∴ GitHub / 趋势仓库

higgsfield-ai / higgsfield

面向万亿参数模型的容错GPU编排与机器学习框架

语言
Jupyter Notebook
Star
5.5k
Fork
964
当日新增(09-21)
+465
累计在榜
3 天
最高名次
第 7 名
首次上榜
2026-09-19
去 GitHub 查看 ↗

∴ 是什么

Higgsfield 是一个开源的 GPU 编排与机器学习框架,用于训练数十亿至数万亿参数的模型,如大型语言模型。它包含五个主要功能:分配计算资源、支持 ZeRO-3 和 PyTorch 全分片数据并行、启动和执行训练任务、管理资源争用队列,以及与 GitHub 和 GitHub Actions 集成。

∴ 解决什么问题

  • 解决多节点训练环境配置复杂的问题
  • 解决实验配置参数过多的问题
  • 简化大规模模型分布式训练的启动和执行流程
  • 管理资源争用,避免实验冲突

∴ 怎么上手

  1. 01执行 `pip install higgsfield==0.0.3` 安装

∴ 适合谁

适用于需要训练大规模语言模型或分布式深度学习模型的开发者,尤其是使用 PyTorch 和 GitHub 进行机器学习开发的人员。

∴ 要点

  • 支持 ZeRO-3 deepspeed API 和 PyTorch 全分片数据并行
  • 提供实验装饰器和模型加载器简化训练代码
  • 需要节点运行 Ubuntu、SSH 访问和非 root sudo 用户
  • 已在 Azure、LambdaLabs、FluidStack 云平台上测试
  • 遵循标准 PyTorch 工作流,兼容 deepspeed、accelerate 等
  • 许可协议为 Apache-2.0
许可证 Apache-2.0cluster-managementdeep-learningdistributedllamallama2llmmachine-learningmlopspytorch

解读由 AI 依据项目 README 生成,生成于 2026-10-06,以 GitHub 原文为准。

∴ 在榜记录

GitHub Trending 今日榜的每日存档,日期按北京时间。2026-09-19 首次上榜,累计在榜 3 天,最高第 7 名。

[object Object]2026-09-19 +3252026-09-20 +4612026-09-21 +465
每日新增 Star · 2026-09-19 至 2026-09-21 · 共 3 个在榜日峰值 +465
日期名次当日新增总 Star
#9+4655,498
#9+4615,206
#7+3254,736