quaterion

几分钟搭好相似度模型训练，向量检索效果快速提升

Quaterion 是一个专注于相似度学习模型微调的 Python 框架，核心解决的是在检索、去重、聚类等场景下，如何高效训练出能输出高质量向量表示的模型。它把对比学习、度量学习、kNN 近邻搜索等常见流程封装成可复用的训练组件，内置多种损失函数（如对比损失、三元组损失）和采样策略，并针对训练速度做了大量工程优化，官方称比同类方案快数倍。框架基于 PyTorch，支持自定义编码器、数据加载器和评估器，适合需要快速迭代相似度模型的团队。相比从零手写对比学习训练循环，Quaterion 提供了更清晰的抽象和更少的样板代码，同时保留了对底层细节的控制力，可用于文本、图像等多种模态的嵌入微调任务。

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 662

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类模型训练

开发团队qdrant

所属国家

官网地址https://quaterion.qdrant.tech

GitHubhttps://github.com/qdrant/quaterion

定价模式free

价格说明开源免费框架，文档站提供使用指南

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contrastive-learning,cosine-similarity,deep-learning,knn,machine-learning,metric-learning,nearest-neighbor-search,python,pytorch,pytorch-lightning,similarity-learning,similarity-search

GitHub 星标★ 662

30天Star增速

HF 下载量

上线时间2021-08-31 00:00:00

最近更新2026-09-01 00:00:00

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2026-09-16

浏览次数0

使用教程

核心亮点

内置多种对比/度量学习损失与采样器，减少手写训练循环的样板代码
针对训练速度做了工程优化，官方基准显示比同类框架更快
基于 PyTorch，编码器、数据加载器和评估器均可自定义，灵活度较高

不足之处

社区规模较小，生态和第三方教程相对有限
文档和示例覆盖度一般，复杂场景需阅读源码

适用场景

电商商品去重与相似商品召回模型微调
文本语义检索或问答匹配的嵌入模型训练
图像/多模态场景下的近邻搜索向量表示学习

替代项目

sentence-transformers、pytorch-metric-learning

项目介绍

quaterion 是一个模型训练领域的开源项目，官方简介：Blazing fast framework for fine-tuning similarity learning models。项目使用 Python 开发，在 GitHub 上获得 662 星标。

上一篇：Qwen-VL-Series-Finetune

下一篇：physicsnemo