Flower
友好的联邦学习框架，6.9K+ stars。支持多设备、多机构的分布式 AI 训练，数据不出本地即可协作训练模型。兼容 PyTorch/TensorFlow/JAX 等主流框架，是联邦学习的事实标准基础设施
🎯适用场景：多机构联合训练——医院、银行等需要数据隐私的机构可在不共享原始数据的情况下协作训练 AI 模型。
📥 收录于 2026/5/30
📊 仓库数据
📈 上次抓取以来 ↑+1 ⭐
✅ 优点
- •数据不出本地，天然满足隐私合规要求
- •兼容 PyTorch/TensorFlow/JAX 等主流框架
- •支持跨平台部署（云端、边缘设备、移动端）
- •活跃的学术社区，论文引用量高
⚠️ 限制
- •联邦学习通信开销大，训练速度慢于集中式
- •需要额外处理异构数据和非独立同分布问题
🔗 相关工具
DeepSpeed
github.com/microsoft/DeepSpeed
深度学习训练优化库，42,156+ stars。微软开发的开源深度学习优化库，提供 ZeRO 内存优化、3D 并行等核心技术，大幅降低大模型训练成本
🎯大模型微调与训练
LLaMA Factory
github.com/hiyouga/LLaMA-Factory
100+ 大模型高效微调工具，71K+ stars。支持 LoRA、QLoRA、DPO、PPO 等 10+ 种微调方法，提供 WebUI 一键式微调界面，兼容 LLaMA、Mistral、Qwen、Baichuan 等主流模型。ACL 2024 论文收录
🎯大模型微调与训练
Unsloth
github.com/unslothai/unsloth
LLM 微调 Web UI 和优化工具，62,269+ stars。提供 2 倍训练速度、70% 显存占用的 LLM 微调方案，支持 Llama、Mistral、Qwen 等主流模型的 LoRA/QLoRA 微调
🎯大模型微调与训练
Keras
github.com/keras-team/keras
深度学习框架，64,020+ stars。高级神经网络 API，支持 TensorFlow、JAX、PyTorch 多后端。以用户友好著称，让深度学习从实验到生产的转化变得简单高效
🎯大模型微调与训练
nanoGPT
github.com/karpathy/nanoGPT
Karpathy 打造的训练和微调中小型 GPT 的最简最快实现，适合学习 LLM 内部原理
🎯大模型微调与训练
nanoChat
github.com/karpathy/nanochat
Karpathy 用 100 美元能买到的最佳 ChatGPT 体验，从数据到训练到推理的完整实现
🎯大模型微调与训练