问题

Q：照着 README 能完成安装吗？

A：不能。README 只指向官方文档 https://trainer.kubeflow.org/en/latest/getting-started/index.html，安装命令需以该页面为准。

Q：必须自己准备 Kubernetes 集群吗？

A：是。Kubeflow Trainer 是运行在 Kubernetes 上的训练平台，训练任务会被抽象为自定义资源（CRD）提交到集群。

Q：支持哪些训练框架？

A：支持 PyTorch、TensorFlow 等主流框架，v2.2 起新增 JAX 与 XGBoost 训练运行时，并支持 MPI/Flux 面向 HPC 的场景。

Q：如何确认自己该用哪个版本？

A：可查看 GitHub Releases，最新为 v2.3.0（2026/08 发布），并按官方文档选择匹配版本安装。

注意事项

README 未提供安装命令，本教程仅包含可从 README 推断的准备动作，实际部署必须以官方文档为准。
项目为 Go 开发的 Kubernetes 组件，建议具备 Kubernetes 基础后再部署。
涉及 LLM 微调、分布式训练时通常需要 GPU 节点，请按官方文档确认集群资源要求。

核心亮点

深度集成 Kubernetes，原生支持资源调度和弹性伸缩
支持多种分布式训练框架，如 PyTorch、TensorFlow
提供 CRD 和控制器，训练作业可声明式管理，便于 GitOps

不足之处

文档和社区生态尚在早期，中文资料较少
高级功能如超参数调优、模型注册等依赖外部组件

适用场景

在 Kubernetes 集群中运行大规模 LLM 微调任务
需要弹性伸缩和故障恢复的分布式训练生产环境
将训练流程纳入现有 CI/CD 和 GitOps 工作流

替代项目

Kubeflow Training Operator、Ray Train、Volcano

项目介绍

trainer 是模型训练领域的开源项目，由 kubeflow 开发，2017 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（2,228）位列前 30%，在模型训练分类中处于中上游。

近 42 天，它的 GitHub 星标从 2,179 增加到 2,228，净增 49。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。Apache-2.0许可证，可免费使用和自行部署。

它主要面向的使用场景是：在Kubernetes集群中运行大规模LLM微调任务。同类可对比的替代方案包括 Kubeflow Training Operator、Ray Train、Volcano。

上一篇：how-to-train-your-gpt

下一篇：simple-llm-finetuner