系列课程代码+文档（前2节课可跳过）：https://github.com/SmartFlowAI/Llama3-Tutorial
课程视频：https://space.bilibili.com/3546636263360696/channel/series
XTuner ：https://github.com/InternLM/xtuner/blob/main/README_zh-CN.md
一、Llama 3 本地部署（Nidia3090显卡）
教程所提供的在线显卡只有8G, 微调和推理时一般是16-20G，所以本地部署。
下载llama3模型
# 如果下面命令报错则使用 apt install git git-lfs -y
conda install git-lfs
git-lfs install
git clone https://code.openxlab.org.cn/MrCat/Llama-3-8B-Instruct.git Meta-Llama-3-8B-Instruct
下载在本地后的内容
本地环境
conda create -n llama3-xtuner python=3.10 -y
conda activate llama3-xtuner
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia其他依赖
git clone https://github.com/InternLM/xtuner.git
cd xtuner
conda activate llama3-xtuner
pip install -e .
运行llama3-instruct
Llama3-Tutorial-main
streamlit run ~/code/Llama3-Tutorial-main/tools/internstudio_web_demo.py \~/code/Meta-Llama-3-8B-Instruct
二、 使用Xturn微调llama3 （1条数据）
主要参考：https://github.com/SmartFlowAI/Llama3-Tutorial/blob/main/docs/assistant.md
2.1 生成训练数据
重复次数 n = 2按需要修改，跑流程时可以很小，原始设置是2000
改为自己的名字：
name = ‘曾小蛙’
author=“星艺AI”
import json# 输入你的名字
name = '曾小蛙'
author="星艺AI"
# 重复次数
n = 2data = [{"conversation": [{"system":"你是一个懂中文的小助手","input": "你是（请用中文回答）","output": "您好，我是{}，一个由 {} 打造的人工智能助手，请问有什么可以帮助您的吗？".format(name, author)}]}
]for i in range(n):data.append(data[0])with open('data/personal_assistant.json', 'w', encoding='utf-8') as f:json.dump(data, f, ensure_ascii=False, indent=4)生成的训练用的json
2.2 修改训练脚本
Llama3-Tutorial/configs/assistant/llama3_8b_instruct_qlora_assistant.py
2.3 开始训练
xtuner train configs/assistant/llama3_8b_instruct_qlora_assistant.py
保存的结果
2.4 Adapter PTH 转 HF 格式
xtuner convert pth_to_hf ~/code/Llama3-Tutorial-main/work_dirs/llama3_8b_instruct_qlora_assistant/llama3_8b_instruct_qlora_assistant.py \~/code/Llama3-Tutorial-main/work_dirs/llama3_8b_instruct_qlora_assistant/iter_20.pth \~/code/Llama3-Tutorial-main/work_dirs/llama3_hf_adapter
2.5 合并lora到llama3中
记得将模型换为自己的路径·
本文使用相对路径，llama3的模型与教程代码在
export MKL_SERVICE_FORCE_INTEL=1
xtuner convert merge ./Meta-Llama-3-8B-Instruct \./Llama3-Tutorial-main/work_dirs/llama3_hf_adapter\./Llama3-Tutorial-main/work_dirs/llama3_hf_merged
2.6 推理微调后的模型 （过拟合，还需要重新调参数）
Llama3-Tutorial-main是手动下载的
streamlit run ./Llama3-Tutorial-main/tools/internstudio_web_demo.py \./Llama3-Tutorial-main/work_dirs//llama3_hf_merged
