DaisyChain-Web

DaisyChain-Web

在两台或更多设备上打开同一个网页，就能一起训练一个共享的小模型。浏览器通过 WebRTC 直接相连并平均梯度，无需安装或账号。这是一个概念验证。

由 Quazim0t0 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：DaisyChain-Web 是 DaisyChain 项目的浏览器版本。在几台设备上打开同一个页面，每台设备就成为同一个模型的训练节点。设备之间通过 WebRTC 直接相连，并在训练过程中平均各自的梯度。

计算通过项目所称的已验证 INT8 单元进行，在 WebGPU 上做查找表乘法。较旧的机器会退回到 CPU。

适合谁：适合想看浏览器之间分布式训练过程的人，也适合想读一个小型 WebRTC 和 WebGPU 项目的开发者。作者称它是一个概念验证。

Industry | Who uses it | How they use it | Example
机器学习研究 | 研究者 | 把两台设备连成一次训练，观察共享的损失 | 测试手机和笔记本之间的梯度平均
教育 | 学生 | 打开两个标签页，在每个里点击 Start training | 不用任何设置就能看到分布式训练
网页开发 | 浏览器开发者 | 阅读 server.js、app.js 和 webgpu.js | 了解 WebRTC 网状连接和 WebGPU 着色器怎样配合
嵌入式与边缘 AI | 关注硬件的工程师 | 研究浏览器里的 INT8 查找表单元 | 查看量化、乘法和反量化是怎么做的

如果你需要面向陌生人的加固服务，可以跳过，因为项目说明它不是为此而做的。

用在哪里：这个页面可以在下面这些地方运行。

• 网页浏览器，在 Hugging Face 上的 Space 页面里
• Windows、macOS 或 Linux 上的本地 Node 服务器，在两个标签页或两台设备上打开
• 7860 端口上的本地 Docker 容器
• Hugging Face 的 cpu-basic 硬件，在线 Space 就跑在上面

Use case | Who | What they get back
开始一次共享训练 | 研究者 | 每台连接设备上都在下降的共享损失
不用浏览器检查训练数学 | 开发者 | 两节点梯度平均测试的结果
研究 INT8 单元 | 工程师 | 量化、乘法和反量化步骤的浏览器代码

如何设置：在线使用只需要浏览器。本地副本需要下面这些。

• Node 和 npm 用于直接运行，Docker 用于容器运行
• Python 和 pip，用于 hf download 命令
• 两个浏览器标签页或两台设备，用来看训练连起来

1. 安装 huggingface_hub 包。
2. 用 hf 命令把 Space 的文件下载到一个文件夹里。
3. 进入这个文件夹。
4. 要么构建并运行 Docker 镜像，要么安装 Node 包并启动服务器。

pip install -U huggingface_hub
hf download Quazim0t0/DaisyChain-Web --repo-type space --local-dir DaisyChain-Web
cd DaisyChain-Web

走容器路线的话，接着运行这两条命令。

docker build -t daisychain-web .
docker run -it -p 7860:7860 daisychain-web

走 Node 路线的话，改为接着运行这两条命令。

npm install
npm start

如何使用：启动服务器，然后在两个浏览器标签页或两台设备上打开它提供的页面。它们会互相找到并直接连接。在每一个上点击 Start training，看共享的损失在两边都下降。

只有同一网络里的设备会自动找到彼此。要连接其他网络里的人，大家要通过 room 参数把同一个房间码加到页面地址里。

Tool | What it does
npm start | 启动同时提供页面的信令服务器
npm test | 不用浏览器运行两节点梯度平均检查

示例：你运行 npm start，在两个标签页里打开页面，并在每个里点击 Start training。两个标签页都显示同一条下降的损失曲线，模型的两个副本保持一致。

新手与专家：如果你是新手，在自己浏览器的两个标签页里打开 Space 页面，并在每个里点击 Start training。你不需要账号，也不用安装任何东西。只和你信任的设备这样做。

如果你熟悉这个领域：每个节点从相同的种子权重开始，在自己的数据分片上训练，并在每一步广播自己的梯度。所有节点平均大家的梯度，所以会收敛到同一个模型。server.js 只转发 WebRTC 握手并托管文件，计算不经过它。

在两台或更多设备上打开页面
一个小服务器把节点相互介绍
节点通过 WebRTC 直接相连
每个节点训练并分享梯度
所有节点平均梯度并保持同步

注意事项：每台设备都直接连到其他设备，所以你组里的每台设备都能看到你的 IP 地址。没有任何机制验证是谁发来的梯度，所以恶意节点可能破坏共享模型。梯度格式错误时，也就是含 NaN、Inf 或长度不对，运行会停止并保持权重不变。数值正常的有害梯度仍会被平均进去。

• License: MIT
• Cost to run: 未提及。项目称无需安装也无需账号
• Data it reaches: 其他节点的 IP 地址和梯度，以及转发握手的信令服务器。这个 Space 列出了 fineweb-edu 数据集
• Not for: 与陌生人一起公开使用。WebGPU 和跨设备 WebRTC 还需要安全上下文，比如 localhost

Hugging Face 上的数据（2026年11月13日）

• 点赞：18
• 构建方式：docker
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/Quazim0t0/DaisyChain-Web
• 文件：https://huggingface.co/spaces/Quazim0t0/DaisyChain-Web/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。