finetrainers

收录理由

现代视频或图像扩散模型的微调，往往先卡在显存上。这个库直接把问题摆在台面上解决：基于 Diffusers 技术栈，支持 CogVideoX、LTX-Video、HunyuanVideo、Wan、Flux、CogView4 等模型的监督微调和 LoRA 训练，配合 FP8 权重转换和梯度检查点，某些视频 LoRA 训练可以压到约 5 GB 显存。训练工程师能用上 DDP、FSDP-2 和上下文并行组成的分布式方案，自定义模型架构也有标准写法，常见数据集布局还能自动识别。仓库里备好了可直接运行的示例脚本，以及整理小型高质量视频数据集的工具，从原始片段到真正跑起训练，不需要自己拼装整套管线。需要留神的是主分支处于活跃开发状态，想要可复现的结果，最好锁定某个稳定发布标签。