100以上の大規模言語モデルをコード不要のCLIとWebUIで簡単にファインチューニングできるツール。
中辛 の解説
Pythonベースの包括的ファインチューニングフレームワークです。LoRA・QLoRA・16ビット完全学習などのリソース効率的手法と、GaLore・BAdam・Muonなどの最先端オプティマイザを搭載しています。Webブラウザ(Gradio)またはコマンドラインから、データ準備から推論まで一連の作業を実行でき、Google Colabやクラウド環境での無料トライアルも提供しています。難易度は中程度で、GPUやAPIキーの基本的な知識があれば運用可能です。
こんなリポジトリです
こんなときに便利です
- 企業独自の業務データでLLaMAやQwenを学習させたいとき
- 限られたGPUリソースでモデルをカスタマイズしたいとき
- 複数のファインチューニング実験を効率的に管理・比較するとき
主な機能
ほかとの違い
単一のファインチューニング手法ではなく、量子化・報酬学習・強化学習・マルチモーダル対応を統合し、実験トラッキング・推論最適化まで一元管理できる包括的プラットフォームです。
このリポジトリの作り方
はじめてですか？ むずかしくありません — 上から順にたどれば、自分の環境で動かして味見できます。
準備するもの
- Python 3.11以上
- GPU(NVIDIA・AMD・Ascend NPU)またはCPU
- PyTorch 2.0以上
- 約6GB以上のGPUメモリ(基本的なファインチューニング)
すぐに始める
- ソースからインストール
git clone --depth 1 https://github.com/hiyouga/LlamaFactory.git
cd LlamaFactory
pip install -e .
pip install -r requirements/metrics.txt
- オプション依存関係をインストール(オプション)
pip install -r requirements/deepspeed.txt
- Dockerを使用する場合
docker run -it --rm --gpus=all --ipc=host hiyouga/llamafactory:latest
- Webブラウザインターフェースを起動
llamafactory-cli webui
- Windows環境でGPU対応PyTorchを確認
python -c "import torch; print(torch.cuda.is_available())"
- Ascend NPU環境の場合、専用依存関係をインストール
pip install -r requirements/npu.txt
ギット飯トライで味見
入れるのが面倒で少し不安だったなら — 安全スキャンからインストールまで、ターミナル一行で終わります。
ターミナルに貼り付ければ、ギット飯の安全スキャン → 隔離フォルダへ clone → インストール → 実行方法の案内まで自動です。はじめてでも大丈夫 — この一行だけです。
npx gitbap-try hiyouga/LlamaFactory
Node.js さえあれば、インストールなしで動きます · ギット飯トライとは？ →
スター推移 · 7日
確認日時
使いやすさ · まねしやすいか
- ゆるいライセンス
- テストあり
- サンプル集
- 最近の更新
- AGENTS.md
- llms.txt
- テンプレート
最近の更新あり · 2023 年に作成
「LLM ツール・RAG」 こういうリポジトリを毎週受け取りませんか？
毎週月曜の朝、選んだ一膳だけ。広告なし · いつでも解除。
自分のリポジトリですか？ README にギット飯バッジを貼る
[](https://www.gitbap.com/r/hiyouga/LlamaFactory)Claude からそのまま使う — ギット飯のつなぎ方
ギット飯を Claude につなぐと、こうしたリポジトリを Claude・Cursor・Codex から直接さがして試せます。
Claude の設定 → コネクタにこのアドレスを貼り付け。
https://www.gitbap.com/api/mcpプラグインを入れると /gitbap-trending·/gitbap-try のスラッシュコマンドで、その場でリポジトリを試せます。Claude Code で下の 2 行を順に実行してください。
/plugin marketplace add jakeparkcolde/gitbap-cowork/plugin install gitbap-cowork@gitbapAI が README をもとに要約しました · 原文を見る