आपके काम के लिए रेटेड एआई टूल
AI ट्रेन करके कमाएँ
🤝 आप फ्री & ओपन सोर्स लाइब्रेरी में हैं — समुदाय द्वारा बनाए गए टूल जिन्हें आप बिना भुगतान किए उपयोग कर सकते हैं। हमारी स्कोर की गई AI डायरेक्टरी से अलग एक अवधारणा।
होम › फ्री & ओपन सोर्स › इंजीनियरिंग › ludwig
✦ फ्री & ओपन सोर्सइंजीनियरिंग

ludwig

YAML कॉन्फ़िगरेशन का उपयोग करके LLM, विज़न और सारणीबद्ध मॉडल को प्रशिक्षित, फ़ाइन-ट्यून और तैनात करने के लिए एक घोषणात्मक फ्रेमवर्क।

कस्टम AI मॉडल के लिए घोषणात्मक डीप लर्निंग फ्रेमवर्क

बिना किसी बॉयलरप्लेट के मल्टीमॉडल मॉडल, LLM और टाइम-सीरीज़ फ़ोरकास्टिंग बनाएं, फ़ाइन-ट्यून करें और सर्व करें।

हमेशा के लिए मुफ़्त · ओपन सोर्स · Apache-2.0
✓ Needs IT✓ ब्राउज़र-आधारित✓ रियल-टाइम सहयोग
8
ZEKAI
आवश्यक लो-कोड AI इंजन
फ्री & ओपन सोर्स · इंजीनियरिंग
सेटअप की आसानी5
उपयोगिता9
रखरखाव9.5
समुदाय8.5
★ 11,792
गिटहब
Nov 2026
अपडेटेड
Apache-2.0
लाइसेंस
🛠 खुद होस्ट नहीं करना चाहते? हम इसे सेट कर सकते हैं →
⚡ त्वरित उत्तर

ludwig एक घोषणात्मक डीप लर्निंग फ्रेमवर्क है जो आपको संरचित YAML कॉन्फ़िगरेशन फ़ाइलों का उपयोग करके मशीन लर्निंग मॉडल बनाने और फ़ाइन-ट्यून करने देता है। कस्टम PyTorch ट्रेनिंग लूप लिखने के बजाय, आप मॉडल पैरामीटर के साथ इनपुट और आउटपुट फ़ीचर्स निर्दिष्ट करते हैं। यह उन इंजीनियरिंग टीमों और डेटा वैज्ञानिकों के लिए उपयुक्त है जिन्हें सेंसर एनालिटिक्स, विजुअल इंस्पेक्शन या डोमेन-विशिष्ट LLM के लिए विशेष मॉडल की आवश्यकता होती है।

इस पर चलता है
Cross-platform
होस्टिंग
क्लाउड या सेल्फ-होस्ट
भाषाएँ
Python
लाइसेंस
Apache-2.0

यह क्या है

ludwig टेक्स्ट, इमेज, टाइम-सीरीज़ और सारणीबद्ध डेटासेट में एंड-टू-एंड मॉडल ट्रेनिंग, हाइपरपैरामीटर ट्यूनिंग और इन्फेरेंस सर्विंग को संभालता है। यह 4-बिट QLoRA इंस्ट्रक्शन ट्यूनिंग, DPO एलाइनमेंट और PatchTST टाइम-सीरीज़ फ़ोरकास्टिंग सहित उन्नत वर्कफ़्लो के लिए मानकीकृत विकल्प प्रदान करता है। आप एक सिंगल CLI कमांड के माध्यम से ट्रेनिंग रन निष्पादित कर सकते हैं या Ray Serve और KServe का उपयोग करके मॉडल को REST एंडपॉइंट पर निर्यात कर सकते हैं।

किसके लिए

यह टूल ML इंजीनियरों, स्ट्रक्चर्ड डेटा विश्लेषकों और कम्प्यूटेशनल डिजाइनरों के लिए उपयुक्त है जिन्हें ट्रेनिंग बॉयलरप्लेट को फिर से लिखे बिना कस्टम न्यूरल नेटवर्क को प्रशिक्षित करने की आवश्यकता होती है। यह गैर-तकनीकी आर्किटेक्ट्स या डिज़ाइन प्रैक्टिशनर्स के लिए कम उपयुक्त है जिनके पास डेटासेट तैयार करने के कौशल या समर्पित कंप्यूटिंग बुनियादी ढांचे का अभाव है।

मुख्य विशेषताएँ

घोषणात्मक YAML कॉन्फ़िगरेशन

संरचित कॉन्फ़िगरेशन फ़ाइलों के भीतर पूर्ण डीप लर्निंग आर्किटेक्चर, फ़ीचर एनकोडर और लॉस फ़ंक्शन को परिभाषित करें।

उन्नत LLM फ़ाइन-ट्यूनिंग

ओपन फाउंडेशन मॉडल पर 4-बिट QLoRA, DPO एलाइनमेंट, मल्टी-अडैप्टर PEFT और VLM ट्रेनिंग लागू करें।

मल्टीमॉडल फ़ीचर फ़्यूजन

इमेज एनकोडर, टेक्स्ट ट्रांसफॉर्मर और संख्यात्मक फ़ीचर्स को एक एकीकृत मल्टी-टास्क नेटवर्क में संयोजित करें।

टाइम-सीरीज़ फ़ोरकास्टिंग एनकोडर

अंतर्निहित PatchTST, N-BEATS और विशेष मूल्यांकन मेट्रिक्स का उपयोग करके स्ट्रक्चर्ड या ऊर्जा उपयोग मेट्रिक्स का पूर्वानुमान लगाएं।

कैसे शुरू करें

3 चरणों में तैयार

1
pip install ludwig[full] का उपयोग करके Python 3.12 वातावरण में कोर पैकेज और एक्स्ट्रा इंस्टॉल करें।
2
अपने इनपुट फ़ीचर्स, आउटपुट लक्ष्यों और चुने गए बेस आर्किटेक्चर को निर्दिष्ट करते हुए एक model.yaml फ़ाइल बनाएं।
3
अपने मॉडल को प्रशिक्षित करने, मूल्यांकन करने और सहेजने के लिए ludwig train --config model.yaml --dataset your_data.csv निष्पादित करें।
सच कहें तो

हमारा ईमानदार फैसला

क्या अच्छा है

  • Replaces repetitive PyTorch training boilerplate with standardized YAML configuration files.
  • Combines text, numerical, image, and time-series inputs into a single model architecture.
  • Includes a natural language prompt helper that automatically generates valid YAML configurations.
  • Supports memory-saving 4-bit quantization and PEFT adapters like LoRA, DoRA, and VeRA out of the box.

कहाँ कमी है

  • LLM फ़ाइन-ट्यूनिंग और कंप्यूटर विज़न कार्यों के लिए स्थानीय GPU हार्डवेयर या क्लाउड कंप्यूट इंस्टेंस की आवश्यकता होती है।
  • YAML कॉन्फ़िगरेशन में सिंटैक्स या आर्किटेक्चर त्रुटियों को डिबग करना रॉ Python के माध्यम से आगे बढ़ने की तुलना में कठिन हो सकता है।
  • विशाल डेटासेट पर वितरित निष्पादन के लिए Ray क्लस्टर वातावरण को प्रबंधित करने की आवश्यकता होती है।
लागत

मूल्य & लाइसेंस

ludwig ओपन सोर्स है और Apache-2.0 लाइसेंस के तहत चलाने के लिए स्वतंत्र है। आपकी एकमात्र परिचालन लागत आपके मॉडल को प्रशिक्षित करने और होस्ट करने के लिए आवश्यक कंप्यूट बुनियादी ढांचे और GPU से आती है।

पेड वर्क

हिंदी बोलने वालों के लिए जॉब्स

877 खुले रिमोट AI-ट्रेनिंग रोल, 16 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।

सभी खुले रोल देखें →
तुलना

विकल्प

🎁 फ्री & ओपन-सोर्स विकल्प
और पाएं

इसे उपयोग करें, या हमसे सेट करवाएं

📄 मुफ़्त PDF: इंजीनियरिंग के लिए ludwig
आपका पहला परिणाम पाने के लिए सरल भाषा में गाइड। आपके इनबॉक्स में।
🔔 64 लोग पूरा वीडियो ट्यूटोरियल चाहते हैं — अपना वोट जोड़ें
🛠 खुद सेट नहीं करना चाहते?
हम ludwig को आपके लिए इंस्टॉल, होस्ट और कॉन्फ़िगर करेंगे — और आपकी टीम को प्रशिक्षित करेंगे।
हमसे करवाएं ↗
प्रश्न

सामान्य प्रश्न

क्या मुझे ludwig चलाने के लिए GPU हार्डवेयर की आवश्यकता है?

जबकि छोटे सारणीबद्ध कार्य मानक CPU पर चलते हैं, LLM को फ़ाइन-ट्यून करने या विज़न मॉडल को प्रशिक्षित करने के लिए समर्पित Nvidia GPU की आवश्यकता होती है।

क्या ludwig मॉडल को वेब सेवाओं के रूप में तैनात कर सकता है?

हाँ, ludwig serve चलाने से एक स्थानीय REST API लॉन्च होता है, और ludwig में Ray Serve और KServe के लिए प्रोडक्शन इंटीग्रेशन शामिल है।

रडार

ताज़ा AI समाचार

✉️ साप्ताहिक मुफ़्त टूलकिट
इंजीनियरिंग के लिए सर्वश्रेष्ठ नए फ्री & ओपन-सोर्स टूल — हर हफ्ते एक छोटा ईमेल, आपकी भाषा में।
मुफ़्त · 1 ईमेल/सप्ताह · कभी भी अनसब्सक्राइब करें
AI ट्रेनिंग से पैसे कमाएँ →

Google में Zekai को सबसे पहले देखें