Meta Llama 3中文微调教程

一、搭建Llama 3推理环境

创建pytorch实例，选择2张GPU。拉取meta llama3 8B 模型 (也可以启动llama factory后让llama factory 自动拉取)

先给数据盘扩容50GB到100GB

cd /root/onethingai-tmp/
mkdir llama3
cd llama3
apt update
apt install git-lfs
git lfs install
git clone https://www.modelscope.cn/LLM-Research/Meta-Llama-3-8B.git  # 等待下载完成,这步耗时较长
pip install flash-attn>=2.0.0.post1 --no-build-isolation
pip install deepspeed

代码第7步耗时较长，且git 没有反馈，容易误以为卡死了。可以另开一个terminal，通过ls查看/root/onethingai-tmp/llama3/Meta-Llama-3-8B 是不是有文件就耐心等待即可

二、安装llama-factory

git clone https://github.com/hiyouga/LlaMA-Factory.git
cd LlaMA-Factory
pip install -e .  # 等待安装完成

三、启动llama-factory webui

cd src
python webui.py

四、配置公网访问llamafactory 的管理页面

服务端口处填7860 (怎么找到这个页面可参考如何通过Ollama快速搭建Llama 3推理环境）

五、配置llama3 8B的中文微调

通过第四步生成的地址打开网页，根据以下2张图进行配置微调llama3（担心磁盘不够参看第八步）

/root/onethingai-tmp/llama3/Meta-Llama-3-8B   # 下图第3步用
/root/onethingai-tmp/llama3/LlaMA-Factory/data # 下图第7步用

下完数据集就开始训练了，需要等待一段时间。训练开始后可以看到页面最下方如下的信息

Jupyter后台可见如下日志：

八、选填（其他参数里的保存间隔）

九、训练结果查看

使用Jupyter进行查看

​

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

下面这些都是我当初辛苦整理和花钱购买的资料，现在我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。