后续会更新 从0学习LLaMaFactory参数解释说明 ，请期待~

---

一、准备工作

1、创建python虚拟环境(annoconda)

本篇文章使用的版本信息为：python=3.8.12、pytorch=2.0.1

conda create --name llf python=3.8.12 # 创建指定python版本

2、配置pytorch傻瓜版

pytorch历史版本官网：https://pytorch.org/get-started/previous-versions/

注：傻瓜版，慢！慢！慢！慢是正常现象，可能需要两个多小时，等着人去干点别的事情就行了！！！如果需要可快速完成，可自行在其基础上配置清华源等...

进入创建的虚拟环境，选择后续红色字体的一种选择指令来安装pytorch：

activate llf

我这里使用的是pytorch=2.0.1，CUDA=11.8（我机器的CUDA为12.5，CUDA可由高版本向低版本兼容，查看cuda版本的指令下附）：

第一种选择，使用condazhi指令下载：

# CUDA 11.8
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia

第二种选择，使用condazhi指令下载：

# CUDA 11.8
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118

---

打开任意cmd窗口查看cuda版本：

nvidia-smi

---

成功：

3、llamafactory配置

放一个仓库地址，已转存到国内gitee，大家可以直接克隆下载（更新时间：2025/01/10）：

git clone https://gitee.com/yaki_chen/lla-ma-factory2.git

这里下载下来整个文件名应该是lla-ma-factory2,我这边后面改了下名字llamafactory

可以在pycharm中打开整个文件夹为一个项目，根据README_zh.md进行安装llamafactory，其实就一步很简单

在上面启动的虚拟环境和项目地址的路径（cd llamafactory）下运行：

pip install -e ".[torch,metrics]"

出现success成功安装。

4、微调数据准备

数据需要做两方面的处理：
第一步，将我们准备的数据添加到llamafactory\data路径下
第二部，在同样llamafactory/data/dataset_info.json中声明我们添加的数据
譬如：

5、开始微调

微调我这里讲两种微调方式：

1. webui启动微调
2. 指令启动微调

5.1 webui启动微调

一句指令即可启动gradio驱动的微调界面：

llamafactory-cli webui

5.2 指令启动微调

下面三行命令分别对 Llama3-8B-Instruct 模型进行 LoRA 微调、推理和合并：

llamafactory-cli train examples/train_lora/llama3_lora_sft.yaml
llamafactory-cli chat examples/inference/llama3_lora_sft.yaml
llamafactory-cli export examples/merge_lora/llama3_lora_sft.yaml

如果是使用指令llamafactory-cli train examples/train_lora/llama3_lora_sft.yaml进行微调，那我们就需要配置 examples/train_lora/llama3_lora_sft.yaml文件，一般来说是复制一个改名字再改内容（如图）：

以下几个必须要更改的项：

1. model_name_or_path：模型参数地址
2. dataset: 数据文件夹名（记住不要带.json）
3. template: 模型template
4. output_dir: 输出地址

然后再运行我们修改好的配置文件就能开始训练了：

llamafactory-cli train examples/train_lora/chatglm3_lora_sft.yaml