Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Ingénierie › ludwig
✦ Libre & open sourceIngénierie

ludwig

Cadre déclaratif pour entraîner, affiner et déployer des LLM, des modèles de vision et tabulaires à l'aide de configurations YAML.

Cadre d'apprentissage profond déclaratif pour des modèles d'IA personnalisés

Créez, affinez et servez des modèles multimodaux, des LLM et des prévisions de séries temporelles sans code superflu.

Gratuit pour toujours · open source · Apache-2.0
✓ Needs IT✓ Dans le navigateur✓ Collaboration en temps réel
8
ZEKAI
Moteur d'IA low-code essentiel
Libre & open source · Ingénierie
Facilité d'installation5
Utilité9
Maintenance9.5
Communauté8.5
★ 11,792
GITHUB
Nov 2026
MIS À JOUR
Apache-2.0
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

Ludwig est un cadre d'apprentissage profond déclaratif qui vous permet de créer et d'affiner des modèles d'apprentissage automatique à l'aide de fichiers de configuration YAML structurés. Au lieu d'écrire des boucles d'entraînement PyTorch personnalisées, vous spécifiez les caractéristiques d'entrée et de sortie ainsi que les paramètres du modèle. Il convient aux équipes d'ingénierie et aux data scientists qui ont besoin de modèles spécialisés pour l'analyse de capteurs, les inspections visuelles ou des LLM spécifiques à un domaine.

Fonctionne sur
Cross-platform
Hébergement
Cloud ou auto-hébergé
Langues
Python
Licence
Apache-2.0

Qu'est-ce que c'est

Ludwig gère l'entraînement de modèles de bout en bout, le réglage des hyperparamètres et le service d'inférence sur des jeux de données textuels, d'images, de séries temporelles et tabulaires. Il fournit des options standardisées pour les flux de travail avancés, notamment l'ajustement d'instructions QLoRA 4 bits, l'alignement DPO et la prévision de séries temporelles PatchTST. Vous pouvez exécuter des sessions d'entraînement via une simple commande CLI ou exporter des modèles vers des points de terminaison REST à l'aide de Ray Serve et KServe.

Pour qui

Cet outil convient aux ingénieurs ML, aux analystes de données structurelles et aux concepteurs computationnels qui ont besoin d'entraîner des réseaux de neurones personnalisés sans réécrire le code d'entraînement de base. Il est moins adapté aux architectes non techniques ou aux praticiens du design qui manquent de compétences en préparation de jeux de données ou d'une infrastructure informatique dédiée.

Fonctionnalités clés

Configuration YAML déclarative

Définissez des architectures d'apprentissage profond complètes, des encodeurs de caractéristiques et des fonctions de perte dans des fichiers de configuration structurés.

Affinement avancé de LLM

Appliquez la QLoRA 4 bits, l'alignement DPO, le PEFT multi-adaptateur et l'entraînement VLM aux modèles de fondation ouverts.

Fusion de caractéristiques multimodales

Combinez des encodeurs d'images, des transformateurs de texte et des caractéristiques numériques dans un réseau multitâche unifié.

Encodeurs de prévision de séries temporelles

Préobtenez des métriques d'utilisation structurelle ou énergétique en utilisant PatchTST, N-BEATS intégrés et des métriques d'évaluation spécialisées.

Comment démarrer

Opérationnel en 3 étapes

1
Installez le paquet principal et les suppléments dans un environnement Python 3.12 à l'aide de pip install ludwig[full].
2
Créez un fichier model.yaml spécifiant vos caractéristiques d'entrée, vos cibles de sortie et l'architecture de base choisie.
3
Exécutez ludwig train --config model.yaml --dataset your_data.csv pour entraîner, évaluer et enregistrer votre modèle.
Franchement

Notre verdict honnête

Ses atouts

  • Remplace le code d'entraînement PyTorch répétitif par des fichiers de configuration YAML standardisés.
  • Combine des entrées textuelles, numériques, d'images et de séries temporelles dans une architecture de modèle unique.
  • Comprend un assistant de prompt en langage naturel qui génère automatiquement des configurations YAML valides.
  • Prend en charge la quantification 4 bits économe en mémoire et les adaptateurs PEFT tels que LoRA, DoRA et VeRA prêts à l'emploi.

Ses limites

  • Nécessite un matériel GPU local ou des instances de calcul cloud pour l'affinage des LLM et les tâches de vision par ordinateur.
  • Le débogage de la syntaxe ou des erreurs d'architecture dans les configurations YAML peut s'avérer plus difficile que de parcourir du code Python brut.
  • L'exécution distribuée sur des jeux de données massifs nécessite la gestion d'environnements de clusters Ray.
Coût

Tarifs & licence

Ludwig est open source et gratuit à exécuter sous licence Apache-2.0. Vos seuls coûts opérationnels proviennent de l'infrastructure informatique et des GPU nécessaires pour entraîner et héberger vos modèles.

Travail rémunéré

Missions pour francophones

877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.

Voir tous les postes ouverts →
Comparer

Alternatives

🎁 Alternatives libres & open source
Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : ludwig pour Ingénierie
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons ludwig pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

Dois-je posséder un matériel GPU pour exécuter ludwig ?

Alors que les petites tâches tabulaires s'exécutent sur un processeur standard, l'affinage des LLM ou l'entraînement de modèles de vision nécessite des GPU Nvidia dédiés.

Ludwig peut-il déployer des modèles en tant que services Web ?

Oui, l'exécution de ludwig serve lance une API REST locale, et ludwig intègre une prise en charge de production pour Ray Serve et KServe.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Ingénierie — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google