一文搞懂大模型的微调 - （LLaMA-Factory和QLoRA）大模型入门到精通，收藏这篇就足够了！

Llama-Turbo Llama-Turbo 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 900+累计阅读 899平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄4年
关注
原创 最新推荐文章于 2026-05-16 20:56:02 发布 899 阅读 AI 写同款· GEO 优化 ›
Llama-factory详细基础使用说明 对于初入算法的童鞋来说，有的可能还不知道llama-factory是什么，只知道大模型用到了这个框架，这是不行的。LLaMA-Factory 是一个低代码的大规模语言模型（LLM）训练框架，它主要面向研究人员和开发者，旨在简化大型语言模型的微调、评估和部署过程。白话说就是集合了当下LLM领域各种好用的开源或者自研的框架以及工具，进行封装以及优化，简化使用方法，方便大家对大模型进行微调和评估部署等工作，降低了使用难度。包括推理框架vllm等（具体可以看官网哈，下面有地址）易用性 vs. 性能。 阅读详情

LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台。通过 LLaMA Factory，可以在无需编写任何代码的前提下，在本地完成上百种预训练模型的微调。

LLaMA Factory支持多种训练算法（如（增量）预训练、（多模态）指令监督微调等），提供多种运算精度（如 16 比特全参数微调、QLoRA 微调等），支持多种推理引擎（如 Transformers、vLLM）。

******一、******LLaMA-Factory

什么是LLaMA-Factory？全称Large Language Model Factory，即大型语言模型工厂。它支持多种预训练模型和微调算法，提供了一套完整的工具和接口，使得用户能够轻松地对预训练的模型进行定制化的训练和调整**，以适应特定的应用场景。**

**LLaMA-Factory提供了简洁明了的操作界面和丰富的文档支持，使得用户能够轻松上手并快速实现模型的微调与优化。**用户可以根据自己的需求选择不同的模型、算法和精度进行微调，以获得最佳的训练效果。

  1. 支持的模型：LLaMA-Factory支持多种大型语言模型，包括但不限于LLaMA、Qwen、DeepSeek、Baichuan、ChatGLM 等等。
  2. 训练算法：（增量）预训练、（多模态）指令监督微调、奖励模型训练、PPO 训练、DPO 训练、KTO 训练、ORPO 训练等等。
  3. 运算精度：16 比特全参数微调、冻结微调、LoRA 微调和基于2/4/8 比特 QLoRA 微调。

****什么是LoRA和QLoRA？****LoRA (Low-Rank Adaptation) 和 QLoRA (Quantized Low-Rank Adaptation) 都是用于高效微调大型语言模型的重要技术。

LoRA不直接修改原模型权重**，而是添加低秩矩阵来学习变化。具体来说，LoRA将权重更新分解为两个小矩阵的乘积：A × B，其中 A 和 B 的维度远小于原权重矩阵，让原权重矩阵保持冻结，只训练新增的低秩矩阵，这样可以大幅减少可训练参数（通常只需要原模型1-3%的参数）。**

QLoRA结合了模型量化和低秩适配两种技术。它首先对预训练模型的参数进行量化处理，以减少存储需求和计算负担。然后，在量化后的模型上应用LoRA技术。这样QLoRA通过将16比特量化到4比特，内存占用减少至LoRA的1/4以下，支持单卡训练超大规模模型。****

二、微调（Fine-Tuning）

如何使用LLaMA-Factory进行模型微调？使用LLaMA-Factory进行模型微调是一个涵盖从选择模型、数据加载、参数配置到训练、评估优化直至部署应用****的全面且高效的流程。

  1. 选择模型：根据应用场景和需求选择合适的预训练模型。
  • **设置语言：**进入WebUI后，可以切换到中文（zh）。
  • **配置模型：**选择LLaMA3-8B-Chat模型。
  • 配置微调方法：微调方法则保持默认值lora，使用LoRA轻量化微调方法能极大程度地节约显存。

  1. 加载数据：将准备好的数据集加载到LLaMA-Factory中。
  • LLaMA-Factory项目内置了丰富的数据集，放在了data目录下。同时也可以自己准备自定义数据集，将数据处理为框架特定的格式，放到指定的data目录下。

  1. 配置参数：根据实际情况调整学习率、批次大小等训练参数。
  • **学习率+梯度累积：**设置学习率为1e-4，梯度累积为2，有利于模型拟合。
  • **计算类型：**如果是NVIDIA V100显卡，计算类型保持为fp16；如果使用了AMD A10系列显卡，可以更改计算类型为bf16。

  • **LoRA参数设置：**设置LoRA+学习率比例为16，LoRA+被证明是比LoRA学习效果更好的算法。在LoRA作用模块中填写all，即将LoRA层挂载到模型的所有线性层上，提高拟合效果。

  1. 开始训练：启动训练过程，并监控模型的训练进度和性能表现。

  2. 输出目录：将输出目录修改为train_llama3，训练后的LoRA权重将会保存在此目录中。

  3. **预览命令：**点击「预览命令」可展示所有已配置的参数，如果想通过代码运行微调，可以复制这段命令，在命令行运行。

  4. **开始：**点击「开始」启动模型微调。

  • **训练完毕：**启动微调后需要等待一段时间，待模型下载完毕后可在界面观察到训练进度和损失曲线。模型微调大约需要20分钟，显示“训练完毕”代表微调成功。

  1. 评估与优化：使用LLaMA-Factory提供的评估工具对模型性能进行评估，并根据评估结果进行针对性的优化。
  • **刷新适配器：**微调完成后，点击页面顶部的「刷新适配器」
  • **适配器路径：**点击适配器路径，即可弹出刚刚训练完成的LoRA权重，点击选择下拉列表中的train_llama3选项，在模型启动时即可加载微调结果。

  • **评估模型：**选择「Evaluate&Predict」栏，在数据集下拉列表中选择「eval」（验证集）评估模型。
  • **输出目录：**更改输出目录为eval_llama3，模型评估结果将会保存在该目录中。
  • **开始评估：**最后点击开始按钮启动模型评估。

  • **评估分数：**模型评估大约需要5分钟左右，评估完成后会在界面上显示验证集的分数。
  • **ROUGE分数：**其中ROUGE分数衡量了模型输出答案（predict）和验证集中标准答案（label）的相似度，ROUGE分数越高代表模型学习得更好。

  1. 部署应用：将训练好的模型部署到实际应用场景中，实现其功能和价值。
  • **加载模型：**选择「Chat」栏，确保适配器路径是train_llama3，点击「加载模型」即可在Web UI中和微调模型进行对话。

  • ****卸载模型：****点击「卸载模型」，点击“×”号取消适配器路径，再次点击「加载模型」，即可与微调前的原始模型聊天。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

在这里插入图片描述

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

  • 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
  • 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
  • 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
  • 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

在这里插入图片描述

  • 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
  • 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
  • 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
  • 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：


三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

在这里插入图片描述

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

img

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

img

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

img

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

img

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

img

L5阶段：专题集丨特训篇 【录播课】

img
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！

标签
#llama #人工智能 #深度学习 #transformer #langchain
#LLM #机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
快速上手！LLaMa-Factory最新微调实践，轻松实现专属大模型 近日，源2.0开源大模型与LLaMA-Factory框架完成全面适配，用户通过LLaMA-Factory，即可快捷、高效地对不同参数规模的源2.0基础模型进行全量微调及高效微调，轻松实现专属大模型。 阅读详情

相关推荐

大模型基础知识-LoRA与QLoRA

QLoRA (Quantized Low-Rank Adaptation) 是一种结合了模型量化和低秩适配的技术，旨在减少大规模预训练模型微调和部署的计算和存储成本。参数高效：通过这种方式，只需微调少量参数（即低秩矩阵的参数），而非整个模型的参数，从而大大降低了存储和计算成本。低秩适配 (LoRA)：在量化后的模型上应用低秩适配技术，仅微调少量附加的低秩矩阵，从而保持微调的高效性。低秩适配：在量化后的模型基础上进行低秩适配，通过引入低秩矩阵来进行微调，从而节省参数数量和计算开销。

与神共舞 2658

LLaMA-Factory部署以及微调大模型

安装成功后，输入python能出现截图表示安装成功。

qq_35594661的博客 1万+

大模型微调指南之 LLaMA-Factory 篇：一键启动LLaMA系列模型高效微调

LLaMA-Factory 是一个功能强大的工具，支持模型的训练、微调、评估、推理和导出。它提供了全参数微调、LoRA 微调、QLoRA 微调等多种微调方法，并支持通过可视化界面或命令行进行操作。安装过程包括创建虚拟环境、下载仓库和安装依赖。使用 WebUI 可以方便地进行模型训练、评估、对话和导出，而命令行则提供了更灵活的配置选项，支持模型微调、合并、推理和评估。LLaMA-Factory 还支持自定义数据集和断点重连功能，适用于多种模型训练和微调场景。

冷不丁 5279

LLaMA-Factory 大模型微调平台

微调是指在已经训练好的大型预训练模型的基础上，进一步训练该模型以适应特定任务或特定领域的数据。尽管完全微调可以对模型的能力进行深度改造，但要带入模型全部参数进行训练，需要消耗大量的算力，且有一定的技术门槛。由于微调需要消耗大量的显存，因此参数规模超过 30B 的大模型往往无法在 32GB 消费级 GPU 上运行，但却可以轻松在拥有 128GB UMA 的 PGX 上随时进行。其中，GGUF 是大模型的存储格式，可以对模型进行高效的压缩，减少模型的大小与内存占用，从而提升模型的推理速度和效率。

烟云的计算 5514

大模型微调终极方案：LoRA、QLoRA原理详解与LLaMA-Factory、Xtuner实战对比

微调（Fine-tuning）是深度学习中一种利用预训练模型进行特定任务优化的方法，旨在提升模型在特定任务上的性能。微调步骤包括加载预训练模型、修改模型结构、设置优化器和损失函数、训练模型及评估性能。微调场景涵盖修改模型输出层、自我认知及对话风格等。微调方法主要分为增量微调、局部微调和全量微调，各方法在参数调整范围、显存需求、训练速度及效果等方面有所不同。微调技术如LoRA和QLoRA通过引入低秩矩阵和量化技术，减少参数数量和计算成本，适用于资源有限或内存要求苛刻的场景。微调框架如LLaMA-Factory

冷不丁 2253

LLama-Factory大模型训练框架，基于自己数据集微调qwen7B模型实战

LLama-Factory，大模型训练框架，支持多种模型，多种训练方式，link。

dream_home8407的博客 4087

新手教程之使用LLaMa-Factory微调LLaMa3

如果你尝试过微调大模型，你就会知道，大模型的环境配置是非常繁琐的，需要安装大量的第三方库和依赖，甚至需要接入一些框架。 但是大模型微调的方法又是非常类似的，那有没有一种工具可以统一这些操作，让大模型微调变成一个简单易上手的事情，LLaMa-Factory就是为了解决这个问题应运而生

David_house的博客 1万+

LLaMA Factory对大模型微调和导出量化操作

14、输出目录：会自动生成一个路径，要确保每次的目录都不相同，若已存在，则需要去服务器上删除，目录在llamafactory-save目录下。11、截断长度：长度越长越占显存，根据样本里的文本长度，大部分数据的最大长度值即可，比如，有90%的样本数据的长度是200，这里填写200.12、批处理大小：超参数，需要根据你服务器的配置，尝试运行几次，找到资源利用率最高的数值。4、对话模板：不同的模型对应的对话模板是不一样的。3、检查点路径：训练过程中保存的权重，可从其中的一个权重重新训练。

沐雪架构师 1760

LLaMA Factory大模型微调秘籍，大模型入门到精通，收藏这篇就足够了！

LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台，是一款专为大型语言模型（LLM）微调而设计的工具集。

瓦罗兰特顶级C位的博客 1248

CSS字体样式全攻略

🧱 让文字有空间感，适合标题或LOGO。🖋️适合插画、创意工作者的个人页面。🔥 适合标题、品牌名，视觉冲击力强。🧘‍♀️适合极简设计、文化类网站。✨适合科技类网站、博客、作品集。🚀适合游戏、AI、科技类项目。🐰 适合儿童类网站或节日氛围。📖适合时尚、生活方式类内容。🌫️ 适合神秘、梦幻主题。🌃 夜店风、科技感十足。具体效果是文字会上下跳动。

dreams_dream的博客 1806

[ROS] rviz 可视化工具

[ROS] rviz 可视化工具 摄像头没讲 文章目录[ROS] rviz 可视化工具1. todo2. todo*. 参考*. 问题解决*. rough 1. todo 2. todo *. 参考 *. 问题解决 *. rough roscore + rviz

weixin_37834269的博客 2051

大模型系列：LLaMA-Factory大模型微调，大模型入门到精通，收藏这篇就足够了！

LLaMA-Factory 作为一个高效、易用的微调工具，为广大开发者提供了极大的便利。适配市场主流开源模型，形成一个功能丰富，适配性好的训练框架。

huang9604的博客 1097

企业网络改造必看：如何用华为S5700三层交换机解决多部门隔离通信？

本文详细介绍了如何利用华为S5700三层交换机解决企业多部门网络隔离与通信需求。通过划分VLAN实现逻辑隔离，并配置三层路由实现受控互通，结合ACL进行精细访问控制，构建安全高效的企业网络。文章提供了从拓扑规划、地址分配到核心配置的完整实战指南。

weixin_29260291的博客 261

一文搞懂大模型的微调 - （LLaMA-Factory和QLoRA）

LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台。\**通过 LLaMA Factory，可以在无需编写任何代码的前提下，在本地完成上百种预训练模型的微调。

xx_nm98的博客 1121

23、关联挖掘到相关性分析及约束关联挖掘详解

本文详细解析了从关联挖掘到相关性分析的发展过程，以及基于约束的关联挖掘方法。文章介绍了传统支持-置信度框架的局限性，并引入Lift、χ2、All Confidence和Cosine等度量来评估规则的相关性。同时探讨了多种规则约束在数据挖掘中的应用机制及其优化效果，旨在提高挖掘效率和规则质量。最后结合实际案例说明如何综合运用相关性度量与规则约束以满足业务需求，并展望了数据挖掘技术的未来发展。

aa123的博客 103

2026 年 3 月青少年软编等考 C/C++ 三级测试题解析

摘要 本文包含三部分内容： 单选题（10题）：考察C++基础语法和数据结构知识，涉及vector、栈、队列的操作和特性。 判断题（10题）：测试对动态数组、栈、队列、字符串操作的理解，包括内存管理、访问方式和函数返回值等。 编程题（1题）：模拟火车站售票窗口排队场景，要求根据输入输出各窗口的排队情况，重点考查队列的实际应用和边界条件处理。 答案解析详细，涵盖常见编程考点，适合检验基础知识的掌握程度。

发布少儿编程考级的真题和优秀竞赛题解析，以及一些讲义。 251

大模型微调框架之LLaMA Factory，大模型入门到精通，收藏这篇就足够了！

LLaMA Factory 是一个开源的大模型微调与训练框架，主要围绕 Meta 发布的 LLaMA 系列模型 进行优化。

2301_81940605的博客 1165

YOLOv11改进 | Conv篇 | AKConv轻量级架构下的高效检测（附代码 + 修改方法 + 二次创新）

本文给大家带来的改进内容是AKConv是一种创新的变核卷积，它旨在解决标准卷积操作中的固有缺陷（采样形状是固定的），AKConv的核心思想在于它为卷积核提供了任意数量的参数和任意采样形状，能够使用任意数量的参数（如1, 2, 3, 4, 5, 6, 7等）来提取特征，这在标准卷积和可变形卷积中并未实现​​。AKConv能够根据硬件环境，使卷积参数的数量呈线性增减非常适用于轻量化模型的读者）。

Snu77的博客 1万+

[特殊字符] 大模型框架系列文章：大模型微调框架之LLaMA Factory，大模型入门到精通，收藏这篇就足够了！

LLaMA Factory 是一个开源的大模型微调与训练框架，主要围绕 Meta 发布的 LLaMA 系列模型 进行优化。

2401_82469710的博客 1296

Vue3 - Element Plus 下拉选择器 el-select 覆盖修改 placeholder样式，解决覆盖不生效问题（支持修改文字颜色、文字大小、选择器边框、hover效果、宽高等任意样式

vue3，element-plus，el-select，下拉选择器，下拉选择框，Select选择器，deep覆盖无效怎么办，怎么修改placeholder文字颜色，选择器select修改边框样式，修改文字大小，elementPlus选择器如何覆盖hover效果，使用deep改不了样式，修改边框颜色，select去掉边框，vue3+elementPlus中select选择器如何修改placeholder文字样式，修改el-select样式，select选择器样式覆盖不了咋办，el-select如何覆盖原样式，

🏆 前端领域优质创作者 1万+

SAP BTP ABAP RAP 开发对象命名规范与落地实践

摘要：SAP BTP ABAP开发中的命名规范实践 在企业级ABAP开发中，命名规范是提升交付效率的工程化手段。SAP推荐采用[/<namespace>/][<prefix>]_<object_name>_[<suffix>]的结构化命名框架，解决多对象、多团队的协同问题。关键实践包括：使用组织专属命名空间避免冲突；通过prefix区分同类型对象的不同语义(如UI_/API_)；object_name体现业务语义而非技术细节；suffix表达次级差异。在具体对

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 1434

轻松搞定百个大模型微调！LLaMA-Factory：你的AI模型量产神器，大模型入门到精通，收藏这篇就足够了！

今天，我们要介绍一个革命性的开源项目——LLaMA-Factory。它能够让你统一、高效地微调100+个大语言模型与视觉语言模型，堪称ACL 2024的明星工具！

2401_82469710的博客 1412

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

LoRA、QLoRA微调与Lama Factory

1.什么是LoRA 2.LoRA的核心思想 3.LoRA的原理 4.LLaMA-Factory介绍 5.安装LLaMa-Factory 6.使用LLaMaFactory自带的数据集进行LoRA微调 7.LORA指令微调-单轮对话 8.模型合并量化导出 9.通过OpenWebUl部署模型 10.QLoRA指令微调-多轮对话 11.对话模板 12.GGUF

qq_36792999的博客 4990

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

使用LLaMA Factory进行大模型微调，大模型入门到精通，收藏这篇就足够了！

LLaMA Factory 是一个用于微调大语言模型 (LLM) 的开源工具包，它提供了一个统一且高效的框架，支持 100 多个 LLM （包括Qwen、LLaMA、ChatGLM、Mistral等）的微调，涵盖了各种训练方法、数据集和先进算法。

python1234567_的博客 1127

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
上一篇： 关于RAG系统在生成阶段的优化方案，大模型入门到精通，收藏这篇就足够了！
下一篇： 基于 MCP 的智能投资顾问应用，附代码实现，大模型入门到精通，收藏这篇就足够了！
点赞 14
评论 0
书签 书签 7
Llama-Turbo
Llama-Turbo
博客等级 码龄4年 9901粉丝 2022原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值