∴ 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
∴ 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
- 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。