transformerlab-app

一站式搞定大模型训练、微调和评估，从笔记本到集群无缝扩展

Transformer Lab 是一个面向 AI 研究者的开源研究环境，旨在让模型训练、评估和扩展变得无缝流畅，支持从本地硬件到 GPU 集群的灵活部署。它解决了研究者在大模型训练中面临的工具链复杂、环境配置繁琐、资源调度困难等问题，提供了一个统一的图形化界面和命令行工具，集成了模型下载、数据准备、微调（如 LoRA、RLHF）、评估和部署等全流程能力。核心能力包括：支持多种主流模型架构（如 Llama、Diffusion 等）和训练方法；基于 Electron 构建跨平台桌面应用，同时提供 Python API 和 CLI；可对接本地算力或远程 GPU 集群，实现弹性扩展。项目技术栈涵盖 transformers、MLX、Stability Diffusion 等，适合从入门到进阶的研究者快速上手，降低大模型实验的工程门槛。

开源 unknown 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 5188

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类模型训练

开发团队transformerlab

所属国家

官网地址https://lab.cloud

GitHubhttps://github.com/transformerlab/transformerlab-app

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型diffusion,diffusion-models,electron,llama,llms,lora,mlx,rlhf,stability-diffusion,transformers

GitHub 星标★ 5188

30天Star增速

HF 下载量

上线时间2023-12-24 00:00:00

最近更新2026-09-21 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2026-08-10

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：本地安装 3 步

环境要求

可执行 bash 脚本的系统（脚本由 curl 管道执行）
安装目录位于用户主目录 ~/.transformerlab，需有写入权限
集群/团队场景需已有 Slurm 或 SkyPilot 等基础设施（可选）

安装与启动步骤

1一键安装

通过 curl 管道执行官方安装脚本，脚本会把项目安装到用户主目录下的 ~/.transformerlab。执行前可先自行查看脚本内容。
```
curl https://lab.cloud/install.sh | bash
```
2启动应用

进入安装目录下的 src 子目录，运行启动脚本。该脚本会拉起 Transformer Lab 环境，保持终端窗口开启。
```
cd ~/.transformerlab/src
./run.sh
```
3团队集群配置(可选)

企业/集群用法：先读 Teams Install Guide，再在 Team Settings 里配置 Slurm、SkyPilot 等计算提供方，最后用 CLI(lab) 或 Web UI 排队任务。

如何确认成功

README 未给出明确的成功标志；执行 run.sh 后若终端无报错且进程持续运行，即视为已启动。

常见问题

Q：安装脚本会做什么？

A：README 未详细说明，仅给出 curl 管道执行 install.sh 的方式，安装完成后项目代码位于 ~/.transformerlab/src。

Q：启动命令为什么要先 cd？

A：因为 run.sh 位于 ~/.transformerlab/src 目录下，需先进入该目录再执行 ./run.sh。

Q：怎么在 GPU 集群上使用？

A：先按 Teams Install Guide 安装，随后在 Team Settings 配置计算提供方，再用 lab CLI 或 Web UI 提交任务。

Q：支持哪些部署形态？

A：README 说明可在本地、本地化私有部署(on-prem)或云端运行，面向 ML 研究人员。

Q：支持哪些集群调度器？

A：README 明确提到可通过 Team Settings 让 Transformer Lab 对接 Slurm 或 SkyPilot。

注意事项

README 未列出依赖版本、监听端口、配置文件路径等细节，需要时请查阅官网文档。
安装内容写入 ~/.transformerlab，重装或清理时注意该目录。
curl 管道执行脚本前，建议先下载查看脚本内容再运行。
企业/团队场景不要直接照搬个人安装流程，应按 Teams Install Guide 操作。

核心亮点

内置图形界面和命令行双模式，降低大模型训练的上手门槛
支持 LoRA、RLHF 等多种微调方法，覆盖主流模型架构
本地到 GPU 集群的弹性扩展，适配不同规模的研究需求

不足之处

项目较新，文档和社区生态仍在完善中
依赖 Electron，桌面端资源占用相对较高

适用场景

个人研究者快速微调 Llama 等模型并验证效果
团队在本地或云 GPU 集群上统一管理训练任务
教学或实验环境中演示大模型训练流程

替代项目

Hugging Face Transformers、Axolotl、LLaMA Factory

项目介绍

transformerlab-app 是模型训练领域的开源项目，由 transformerlab 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（5,188）位列前 9%，在模型训练分类的 518 个项目里位列前 10%。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-21。从国内网络环境看，可直接访问。

它主要面向的使用场景是：个人研究者快速微调Llama等模型并验证效果。同类可对比的替代方案包括 Hugging Face Transformers、Axolotl、LLaMA Factory。

上一篇：ART

下一篇：DataFlex