redco

一键自动化分布式训练推理，轻松搞定联邦学习与隐私保护

RedCoast是一个轻量级工具，旨在自动化分布式训练和推理流程，特别针对大语言模型和扩散模型。它解决了在联邦学习、差分隐私等场景下，多机多卡环境配置复杂、代码冗余的问题。核心能力包括：支持FedAvg联邦学习算法、集成差分隐私保护、兼容Flan-T5-XXL和Gemma等主流模型，以及图像描述生成任务。RedCoast通过简洁的API抽象，让研究者无需深入分布式系统细节即可快速扩展训练规模，并已在NAACL和NeurIPS相关会议获得认可。项目仍处于早期阶段，但提供了清晰的模块化设计，适合学术实验和中小规模生产部署。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 69

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队tanyuqian

所属国家

官网地址https://tanyuqian.github.io/redco

GitHubhttps://github.com/tanyuqian/redco

定价模式free

价格说明开源项目，Apache-2.0 许可证，完全免费，需自行部署使用。

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differential-privacy,diffusion-models,distributed-training,fedavg,federated-learning,flan-t5-xxl,gemma,image-captioning,jax,large-language-models,llama,maml,meta-learning,mixed-precision,mlsys,model-parallelism,ppo,reinforcement-learning,seq2seq,stable-diffusion

GitHub 星标★ 69

30天Star增速

HF 下载量

上线时间2022-12-19 00:00:00

最近更新2026-05-31 00:00:00

维护状态低维护

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4

使用教程

核心亮点

轻量级API设计，降低分布式训练上手门槛
原生支持联邦学习和差分隐私，隐私保护开箱即用
兼容多类主流模型（Flan-T5、Gemma、扩散模型），场景覆盖广

不足之处

GitHub星标仅69，社区活跃度和生态成熟度不足
文档和示例相对有限，新用户可能需要自行摸索

适用场景

学术研究中快速搭建分布式大模型训练环境
跨机构联邦学习场景下的模型协同训练
需要差分隐私保护的图像生成或文本生成任务

替代项目

Hugging Face Accelerate、Ray、PyTorch Distributed

项目介绍

redco 是模型训练领域的开源项目，由 tanyuqian 开发，2022 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 69。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-05-31。Apache-2.0 许可证，完全免费，需自行部署使用。

它主要面向的使用场景是：学术研究中快速搭建分布式大模型训练环境。同类可对比的替代方案包括 Hugging Face Accelerate、Ray、PyTorch Distributed。

上一篇：sd-lora-trainer

下一篇：FedKTL