bghira/SimpleTuner

解决的问题

SimpleTuner 简化了大规模生成模型的微调过程。它提供了一个统一且易于访问的训练管道，用于训练图像、视频和音频模型，减少了对复杂手动配置和调试的需求，同时支持大量现代模型架构。

如何工作

SimpleTuner 作为一个全面的训练框架，集成了多种优化技术和硬件加速。它支持使用 DeepSpeed 和 FSDP2 在多个 GPU 上进行分布式训练，以提高内存效率，并提供一个用户友好的 Web UI 来管理训练生命周期。该系统可处理从小型数据集到数十亿样本的各类数据集，并可直接从 S3 等云存储中进行训练。

适用人群

专为希望在无需精通底层训练代码的情况下微调生成模型的 AI 研究人员、开发者和艺术家设计。也适用于需要多用户编排、基于角色的访问控制和作业队列管理的企业团队。

主要亮点

• 广泛的模型支持：兼容大量架构，包括 Flux、Stable Diffusion、Hunyuan Video 以及多种音频生成模型。
• 多模态能力：单一管道支持图像、视频和音频生成模型的训练。
• 企业级编排：包含工作节点编排、SSO 集成和团队环境下的细粒度角色访问控制。
• 内存优化：支持量化（int8/fp8/nf4）和梯度检查点，使许多模型可在消费级 GPU（16G-24G）上训练。
• 高级训练工具：支持如宽高比桶、LoRA 的概念滑块和 TREAD 的令牌级丢弃等功能。