我要投稿
微信搜一搜，关注“架构师带你玩转AI”
一、LLaMA-Factory
支持的模型：LLaMA-Factory支持多种大型语言模型，包括但不限于LLaMA、BLOOM、Mistral、Baichuan、Qwen、ChatGLM等。
集成方法：包括（增量）预训练、指令监督微调、奖励模型训练、PPO训练、DPO训练和ORPO训练等多种方法。
运算精度与优化算法：提供32比特全参数微调、16比特冻结微调、16比特LoRA微调和基于AQLM/AWQ/GPTQ/LLM.int8的2/4/8比特QLoRA微调等多种精度选择，以及GaLore、DoRA、LongLoRA、LLaMA Pro、LoRA+、LoftQ和Agent微调等先进算法。
LLaMA-Factory
二、模型微调（Fine-Tuning）
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。
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。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。
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。
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。
开始：点击「开始」启动模型微调。
刷新适配器：微调完成后，点击页面顶部的「刷新适配器」
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。
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。
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业
2025-07-31
字节开源“扣子”，企业数字化转型的新机遇！
2025-07-31
一个不卷大模型的清华学霸，率先用AI赚到了钱
2025-07-31
阿里刚刚开源Qwen3新思考模型：Agent能力超强，支持100万上下文
2025-07-30
Coze：打造智能高效的股票交易系统
2025-07-30
阿里云Qwen3重大升级，已全面超越DeepSeek与Kimi
2025-07-30
更强的 Qwen3-Coder 来了，都用上了吗？
2025-07-30
全球首个多智能体Eigent开源！内置200+MCP，支持SSO企业级
2025-07-30
Coze扣子开源后，还有好用的智能体Agent开发平台吗？
2025-07-23
2025-06-17
2025-06-17
2025-07-23
2025-07-14
2025-07-12
2025-05-29
2025-05-12
2025-05-14
2025-05-20
2025-07-30
2025-07-30
2025-07-30
2025-07-29
2025-07-29
2025-07-28
2025-07-28
2025-07-27
回到顶部
粤ICP备14082021号