一、环境准备（基础前置指令）

首先需要安装 ModelScope 库，以下是不同场景的安装指令：

1. 基础安装（适用于大部分基础功能）

# 基础版安装（推荐新手）
pip install modelscope -U

# 带依赖的完整安装（包含CV/NLP/语音等所有依赖）
pip install modelscope[all] -U

2. 可选依赖安装（按需选择）

# 如果需要GPU加速（需先安装对应版本的PyTorch）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

# 如果需要处理音频/视频类模型
pip install modelscope[audio,video] -U

# 如果需要处理多模态模型（如文生图、图生文）
pip install modelscope[multimodal] -U

二、模型下载 / 加载（最常用核心指令）

1. 命令行直接下载模型

# 基础格式：modelscope download --model 模型ID --local-dir 本地保存路径
modelscope download --model damo/nlp_structbert_sentiment-classification_chinese-base --local-dir ./sentiment_model

# 后台下载并保存日志
nohup modelscope download Qwen/Qwen-Image --local_dir ./local_models/qwen-image > download.log 2>&1 &

2. Python 代码中加载模型（推荐方式）

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

# 方式1：直接加载模型（自动下载到缓存）
# 情感分类任务示例
pipe = pipeline(
    task=Tasks.sentiment_classification,
    model='damo/nlp_structbert_sentiment-classification_chinese-base'
)
# 推理调用
result = pipe('这款手机用起来特别流畅，我很喜欢！')
print(result)  # 输出：{'text': '这款手机用起来特别流畅，我很喜欢！', 'label': 'positive', 'score': 0.999874}

# 方式2：加载本地已下载的模型
pipe = pipeline(
    task=Tasks.sentiment_classification,
    model='./sentiment_model'  # 本地模型路径
)

三、模型训练 / 微调指令

以文本分类模型微调为例，核心指令如下：

from modelscope.trainers import EpochBasedTrainer
from modelscope.msdatasets import MsDataset
from modelscope.metainfo import Trainers

# 加载数据集（示例：中文情感分类数据集）
dataset = MsDataset.load('clue_afqmc', split='train')

# 配置训练参数
trainer = EpochBasedTrainer(
    model='damo/nlp_structbert_sentiment-classification_chinese-base',
    train_dataset=dataset,
    args={
        'num_train_epochs': 3,  # 训练轮数
        'learning_rate': 2e-5,  # 学习率
        'output_dir': './finetuned_model',  # 微调后模型保存路径
        'per_device_train_batch_size': 8,  # 批次大小
    }
)

# 开始训练
trainer.train()