PyTorch Lightning
把 PyTorch 工程细节交给 Trainer
Lightning 拥有 40+ 面向规模化研究的高级特性，让你在 1000s 块 GPU/TPU 上训练而无需改动一行模型代码。
免费试用 · 无需下载即可在线体验
只是组织起来的 PyTorch
PyTorch Lightning
PyTorch Lightning 的核心思想是把你的 PyTorch 代码组织成 LightningModule（一个 nn.Module 子类，定义完整系统）与 Trainer（自动化其余一切）两部分。它并没有抽象掉 PyTorch，只是把「科学」与「工程」解耦——工程部分（设备放置、梯度开关、分布式、半精度、日志、检查点）由 Trainer 以社区最佳实践自动完成。
这与「Everything in Blue」的理念一致：用蓝色把工程（blue）与科学（red）区分开。Lightning 拥有 40+ 高级特性，并深度集成 TensorBoard、Weights & Biases、Comet、MLflow、Neptune 等实验管理器；同时与 PyTorch 生态完全兼容，LightningModule 本质上仍是 PyTorch 模块，灵活度不打折。
核心功能一览
六大核心能力，覆盖创作全流程
LightningModule
用 train/val/test_step 与 configure_optimizers 组织代码，约 30 分钟即可重构现有项目。
Trainer 自动化
自动处理分布式、精度、回调与设备放置，保留对每个环节的覆盖能力。
大规模扩展
8 GPU、256 GPU（多节点）、8 TPU 等配置无需改动模型代码即可启用。
实验管理集成
原生对接 TensorBoard / W&B / Comet / MLflow / Neptune 等 logger 与 EarlyStopping。
生产导出
可将模型导出为 TorchScript（JIT）或 ONNX，直接对接生产推理流程。
零基础快速上手
4 步完成你的第一件 AI 作品，无需任何设计经验
安装 Lightning
用 pip install lightning（或 conda install lightning -c conda-forge）安装。
定义 LightningModule
把模型与训练/验证/测试步骤写进一个 LightningModule 子类。
用 Trainer 训练
trainer = Trainer(); trainer.fit(model, train_loader, val_loader) 即可开训。
扩展与导出
加 accelerator/devices 做多卡训练，或 to_torchscript/onnx 导出上线。
常见问题解答
遇到问题？这里可能有你想要的答案
PyTorch Lightning 会限制我对 PyTorch 的控制吗？
不会。LightningModule 本质仍是 nn.Module，你随时可覆盖训练循环与优化器；Trainer 只是自动化工程部分，且每个环节都允许关闭或自定义。
项目已更名为 Lightning，为什么包名是 lightning？
PyTorch Lightning 现作为 Lightning 项目的一部分，安装使用 pip install lightning，PyTorch Lightning 是其核心训练包，对外仍沿用 PyTorch Lightning 之名。
与主流 PyTorch 训练方式对比
和同类工具横向对比，帮你选对工具。
| 对比维度 | PyTorch Lightning | PyTorch 原生 | Hugging Face Accelerate |
|---|---|---|---|
| 代码组织 | LightningModule + Trainer | 手写训练循环 | 在循环中加 accelerator 封装 |
| 分布式门槛 | 配置即开，免改代码 | 需自行处理 sampler/通信 | 需显式封装数据并行 |
| 最佳实践 | 内置于 Trainer | 自行实现 | 部分内置于 Accelerator |
| 灵活度 | 完全保留 PyTorch 灵活 | 完全自由 | 接近原生 PyTorch |
同类推荐工具
发现更多优质 AI 创作工具，找到最适合你的那一款
AI21 Labs
AI21 Labs 是 2017 年成立的独立基础模型公司，主打 Jamba 系列开源权重大模型——采用 Mamba-Transformer 混合架构、支持 256K 上下文，并以 Maestro 编排平台服务金融、医疗等受监管行业。
阿里云百炼
阿里云百炼（Model Studio）是一站式大模型开发平台，集成通义千问全 系列与 DeepSeek、Kimi、智谱 GLM 等三方模型，提供模型推理、微调（SFT/CPT/DPO）、部署、Agent 开发、RAG 知识库与 MCP 注册能力，并兼容 OpenAI 接口。
Anyscale
Anyscale 是 Ray 原创团队创立的托管式 AI 计算平台，为分布式模型训练、批量推理、RAG 管线、智能体编排与强化学习后训练提供生产级基础设施。基于 Ray 这一被 OpenAI、Uber、Shopify 等广泛使用的开源分布式引擎，支持多云（AWS / GCP / Azure 等）与 Bring-Your-Own-Cloud，按用量计费，新用户赠 $100 额度。
Apache Airflow
Apache 顶级开源项目，用 Python 代码定义有向无环图（DAG）来编排批处理工作流，拥有 1500+ 算子与庞大生态，是数据管道调度领域的事实标准。