大模型

硬核教程！如何用LLaMA-Factory快速开发出自己的第一个大模型

优质文章学习记录

06 Feb 2025 — 28 min read

1. 项目背景

开源大模型如LLaMA，Qwen，Baichuan等主要都是使用通用数据进行训练而来，其对于不同下游的使用场景和垂直领域的效果有待进一步提升，衍生出了微调训练相关的需求，包含预训练（pt），指令微调（sft），基于人工反馈的对齐（rlhf）等全链路。但大模型训练对于显存和算力的要求较高，同时也需要下游开发者对大模型本身的技术有一定了解，具有一定的门槛。

LLaMA-Factory项目的目标是整合主流的各种高效训练微调技术，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。项目提供了多个高层次抽象的调用接口，包含多阶段训练，推理测试，benchmark评测，API Server等，使开发者开箱即用。同时借鉴 Stable Diffsion WebUI相关，本项目提供了基于gradio的网页版工作台，方便初学者可以迅速上手操作，开发出自己的第一个模型。

2. 本教程目标

以Meta-Llama-3-8B-Instruct 模型和 Linux + RTX 4090 24GB环境，LoRA+sft训练阶段为例子，帮助开发者迅速浏览和实践本项目会涉及到的常见若干个功能，包括

• 原始模型直接推理

• 自定义数据集构建

• 基于LoRA的sft指令微调

• 动态合并LoRA的推理

• 批量预测和训练效果评估

• LoRA模型合并导出

• 一站式webui board的使用

• API Server的启动与调用

• 大模型主流评测 benchmark

• 导出GGUF格式，使用Ollama推理

• 本教程大部分内容都可以通过LLaMA-Factory下的 README.md[1]， data/README.md，examples文件夹下的示例脚本得到，遇到问题请先阅读项目原始相关资料。

关于全参训练，flash-attention加速, deepspeed，rlhf，多模态模型训练等更高阶feature的使用，后续会有额外的教程来介绍

3. 前置准备

训练顺利运行需要包含4个必备条件

• 1.机器本身的硬件和驱动支持（包含显卡驱动，网络环境等）

• 2.本项目及相关依赖的python库的正确安装（包含CUDA， Pytorch等）

• 3.目标训练模型文件的正确下载

• 4.训练数据集的正确构造和配置

3.1 硬件环境校验

显卡驱动和CUDA的安装，网络教程很多，不在本教程范围以内

使用以下命令做最简单的校验

nvidia-smi

预期输出如图，显示GPU当前状态和配置信息

www.zeeklog.com - 硬核教程！如何用LLaMA-Factory快速开发出自己的第一个大模型

那多大的模型用什么训练方式需要多大的GPU呢，可参考

https://github.com/hiyouga/LLaMA…[1]

新手建议是3090和4090起步，可以比较容易地训练比较主流的入门级别大模型 7B和8B版本。

3.2 CUDA和Pytorch环境校验

请参考项目的readme进行安装

https://github.com/hiyouga/LLaMA…[2]

2024年51期间系统版本有较大升级，2024-06-07 号的安装版本命令如下，请注意conda环境的激活。

git clone https://github.com/hiyouga/LLaMA-Factory.git   conda create -n llama_factory python=3.10   conda activate llama_factory   cd LLaMA-Factory   pip install -e '.[torch,metrics]'

上述的安装命令完成了如下几件事

• 1.新建一个LLaMA-Factory 使用的python环境（可选）

• 2.安装LLaMA-Factory 所需要的第三方基础库（requirements.txt包含的库）

• 3.安装评估指标所需要的库，包含nltk, jieba, rouge-chinese

• 4.安装LLaMA-Factory本身，然后在系统中生成一个命令 llamafactory-cli（具体用法见下方教程）

安装后使用以下命令做简单的正确性校验

校验1

import torch   torch.cuda.current_device()   torch.cuda.get_device_name(0)   torch.__version__

预期输出如图

如果识别不到可用的GPU，则说明环境准备还有问题，需要先进行处理，才能往后进行。

校验2

同时对本库的基础安装做一下校验，输入以下命令获取训练相关的参数指导, 否则说明库还没有安装成功

llamafactory-cli train -h

3.3 模型下载与可用性校验

项目支持通过模型名称直接从huggingface 和modelscope下载模型，但这样不容易对模型文件进行统一管理，所以这里笔者建议使用手动下载，然后后续使用时使用绝对路径来控制使用哪个模型。

以Meta-Llama-3-8B-Instruct为例，通过huggingface 下载（可能需要先提交申请通过）

git clone https://huggingface.co/meta-llama/Meta-Llama-3-8B-Instruct

modelscope 下载（适合中国大陆网络环境）

git clone https://www.modelscope.cn/LLM-Research/Meta-Llama-3-8B-Instruct.git

或者

#模型下载   from modelscope import snapshot_download   model_dir = snapshot_download('LLM-Research/Meta-Llama-3-8B-Instruct')

按网友反馈，由于网络环境等原因，文件下载后往往会存在文件不完整的很多情况，下载后需要先做一下校验，校验分为两部分，第一先检查一下文件大小和文件数量是否正确，和原始的huggingface显示的做一下肉眼对比

第二步是跑一下官方raedme里提供的原始推理demo，验证模型文件的正确性和transformers库等软件的可用

import transformers   import torch      # 切换为你下载的模型文件目录, 这里的demo是Llama-3-8B-Instruct   # 如果是其他模型，比如qwen，chatglm，请使用其对应的官方demo   model_id = "/media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct"      pipeline = transformers.pipeline(       "text-generation",       model=model_id,       model_kwargs={"torch_dtype": torch.bfloat16},       device_map="auto",   )      messages = [       {"role": "system", "content": "You are a pirate chatbot who always responds in pirate speak!"},       {"role": "user", "content": "Who are you?"},   ]      prompt = pipeline.tokenizer.apply_chat_template(                 messages,                 tokenize=False,                 add_generation_prompt=True   )      terminators = [       pipeline.tokenizer.eos_token_id,       pipeline.tokenizer.convert_tokens_to_ids("<|eot_id|>")   ]      outputs = pipeline(       prompt,       max_new_tokens=256,       eos_token_id=terminators,       do_sample=True,       temperature=0.6,       top_p=0.9,   )   print(outputs[0]["generated_text"][len(prompt):])

3.4 数据集部分放到后面一起说明

4. 原始模型直接推理

在进行后续的环节之前，我们先使用推理模式，先验证一下LLaMA-Factory的推理部分是否正常。LLaMA-Factory 带了基于gradio开发的ChatBot推理页面, 帮助做模型效果的人工测试。在LLaMA-Factory 目录下执行以下命令

本脚本参数参考自LLaMA-Factory/examples/inference/llama3.yaml at main · hiyouga/LLaMA-Factory [3]

   CUDA_VISIBLE_DEVICES=0 llamafactory-cli webchat \       --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct \       --template llama3

CUDA_VISIBLE_DEVICES=0 是指定了当前程序使用第0张卡，是指定全局变量的作用, 也可以不使用

llamafactory-cli webchat \       --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct \       --template llama3

需要注意的是，本次及后续所有的程序的入口都是 llamafactory-cli，通过不同的参数控制现在是实现什么功能，比如现在是想使用网页版本直接推理，所以第一个参数设置为webchat, 所有的可选项包括

另外两个关键参数解释如下，后续的基本所有环节都会继续使用这两个参数

参数名称	参数说明
model_name_or_path	参数的名称（huggingface或者modelscope上的标准定义，如“meta-llama/Meta-Llama-3-8B-Instruct”），或者是本地下载的绝对路径，如/media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct
template	模型问答时所使用的prompt模板，不同模型不同，请参考 https://github.com/hiyouga/LLaMA[4]获取不同模型的模板定义，否则会回答结果会很奇怪或导致重复生成等现象的出现。chat 版本的模型基本都需要指定，比如Meta-Llama-3-8B-Instruct的template 就是 llama3

当然你也可以提前把相关的参数存在yaml文件里，比如LLaMA-Factory/examples/inference/llama3.yaml at main · hiyouga/LLaMA-Factory[5]本地位置是 examples/inference/llama3.yaml ，内容如下

model_name_or_path: /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct   template: llama3

这样就可以通过如下命令启动，其效果跟上面是一样的，但是更方便管理

llamafactory-cli webchat examples/inference/llama3.yaml

效果如图

可通过 http://localhost:7860/ 进行访问

注意：这里的localhost:7860 指的是程序启动机器自身的7860端口，云上的用户可能无法通过本地的笔记本电脑直接访问，需要找云厂商获取域名和端口号的一些配置关系进行配置

比如阿里云用户需要做一下如下环境变量的配置才能正常运行gradio，然后再通过阿里云给的域名映射访问

export GRADIO_ROOT_PATH=/${JUPYTER_NAME}/proxy/7860/

5. 自定义数据集构建

数据集的格式要求在不同的阶段是不同的，本教程以sft阶段的数据集需求，将以系统自带的identity数据集和将自定义的一个商品文案生成数据集为例，介绍数据集的使用。更多详情可以在

https://github.com/hiyouga/LLaMA…[6] 中找到相关解释。

系统目前支持 alpaca 和sharegpt两种数据格式，以alpaca为例，整个数据集是一个json对象的list，具体数据格式为

   [     {       "instruction": "用户指令（必填）",       "input": "用户输入（选填）",       "output": "模型回答（必填）",       "system": "系统提示词（选填）",       "history": [         ["第一轮指令（选填）", "第一轮回答（选填）"],         ["第二轮指令（选填）", "第二轮回答（选填）"]       ]     }   ]

例子比如单轮（alpaca_data_zh_51k.json 中的例子, 数据集在data/dataset_info.json中注册为alpaca_zh）

{     "instruction": "写一个有效的比较语句",     "input": "篮球和足球",     "output": "篮球和足球都是受欢迎的运动。"   }

和多轮（oaast_sft_zh.json 中的例子, 数据集在data/dataset_info.json中注册为oaast_sft_zh）

{     "instruction": "谢谢",     "input": "",     "output": "不用谢! 很高兴我提供的信息能够帮助到你! 如果还有什么其他问题也可以向我提问。",     "history": [       [         "请你给我写一个面试准备计划，我想要去面试微软的程序员岗位",         "首先，你可以去微软官网寻找招聘信息并申请面试。\n其次，您可以在社交媒体平台寻找微软公司对程序员的面试问题，并做好准备。\n最后，您可以自己对面试过程进行模拟，熟悉话题并减少紧张感。\n我希望你能面试成功。"       ]     ]   }

所以我们训练的数据最好也转换成这种格式，然后在 data/dataset_info.json中进行注册（如果不做字段名称转换，则需要在注册的时候在 columns字段中做两个数据的映射配置）

接下来，我们使用两个具体的例子来说明数据集的使用

第一个是系统自带的identity.json数据集(已默认在data/dataset_info.json 注册为identity)，对应文件已经在data目录下，我们通过操作系统的文本编辑器的替换功能，可以替换其中的NAME 和 AUTHOR ，换成我们需要的内容。如果是linux系统，可以使用sed 完成快速替换。比如助手的名称修改为PonyBot，由 LLaMA Factory 开发

`sed -i 's/{{name}}/PonyBot/g'  data/identity.json    sed -i 's/{{author}}/LLaMA Factory/g'  data/identity.json`

替换前

{     "instruction": "Who are you?",     "input": "",     "output": "Hello! I am {{name}}, an AI assistant developed by {{author}}. How can I assist you today?"   }

替换后

   {     "instruction": "Who are you?",     "input": "",     "output": "I am PonyBot, an AI assistant developed by LLaMA Factory. How can I assist you today?"   }

第二个是一个商品文案生成数据集，原始链接为 https://cloud.tsinghua.edu.cn/f[7]

原始格式如下，很明显，训练目标是输入content （也就是prompt）, 输出 summary （对应response）

{       "content": "类型#裤*版型#宽松*风格#性感*图案#线条*裤型#阔腿裤",        "summary": "宽松的阔腿裤这两年真的吸粉不少，明星时尚达人的心头爱。毕竟好穿时尚，谁都能穿出腿长2米的效果宽松的裤腿，当然是遮肉小能手啊。上身随性自然不拘束，面料亲肤舒适贴身体验感棒棒哒。系带部分增加设计看点，还让单品的设计感更强。腿部线条若隐若现的，性感撩人。颜色敲温柔的，与裤子本身所呈现的风格有点反差萌。"   }

想将该自定义数据集放到我们的系统中使用，则需要进行如下两步操作

1.复制该数据集到 data目录下

2.修改 data/dataset_info.json 新加内容完成注册, 该注册同时完成了3件事

• 自定义数据集的名称为adgen_local，后续训练的时候就使用这个名称来找到该数据集

• 指定了数据集具体文件位置

• 定义了原数据集的输入输出和我们所需要的格式之间的映射关系

6. 基于LoRA的sft指令微调

在准备好数据集之后，我们就可以开始准备训练了，我们的目标就是让原来的LLaMA3模型能够学会我们定义的“你是谁”，同时学会我们希望的商品文案的一些生成。

这里我们先使用命令行版本来做训练，从命令行更容易学习相关的原理。

本脚本参数改编自

LLaMA-Factory/examples/train_lora/llama3_lora_sft.yaml at main · hiyouga/LLaMA-Factory[8]

CUDA_VISIBLE_DEVICES=0 llamafactory-cli train \       --stage sft \       --do_train \       --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct \       --dataset alpaca_gpt4_zh,identity,adgen_local \       --dataset_dir ./data \       --template llama3 \       --finetuning_type lora \       --output_dir ./saves/LLaMA3-8B/lora/sft \       --overwrite_cache \       --overwrite_output_dir \       --cutoff_len 1024 \       --preprocessing_num_workers 16 \       --per_device_train_batch_size 2 \       --per_device_eval_batch_size 1 \       --gradient_accumulation_steps 8 \       --lr_scheduler_type cosine \       --logging_steps 50 \       --warmup_steps 20 \       --save_steps 100 \       --eval_steps 50 \       --evaluation_strategy steps \       --load_best_model_at_end \       --learning_rate 5e-5 \           --num_train_epochs 5.0 \       --max_samples 1000 \       --val_size 0.1 \       --plot_loss \       --fp16

关于参数的完整列表和解释可以通过如下命令来获取

llamafactory-cli train -h

这里我对部分关键的参数做一下解释，model_name_or_path 和template 上文已解释

注意：精度相关的参数还有bf16 和pure_bf16，但是要注意有的老显卡，比如V100就无法支持bf16，会导致程序报错或者其他错误

训练过程中，系统会按照logging_steps的参数设置，定时输出训练日志，包含当前loss，训练进度等

训练完后就可以在设置的output_dir下看到如下内容，主要包含3部分

1.adapter开头的就是 LoRA保存的结果了，后续用于模型推理融合

2.training_loss 和trainer_log等记录了训练的过程指标

3.其他是训练当时各种参数的备份

关于loss是什么等，这块不在本教程讨论内容范围之内，只需要记住loss在正常情况下会随着训练的时间慢慢变小，最后需要下降到1以下的位置才会有一个比较好的效果，可以作为训练效果的一个中间指标。

7. 动态合并LoRA的推理

本脚本参数改编自

LLaMA-Factory/examples/inference/llama3_lora_sft.yaml at main · hiyouga/LLaMA-Factory[9]

当基于LoRA的训练进程结束后，我们如果想做一下动态验证，在网页端里与新模型对话，与步骤4的原始模型直接推理相比，唯一的区别是需要通过finetuning_type参数告诉系统，我们使用了LoRA训练，然后将LoRA的模型位置通过 adapter_name_or_path参数即可。

CUDA_VISIBLE_DEVICES=0 llamafactory-cli webchat \       --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct \       --adapter_name_or_path ./saves/LLaMA3-8B/lora/sft  \       --template llama3 \       --finetuning_type lora

效果如下，可以看到，模型整个已经在学习了新的数据知识，学习了新的身份认知和商品文案生成的格式。

作为对比，如果删除LoRA相关参数，只使用原始模型重新启动测试，可以看到模型还是按照通用的一种回答。

如果不方便使用webui来做交互，使用命令行来做交互，同样也是可以的。

本脚本改编自

LLaMA-Factory/examples/inference/llama3_lora_sft.yaml at main · hiyouga/LLaMA-Factory[10]

CUDA_VISIBLE_DEVICES=0 llamafactory-cli chat \       --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct \       --adapter_name_or_path ./saves/LLaMA3-8B/lora/sft  \       --template llama3 \       --finetuning_type lora

效果如下

8. 批量预测和训练效果评估

当然上文中的人工交互测试，会偏感性，那有没有办法批量地预测一批数据，然后使用自动化的bleu和 rouge等常用的文本生成指标来做评估。指标计算会使用如下3个库，请先做一下pip安装

pip install jieba   pip install rouge-chinese   pip install nltk

本脚本参数改编自 https://github.com/hiyouga/LLaM[11]

CUDA_VISIBLE_DEVICES=0 llamafactory-cli train \       --stage sft \       --do_predict \       --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct \       --adapter_name_or_path ./saves/LLaMA3-8B/lora/sft  \       --eval_dataset alpaca_gpt4_zh,identity,adgen_local \       --dataset_dir ./data \       --template llama3 \       --finetuning_type lora \       --output_dir ./saves/LLaMA3-8B/lora/predict \       --overwrite_cache \       --overwrite_output_dir \       --cutoff_len 1024 \       --preprocessing_num_workers 16 \       --per_device_eval_batch_size 1 \       --max_samples 20 \       --predict_with_generate

与训练脚本主要的参数区别如下两个

最后会在output_dir下看到如下内容

其中 generated_predictions.jsonl 文件输出了要预测的数据集的原始label和模型predict的结果

predict_results.json给出了原始label和模型predict的结果，用自动计算的指标数据

这里给相关的指标做一下进一步的解释

9. LoRA模型合并导出

如果想把训练的LoRA和原始的大模型进行融合，输出一个完整的模型文件的话，可以使用如下命令。合并后的模型可以自由地像使用原始的模型一样应用到其他下游环节，当然也可以递归地继续用于训练。

本脚本改编自

LLaMA-Factory/examples/inference/llama3_lora_sft.yaml at main · hiyouga/LLaMA-Factory[12]

CUDA_VISIBLE_DEVICES=0 llamafactory-cli export \       --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct \       --adapter_name_or_path ./saves/LLaMA3-8B/lora/sft  \       --template llama3 \       --finetuning_type lora \       --export_dir megred-model-path \       --export_size 2 \       --export_device cpu \       --export_legacy_format False

10. 一站式webui board的使用

到这里，恭喜你完成了LLaMA-Efficent-Tuning训练框架的基础使用，那还有什么内容是没有介绍的呢？还有很多！这里介绍一个在提升交互体验上有重要作用的功能，支持模型训练全链路的一站式WebUI board。一个好的产品离不开好的交互，Stable Diffusion的大放异彩的重要原因除了强大的内容输出效果，就是它有一个好的WebUI。这个board将训练大模型主要的链路和操作都在一个页面中进行了整合，所有参数都可以可视化地编辑和操作

通过以下命令启动

注意：目前webui版本只支持单机单卡和单机多卡，如果是多机多卡请使用命令行版本

CUDA_VISIBLE_DEVICES=0 llamafactory-cli webui

如果要开启 gradio的share功能，或者修改端口号

    CUDA_VISIBLE_DEVICES=0 GRADIO_SHARE=1 GRADIO_SERVER_PORT=7860 llamafactory-cli webui

如图所示，上述的多个不同的大功能模块都通过不同的tab进行了整合，提供了一站式的操作体验。

当各种参数配置好后，在train页面，可以通过预览命令功能，将训练脚本导出，用于支持多gpu训练

点击开始按钮, 即可开始训练，网页端和服务器端会同步输出相关的日志结果

训练完毕后, 点击“刷新适配器”，即可找到该模型历史上使用webui训练的LoRA模型文件，后续再训练或者执行chat的时候，即会将此LoRA一起加载。

11. API Server的启动与调用

训练好后，可能部分同学会想将模型的能力形成一个可访问的网络接口，通过API 来调用，接入到langchian或者其他下游业务中，项目也自带了这部分能力。

API 实现的标准是参考了OpenAI的相关接口协议，基于uvicorn服务框架进行开发，使用如下的方式启动

本脚本改编自 https://github.com/hiyouga/LLaM[13]

CUDA_VISIBLE_DEVICES=0 API_PORT=8000 llamafactory-cli api \       --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct \       --adapter_name_or_path ./saves/LLaMA3-8B/lora/sft \       --template llama3 \       --finetuning_type lora

项目也支持了基于vllm 的推理后端，但是这里由于一些限制，需要提前将LoRA 模型进行merge，使用merge后的完整版模型目录或者训练前的模型原始目录都可。

CUDA_VISIBLE_DEVICES=0 API_PORT=8000 llamafactory-cli api \       --model_name_or_path megred-model-path \       --template llama3 \       --infer_backend vllm \       --vllm_enforce_eager

服务启动后，即可按照openai 的API 进行远程访问，主要的区别就是替换其中的base_url，指向所部署的机器url和端口号即可。

`import os   from openai import OpenAI   from transformers.utils.versions import require_version      require_version("openai>=1.5.0", "To fix: pip install openai>=1.5.0")      if __name__ == '__main__':       # change to your custom port       port = 8000       client = OpenAI(           api_key="0",           base_url="http://localhost:{}/v1".format(os.environ.get("API_PORT", 8000)),       )       messages = []       messages.append({"role": "user", "content": "hello, where is USA"})       result = client.chat.completions.create(messages=messages, model="test")       print(result.choices[0].message)`

12. 进阶-大模型主流评测 benchmark

虽然大部分同学的主流需求是定制一个下游的垂直模型，但是在部分场景下，也可能有同学会使用本项目来做更高要求的模型训练，用于大模型刷榜单等，比如用于评测mmlu等任务。当然这类评测同样可以用于评估大模型二次微调之后，对于原来的通用知识的泛化能力是否有所下降。（因为一个好的微调，尽量是在具备垂直领域知识的同时，也保留了原始的通用能力）

本项目提供了mmlu，cmmlu, ceval三个常见数据集的自动评测脚本，按如下方式进行调用即可。

说明：task 目前支持 mmlu_test, ceval_validation, cmmlu_test

本脚本改编自 https://github.com/hiyouga/LLaM[14]

如果是chat版本的模型

CUDA_VISIBLE_DEVICES=0 llamafactory-cli eval \   --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B-Instruct \   --template llama3 \   --task mmlu_test \   --lang en \   --n_shot 5 \   --batch_size 1

输出如下, 具体任务的指标定义请参考mmlu，cmmlu, ceval等任务原始的相关资料, 和llama3的官方报告基本一致

Average: 63.64                                                                                                                                                   STEM: 50.83   Social Sciences: 76.31        Humanities: 56.63             Other: 73.31

如果是base版本的模型，template改为fewshot即可

   CUDA_VISIBLE_DEVICES=0 llamafactory-cli eval \   --model_name_or_path /media/codingma/LLM/llama3/Meta-Llama-3-8B \   --template fewshot \   --task mmlu \   --split validation \   --lang en \   --n_shot 5 \   --batch_size 1

13. 进阶-导出GGUF，部署Ollama

GGUF 是 lllama.cpp 设计的大模型存储格式，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。Ollama框架可以帮助用户快速使用本地的大型语言模型，那如何将LLaMA-Factory项目的训练结果导出到Ollama中部署呢？需要经过如下几个步骤

• 1.将lora模型合并

• 2.安装gguf库

• 3.使用llama.cpp的转换脚本将训练后的完整模型转换为gguf格式

• 4.安装Ollama软件

• 5.注册要部署的模型文件

• 6.启动Ollama

1-3 步是准备好 gguf格式的文件，这也是Ollama所需要的标准格式。

4-6 步就是如何在Ollama环境中启动训练后的模型。

1.lora模型合并

参考上文的第9步，这里笔者合并后的完整模型目录的绝对位置假设为 /home/codingma/code/LLaMA-Factory/megred-model-path

注意：这里笔者往下遇到了Ollama 推理会无法停止，或者重复输出，胡言乱语的问题，排查主要是二次训练保存后， tokenizer 的EOS编码和template有变化，如果也遇到了类似的问题，可以尝试将合并后的目录下的 tokenizer_config.json 和 special_tokens_map.json 两个文件删除，从 LLaMA3 原始的模型文件中将两者copy和覆盖过来，然后再继续后面的流程

2. 安装gguf库

笔者发现直接 pip 安装 gguf，并不是最新的版本，和最新的转换脚本会不兼容，所以还是推荐从源码安装

git clone https://github.com/ggerganov/llama.cpp.git   cd llama.cpp/gguf-py   pip install --editable .

3. 格式转换

返回 llama.cpp 项目根目录，会有一个官方提供的 convert-hf-to-gguf.py 脚本，用于完成huggingface格式到gguf格式的转换.

cd ..   python convert-hf-to-gguf.py /home/codingma/code/LLaMA-Factory/megred-model-path

转换成功可在megred-model-path路径下得到如下的gguf文件

4. Ollama安装

本文是linux环境，所以用了对应的下载和安装方式，如果是其他系统的用户可以按照 https://ollama.com/download 的说明完成下载安装

curl -fsSL https://ollama.com/install.sh | sh

5. 注册要部署的模型文件

Ollama 对于要部署的模型需要提前完成本地的配置和注册, 和 Docker的配置很像

编写一个文件名为 Modelfile 的文件, 内容如下

FROM /home/codingma/code/LLaMA-Factory/megred-model-path

然后命令行注册该文件，设定该文件对应的模型名称，这里设定 llama3-chat-merged

ollama create llama3-chat-merged -f Modelfile

需要说明的是，因为LLaMA3的实现本身相对规范，所以Modelfile 的编写相对很简洁，反之对于其他一些模型，可能还需要在里面自主完成template prompt格式的注册，否则问答时会出现答非所问的情况。

6. 启动Ollama

上面注册好后，即可通过ollma 命令 + 模型名称的方式，完成服务的启动

    ollama run llama3-chat-merged

启动后即可通过交互式完成问答，输入 /bye 即可退出

如何学习AI大模型？

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。

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人工智能学习中的很多困惑，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。

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能，学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓