TheTensor 提供 · TheTensorTune v1.0

言語モデルのファインチューニングを、最初から最後まで1つのファイルで

TheTensorTune はあなたのマシンで動く作業台です。データセットを持ち込み、モデルを選び、LoRAアダプタを学習させ、結果と会話し、元のモデルと比較し、Ollama や llama.cpp で動く GGUF ファイルに書き出す。アカウント登録もセットアップウィザードも不要。何ひとつあなたのコンピュータの外に出ません。

Apache-2.0 で無料 · Windows / macOS / Linux · Python 3.10+

TheTensorTune node-graph workbench: model, dataset, LoRA, parameters, run, monitor and output blocks wired together

実際の実行で計測した数字 · v1.0

アプリ全体を .py ファイル1つに
915 KB
学習 loss（3エポック）
4.0 → 1.4
perplexity：ベース → 学習後
55.6 → 8.9
q8_0 GGUF、Ollama で動作
145 MB
アプリ内レッスン数
12

01 · これは何？

クラウドサービスではなく、作業台

TheTensorTune は単一の Python ファイルです。実行すると、ブラウザに作業台が開きます。ファインチューニングの各段階がドラッグ＆ドロップで配線できるブロックになったキャンバスです。登録も不要、ダッシュボードの設定も不要。アプリとあなたのデータは、あなたのマシンの上にだけ存在します。

作業の流れは標準的なものです。ただ、ターミナルと付き合う必要がありません。データを持ち込むと、学習の前にアプリがその品質を検査します。モデルと少しの設定を選びますが、初期値は初回の実行にもそのまま使える水準に揃っています。学習はあなたの目の前で進みます。大量のログテキストの代わりに、リアルタイムの損失グラフと、途中で保存されるチェックポイントがあります。

実行が終わると、多くのツールが飛ばしてしまう部分がここにあります。できたばかりのモデルと会話し、ベースモデルと並べて、違いを数字と言葉の両方で確かめ、人々がすでに使っているツールにそのまま入る1つのファイルに書き出せます。インターフェイスは英語とペルシャ語にネイティブ対応し、12レッスンの視覚コースがアプリの中に同梱されています。

“ターミナルのコマンドでなくキャンバス上のブロックにできる工程なら、そうすべきだ。”

— TheTensor 開発ログ、第1条

02 · できること

工程に必要なすべてを、1つのキャンバスに

「データが少しある」から「モデルが Ollama で動く」まで、TheTensorTune が引き受ける10の仕事。

ノードグラフの作業台

モデル、データセット、LoRA、パラメータ、出力。各段階は1つのキャンバス上にあるドラッグ可能なブロックです。ポートからポートへ線を引いて接続すれば、パイプライン全体が常に見渡せます。

本物の LoRA / QLoRA 学習

チェックポイント、再開、早期終了付きの本物の PEFT 学習。お見せ用のモックではありません。プリセットから始めるもよし、Hugging Face のモデル ID を直接入力するもよし。

データセット品質レポート

ワンクリックでサンプル数、フォーマットの内訳、重複、検出された言語、長さのヒストグラムを表示。悪いデータは、直すのが安いうちに見つかります。

コストと時間の見積り

開始前に、実際のデータセットと設定から、その実行が収まるか、どれだけ時間がかかるか、いくらかかるかを計算します。

キューとチェックポイント

実行をキューに積み、ステップごとの進捗とライブの損失を観察し、きれいにキャンセルし、止めた実行をチェックポイントから再開。ジョブの間でメモリは解放されます。

テストチャット

学習済みモデルとマルチターンで会話できます。Adapter / Merged / Base の各モードで、学習が実際に何を変えたのかを体感できます。

学習前後の比較

ベースと学習済みのパープレキシティと eval loss が並び、同じプロンプトに両者が回答。違いは数字にも言葉にも現れます。

GGUF エクスポート

f16、q8_0、K-quant にマージして量子化。トークナイザとメタデータは保たれるので、アプリで検証した通りの応答が返ります。

REST API + 署名付き Webhook

UI のすべての機能は API ルートでも利用できます。非同期ジョブは完了時に HMAC-SHA256 で署名された Webhook を呼べ、送信元を検証できます。

アプリ内の学習セクション

最初のデータセット投入から API 自動化までを扱う12レッスンの視覚コースが、アプリの中にあります。英語とペルシャ語対応。

03 · 使い方

生のテキストから動くモデルまで、6つのステップ

旅の全体像はこれです。各ステップには、学習セクションに対応するレッスンとスクリーンショットがあります。

  1. 01

    データセットを持ち込む

    テキストを貼り付けるかファイルをアップロード。チャットログ、プロンプト/応答ペア、単純な行、どれでも。「品質チェック」が、これから何で学習するのかを教えてくれます。

  2. 02

    モデルを選ぶ

    プリセットから始める、アプリ内から Hugging Face Hub を検索する、または org/name を直接入力。ゲート付きモデルにはトークンが必要で、それはメモリにしか置かれません。

  3. 03

    学習を設定する

    rank、alpha、学習率、エポック。すべての設定はブロックの中のフィールドで、初期値は初回実行でもそのまま機能します。変えるなら理由ができてから。

  4. 04

    学習して観察する

    Start を押すと損失グラフがリアルタイムに描かれます。実行をキューに追加し、キャンセルし、チェックポイントから再開することも。

  5. 05

    チャットして比較する

    学習させたモデルと会話し、それからベースモデルと並べます。同じプロンプト、2つの回答、パープレキシティは横並び。

  6. 06

    書き出して実行

    ワンクリックでマージと量子化が行われ、GGUF ファイルが手に入ります。Ollama、llama.cpp、LM Studio に入れて動かせます。

04 · スクリーンショット

実際のアプリの姿

以下の画像はすべて、TheTensorTune 1.0 を実際に動かして撮ったスクリーンショットです。アップロード、学習、チャット、比較、書き出しまで含まれています。

05 · FAQ

実際によくある質問

短く、ごまかさず回答します。長い話はブログにあります。

TheTensor · TheTensorTune v1.0

ファイルを取って、1回試してみる

ZIP の中身は Python ファイル1つとドキュメント。ライブラリを入れてファイルを実行すれば、作業台がブラウザで開きます。レッスン3まで進めば、数分で最初の学習を始められます。

Apache-2.0 で無料 · Windows / macOS / Linux · Python 3.10+