trainer

在 Kubernetes 上轻松跑起分布式模型训练和微调

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 1107 🐛 待处理 265 👀 关注 83

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2278

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和自行部署。

项目预览

项目数据

分类开源模型

开发团队kubeflow

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

GitHubhttps://github.com/kubeflow/trainer

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 2278

上线时间2017-06-28 00:00:00

代码更新2026-11-07

仓库体积133.0 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数4

项目介绍

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。

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

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2278

技术标签

ai distributed fine-tuning gpu huggingface

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

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。