Startseite Projekte trainer
trainer

trainer

von kubeflow · GitHub

Verteiltes KI-Modelltraining und LLM-Fine-Tuning auf Kubernetes

Auf GitHub ansehen
In einfachen Worten

Trainieren Sie KI-Modelle und optimieren Sie große Sprachmodelle in einem Kubernetes-Cluster.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
trainer — GitHub preview card
📈 Sternhistorie
2.2k2.1k
2026-07-072026-07-29
📈 trainer verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Verteiltes KI-Modelltraining und LLM-Fine-Tuning auf Kubernetes

trainer hat 2.2k Sterne auf GitHub. Es wurde 1k-mal geforkt. trainer ist hauptsächlich in Go geschrieben. Es wird seit 2017 aktiv entwickelt. trainer ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: ai, distributed, fine-tuning, gpu.

Frequently asked questions

Was ist trainer?

Verteiltes KI-Modelltraining und LLM-Fine-Tuning auf Kubernetes

Ist trainer Open Source?

trainer ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist trainer kostenlos?

Ja. trainer ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht trainer?

trainer ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist trainer geschrieben?

trainer ist hauptsächlich in Go geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — trainer

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=kubeflow-trainer)](https://opensourceai.tech/project/kubeflow-trainer.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.