香港特别行政区网站建设_网站建设公司_一站式建站_seo优化

我们天天微调微调，微调到底是啥感觉？所以今天用魔塔+LLaMa Factory 体验微调一个模型，文科生也能跑完，不用考虑你自己电脑的配置。

微调完我们还会引入到本地直接对话。（我用的数据集较简单，你可以丰富数据集制造更好效果）

走一下最基本的简化流程，

之后不管是面试还是项目沟通中都可以大概心里有个数了。

1、构建免费实例

打开：https://modelscope.cn/my/mynotebook/preset

关联阿里云账号后，选第二个gpu环境👇

注意这个实例过一段时间就会释放，不要保存你重要的数据。到时候就没了。

两三分钟后，点击查看notebook

这些大图标就是你的软件，侧边栏就是文件夹，下面的$符号logo，就是终端。相当于在云端给你装了个电脑。

打开终端，

打开之后你存进去的内容都是持久化存储。关闭只是停止计时了。

2、下载模型、创建模型文件夹

接着下载LLaMA-Factory代码。

我们只用复制不带#的代码就可以了。

安装依赖的环节会等待大概20分钟，不用怀疑，它没坏，需要你等待时间比较长而已。

# 克隆LLaMA-Factory代码仓库到本地 ``````plaintext git clone https://github.com/hiyouga/LLaMA-Factory.git ``````plaintext # 进入项目目录cd LLaMA-Factory#创建虚拟环境 ``````plaintext python -m venv .venv ``````plaintext #激活虚拟环境 ``````plaintext source .venv/bin/activate ``````plaintext # 安装依赖 ``````plaintext pip install -e ".[torch,metrics]" ``````plaintext # 环境冲突 ``````plaintext `pip install --no-deps -e .`

如果出现红色的error就更新下依赖

pip install --upgrade pip

会看到已经开始下载了，左边也多了一个文件夹。

看到这里的时候基本就已经装完了。

接着下载模型，创建文件夹，右键并命名为 models，并下载新模型到这个文件夹里

git clone https://www.modelscope.cn/Qwen/Qwen2.5-0.5B-Instruct.git

3、引入数据集

我们以售后数据集为例：下载数据集：https://modelscope.cn/datasets/meadhu/taobao-positive-sentence/files

下载之后打开你会发现它不是典型的json格式

所以我们需要预处理一下。我们让ds直接处理成json就好。保存文件名为train_converted.json 。

保存文件名为train_converted.json 。完整代码我放文末星球上了。

因为系统自带dataset_info.json等于说是train_converted.json数据集等的索引。所以我们记住把后者写入前者就可以了。红框里的代码插进去就行了。

4、开始训练

设置一下训练配置，照着下面填就可以，注意数据集选择train_converted.json

另外，模型路径需要是你自己的路径，不要直接抄，需要检查一下是否和你真实的文件路径是同一个。

设置完成，依次点击这三个保存训练参数，并开始训练。

模型就开始嘎嘎给你训练

你就可以看到模型损失曲线了——

模型损就是失衡量预测与真实值的误差，

训练目标是最小化损失；但并非越小越好。

5、测试聊天

接着我们切换到chat，试试模型有没有记住我们刚才提供的数据。

点击检查点路径👉chat👉加载模型

接着我们就可以看到它的回答是基于我们的训练数据的

（咱们这个样本数据太少了加上模型尺寸会受影响，只是举个例子）

总体上姑且认为它训练成功了。

6、导出模型

导出目录一定命名为outputmodel，因为我第七步代码里用了这个名字

导出成功后再看notebook就会发现多了一个文件夹

7、转化模型格式

回到终端，LLaMA-Factory路径下，执行

cd /mnt/workspace/LLaMA-Factory ``````plaintext git clone https://github.com/ggerganov/llama.cpp.git ``````plaintext cd llama.cpp/gguf-py ``````plaintext pip install --editable .

执行完了之后就会多一个cpp文件夹

首先会到LLaMA-Factor下面创建一个叫megred-model-path的文件夹

然后回到llma.cpp文件路径下，一次性复制下面三行代码运行

python convert_hf_to_gguf.py /mnt/workspace/LLaMA-Factory/outputmodel \ --outfile /mnt/workspace/LLaMA-Factory/megred-model-path \ --outtype q8_0

他就会直接给你保存到/mnt/workspace/LLaMA-Factory/llama.cpp

这个gguf就是常用的大模型格式，你粗略理解成你的梁文峰老师天天忙的就是gguf这些。

右键下载就可以了

8、使用模型

打开https://jan.ai/，它可以直接使用模型

setting👉 Molde Provider 👉import一下就可以了

选择刚刚下载的gguf，点击start

效果非常沙雕，毕竟咱们就一个非常简单的数据集。你可以丰富一下数据集看效果。

如果你不训练，这里回答的将会是千问自定义的回答。

ok，这就是我们模型预训练最最最简单的一个最最最简陋的一个流程体验。

之后不管是面试还是项目沟通中都可以大概心里有个数啦。

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

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：

• 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！

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。

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。

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。

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。

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。

L5阶段：专题集丨特训篇 【录播课】

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”！