很多伙伴都觉得大模型微调是一件非常复杂且技术难度很高的任务，所以亮哥决定从零开始，手把手带你走一遍微调大模型的过程，此次并不会涉及过多技术细节，不需要担心。
微调简介
微调大模型通常需要非常高的电脑配置，比如GPU环境，相当于你在已经预训练好的基础上再对大模型进行一次小的训练，但是咱们很多伙伴的电脑配置可能有些困难，不过不用担心，本次咱们使用阿里魔塔社区提供的集成环境来进行，无需使用你自己的电脑配置环境，只需要一个浏览器即可。
本次微调的大模型是零一万物的Yi开源大语言模型，当然微调其他大模型的过程和原理也有差不多。这里说明一下，阿里魔塔社区对于新用户提供了几十小时的免费GPU资源进行使用，正好学习一下大模型的微调。
话不多说，直接开始。
微调过程
账户和环境准备
首先你需要注册和登录魔搭的账号：
https://modelscope.cn/home
注册完成后，登录这个模型网址：
https://www.modelscope.cn/models/01ai/Yi-1.5-6B-Chat
然后按照下面的箭头操作。
选择完方式二：GPU环境后，点击“启动”。
启动过程大概需要2分钟左右，等GPU环境启动好以后可以直接点击"查看NoteBook"进入。
由于魔塔社区已经内置了JupyterLab的功能，进入之后，可以找到 Notebook 标签，新建一个Notebook。
看下箭头所示，点击即可创建一个新的 Notebook 页面。
点击加号增添一个代码块，并且执行以下命令（这一步是安装依赖库）。
!pip3 install --upgrade pip
!pip3 install bitsandbytes>=0.39.0
拉取 LLaMA-Factory，整个拉取过程大约需要几分钟，需要耐心等待一下
!git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git
接下来需要去Terminal 执行（按照图片剪头指示操作）。
安装依赖的软件，这步需要的时间比较长。
# ⚠️下面两行命令在刚启动的Terminal中执行⚠️
cd LLaMA-Factory
pip3 install -e ".[torch,metrics]"
等以上所有步骤操作完成后，再次进行下面的操作，不要着急。
下载模型
零一万物的 Yi 开源大语言模型的权重可以在HuggingFace和ModelScope上找到，这里我选择从ModelScope上下载。
零一万物的所有开源模型链接在这里：
https://www.modelscope.cn/organization/01ai/
模型下载需要一定的时间，这里选择了最小的Yi-1.5-6B-chat模型进行实验。
模型的说明在这里：
https://www.modelscope.cn/models/01ai/Yi-1.5-6B-Chat/summary
接下来，咱们通过下面的命令就可以在 notebook 里执行下载
注意: 在 terminal也一样，如果需要在terminal执行需要去掉前面的!
!git clone https://www.modelscope.cn/01ai/Yi-1.5-6B-Chat.git
这一步，耐心等待下载完成即可。
微调 Yi 模型实战
等以上所有步骤完成后，准备工作就做好了，现在可以开始准备微调了。
开源社区有许多非常优秀的专门用于微调代码库具体的你可以参考这里：
https://github.com/01-ai/Yi-1.5?tab=readme-ov-file#fine-tuning
这里咱们选择llama_factory。
LLaMA Factory是一款开源低代码大模型微调框架，集成了业界广泛使用的微调技术。
llama_factory 的介绍可以在这里查看：
https://github.com/hiyouga/LLaMA-Factory
开始微调
在左侧的文件列表，Llama-Factory的文件夹里，打开examples\train_qlora（注意不是 train_lora）下提供的llama3_lora_sft_awq.yaml，复制一份并重命名为yi_lora_sft_bitsandbytes.yaml。
这个文件里面写着和微调相关的关键参数。
打开这个文件，将第一行model_name_or_path更改为你下载模型的位置。
### model
model_name_or_path: <你下载的模型位置，不要带括号，比如我写了../Yi-1.5-6B-Chat>
同样修改其他行的内容，下面是我的修改，你可以逐行对比一下，有不一致或缺少的就添加一下。
从上面的配置文件中可以看到，本次微调的数据集是 identity。
那这个文件里面写着什么呢？
你可以打开这个文件看一下：
https://github.com/hiyouga/LLaMA-Factory/blob/main/data/identity.json
保存刚才对于 yi_lora_sft_bitsandbytes.yaml 文件的更改，回到终端terminal。
在 LLaMA-Factory 目录下，输入以下命令启动微调脚本
llamafactory-cli train examples/train_qlora/yi_lora_sft_bitsandbytes.yaml
看到进度条就是开始微调了。
运行过程大概需要10分钟，当你看到下面这个界面的时候，微调过程就结束了。
推理测试
微调后的模型有什么不同的地方呢？
这里加载微调后模型进行推理，测试微调前后变化。
参考Llama-Factory文件夹中,examples/inference下提供的llama3_lora_sft.yaml，复制一份，并重命名为 yi_lora_sft.yaml
将内容更改为，并且保存（一定记得保存）。
model_name_or_path: <和之前一样，你下载的模型位置，比如我写了../Yi-1.5-6B-Chat>
adapter_name_or_path: saves/yi-6b/lora/sft
template: yi
finetuning_type: lora
回到刚刚结束微调的终端Terminal，运行下面的推理命令(同样在Llama-Factory目录下运行）。
llamafactory-cli chat examples/inference/yi_lora_sft.yaml
稍微等待一下模型加载，然后就可以聊天了。
到此就结束了，聊天中的 name 和 anthor 大家可以在 indentity 文件中进行修改即可，是不是觉得大模型微调没有自己想象的那么难。
普通人了解AI应该做的最重要两件事：
1） 应该先从AI工具使用开始
2） 应该先了解AI基础名词
基于上面做了一个开源教程：《普通人学AI指南》.PDF
咱们先别弄那些高深的AI理论，先玩熟AI基本概念、AI工具、自己电脑搭建AI和知识库。
PDF 指南思维导图
那么，如何系统的去学习大模型LLM？
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
所有资料 ⚡️ ，朋友们如果有需要全套 《AI大模型入门+进阶学习资源包**》，扫码获取~
篇幅有限，部分资料如下：
👉LLM大模型学习指南+路线汇总👈
💥大模型入门要点，扫盲必看！
💥既然要系统的学习大模型，那么学习路线是必不可少的，这份路线能帮助你快速梳理知识，形成自己的体系。
路线图很大就不一一展示了 （文末领取）
👉大模型入门实战训练👈
💥光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
👉国内企业大模型落地应用案例👈
💥两本《中国大模型落地应用案例集》 收录了近两年151个优秀的大模型落地应用案例，这些案例覆盖了金融、医疗、教育、交通、制造等众多领域，无论是对于大模型技术的研究者，还是对于希望了解大模型技术在实际业务中如何应用的业内人士，都具有很高的参考价值。 （文末领取）
👉GitHub海量高星开源项目👈
💥收集整理了海量的开源项目，地址、代码、文档等等全都下载共享给大家一起学习！
👉LLM大模型学习视频👈
💥观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。 （文末领取）
👉640份大模型行业报告（持续更新）👈
💥包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
👉获取方式：
这份完整版的大模型 LLM 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】
😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓
扫一扫
9914
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
