面向人工智能研究实验室的操作系统

专为机器学习研究人员打造。本地部署、私有云或公有云均可。开源。

⬇️ 个人安装  ·  🏢 团队安装  ·  📖 文档  ·  🎬 演示  ·  💬 Discord

✨ 什么是Transformer Lab？

Transformer Lab是一个开源的机器学习平台，它将分散的人工智能工具生态整合到一个简洁优雅的界面中。该平台提供两种版本：

🛠️ 核心功能

📥 快速入门

1. 安装

curl https://lab.cloud/install.sh | bash

2. 运行

cd ~/.transformerlab/src
./run.sh

3. 访问

打开浏览器访问http://localhost:8338。

系统要求

🏢 企业级与集群部署

团队版的Transformer Lab作为一层叠加层运行在您现有的基础设施之上。它并不会取代您的调度系统，而是为其提供现代化的控制平面。

要配置Transformer Lab与Slurm或SkyPilot对接：

1. 按照团队安装指南操作。
2. 在团队设置中配置您的计算资源提供商。
3. 使用命令行工具（lab）或Web界面，在整个集群中排队执行任务。

👩‍💻 开发

# 需要 Node.js v22
npm install
npm start

cd api
./install.sh   # 设置 Conda 环境 + Python 依赖
./run.sh       # 启动 API 服务器

pip install transformerlab

🤝 贡献

我们是一个由关心 AI 研究未来的开发者支持的开源项目。我们欢迎各种形式的贡献！请查看我们的 issues 页面，了解当前开放的任务。

📄 许可证

AGPL-3.0 · 详情请参阅 LICENSE 文件。

📚 引用

@software{transformerlab,
  author = {Asaria, Ali and Salomone, Tony},
  title = {Transformer Lab: AI 研究的操作系统},
  year = 2023,
  url = {https://github.com/transformerlab/transformerlab-app}
}

💬 社区

_{由加拿大 🇨🇦 的 Transformer Lab 用心打造 ❤️}

Transformer Lab 快速上手指南

Transformer Lab 是一款开源的机器学习平台，旨在为 AI 研究人员提供统一的本地或集群管理界面。它支持大语言模型（LLM）、扩散模型（图像生成）及音频模型的训练、微调和推理。

1. 环境准备

在开始之前，请确保您的硬件和操作系统满足以下要求：

系统要求

前置依赖

• 网络环境：由于需要下载模型和依赖包，建议确保网络畅通。若在国内访问 GitHub 或 HuggingFace 较慢，请自行配置代理或使用国内镜像源。
• 终端工具：macOS/Linux 使用默认终端；Windows 用户请使用 WSL2 终端。

2. 安装步骤

Transformer Lab 提供了极简的一键安装脚本。

第一步：执行安装

在终端中运行以下命令下载并执行安装脚本：

curl https://lab.cloud/install.sh | bash

注意：该脚本会自动处理 Python 环境（Conda）及相关依赖的安装。

第二步：启动服务

安装完成后，进入源码目录并运行启动脚本：

cd ~/.transformerlab/src
./run.sh

3. 基本使用

启动成功后，您无需在命令行进行复杂操作，所有功能均可通过 Web 界面完成。

访问界面

打开浏览器，访问以下地址：

http://localhost:8338

核心功能速览

登录后，您可以立即开始以下操作：

1. 下载模型：在 "Models" 板块搜索并下载 Llama 3、DeepSeek、Qwen 等主流模型（支持 HuggingFace、GGUF 等格式）。
2. 对话测试：进入 "Chat" 界面，加载已下载的模型进行多轮对话测试。
3. 微调训练：
   • 选择 "Train" 选项卡。
   • 上传数据集或选择内置数据集。
   • 配置微调方法（如 LoRA、QLoRA）及超参数。
   • 点击开始，即可在本地 GPU 上启动训练任务。
4. 插件扩展：如需集成自定义脚本，可通过 Python SDK (pip install transformerlab) 或插件系统扩展功能。

更多高级功能（如集群调度 Slurm/SkyPilot、红队测试等）请参阅官方文档。