今天分享技术文章。你或许听过很多大模型知识，却未亲自用或微调过大模型。

本文手把手带你从零微调大模型。大模型微调复杂且技术难度高，本文仅带你走一遍微调过程，不涉过多技术细节，希望助你了解微调流程 。  

一、微调简介

微调大模型需高电脑配置，如 GPU 环境，即在预训练基础上对大模型小训练。

无需担心，本文用阿里魔塔社区集成环境，无需自备电脑配置环境，有浏览器即可完成。

本次微调零一万物的 Yi 开源大语言模型，微调其他大模型过程和原理类似。话不多说，直接开始。

二、微调正文

1. 账号和环境准备

首先你需要注册和登录魔搭的账号：https://modelscope.cn/home

注册完成后，登录这个模型网址：

https://www.modelscope.cn/models/01ai/Yi-1.5-6B

然后按照下面的箭头操作。

选择完方式二：GPU环境后，点击“启动”。

启动约 2 分钟，GPU 环境启动好后点击"查看NoteBook"进入。魔塔社区有 JupyterLab 功能，进入后找 Notebook 标签新建 Notebook（也可在 terminal 执行）。 

如下箭头所示，点击即可创建一个新的 Notebook 页面。

增添一个代码块，并且执行以下命令（点击左侧的运行按钮运行该代码块，下同，这一步是安装依赖库）。

!pip3 install --upgrade pip

!pip3 install bitsandbytes>=0.39.0

拉取 LLaMA-Factory，过程大约需要几分钟

!git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git

接下来去 Launcher > Terminal 执行（按图片箭头指示）。安装依赖软件，耗时较长。 

# ⚠️下面两行命令在刚启动的Terminal中执行⚠️

cd LLaMA-Factory

pip3 install -e ".[torch,metrics]"

等以上所有步骤完成后，再进行下面的操作。

2. 下载模型

零一万物的Yi开源大语言模型权重可在HuggingFace和ModelScope找到，我选从ModelScope下载。模型下载需时，选最小的Yi-1.5-6B-chat模型实验。 

模型的说明在这里：

https://www.modelscope.cn/models/01ai/Yi-1.5-6B-Chat/summary

Yi-1.5-6B-chat模型大小大约12G，下载大约需要10分钟（取决于网速）。

接下来，你通过下面的命令就可以在 notebook 里执行下载（在 terminal也一样，如果需要在terminal执行需要去掉前面的!）。

!git clone https://www.modelscope.cn/01ai/Yi-1.5-6B-Chat.git

这一步，耐心等待下载完成即可。

3. 微调Yi模型实战

等以上所有步骤完成后，准备工作就做好了，现在可以开始准备微调了。

这里选择llama_factory。LLaMA Factory是一款开源低代码大模型微调框架，集成了业界广泛使用的微调技术。

4. 开始微调

a. 创建微调训练相关的配置文件

在左侧的文件列表，Llama-Factory的文件夹里，打开examples\train_qlora（注意不是 train_lora）下提供的llama3_lora_sft_awq.yaml，复制一份并重命名为yi_lora_sft_bitsandbytes.yaml。

这个文件里面写着和微调相关的关键参数。

打开这个文件，将第一行model_name_or_path更改为你下载模型的位置。

### model

model_name_or_path: <你下载的模型位置，不要带括号，比如我写了../Yi-1.5-6B-Chat>

同样修改其他行的内容，可以逐行对比一下，有不一致或缺少的就添加一下。

从上面的配置文件中可以看到，本次微调的数据集是 identity。

微调数据集为“自我认知”，问“你好你是谁”，模型会答我叫name由author开发。若将数据集改成自己名字，就能微调自己的大模型，可把identity.json里的{{name}}字段换成自己名字来实现。 

保存刚才对于 yi_lora_sft_bitsandbytes.yaml 文件的更改，回到终端terminal。

在 LLaMA-Factory 目录下，输入以下命令启动微调脚本(大概需要10分钟)

llamafactory-cli train examples/train_qlora/yi_lora_sft_bitsandbytes.yaml

看到进度条就是开始微调了。

运行过程大概10分钟，看到下面这个界面时，微调过程就结束了。

5. 推理测试

微调后的模型有何不同？在此加载微调模型推理，测试微调前后变化。 

参考Llama-Factory文件夹中，examples\inference下提供的llama3_lora_sft.yaml，复制一份，并重命名为 yi_lora_sft.yaml

将内容更改为，并且保存_（一定记得保存）_。

回到刚刚结束微调的终端Terminal，运行下面的推理命令(同样在Llama-Factory目录下运行）。

llamafactory-cli chat examples/inference/yi_lora_sft.yaml

稍等模型加载后即可聊天。模型自我身份认知已成功更改，符合数据集规定且保持通用对话能力。与未微调前有何差别？重复步骤，复制llama3.yaml重命名为yi.yaml，改内容后保存（务必）。 

model_name_or_path: ../Yi-1.5-6B-Chat

template: chatml

回到终端Terminal，运行下面的推理命令：

llamafactory-cli chat examples/inference/yi.yaml

可以提问和刚才同样的问题，看到模型的原始回答。

基于本实验完成简单微调，走了一遍模型微调过程，挺简单吧？

如何学习大模型AI ？

新岗位生产效率优于被取代岗位，社会整体生产效率提升。

但对个人而言：“最先掌握AI的人比晚掌握的人有竞争优势”。

这话在计算机、互联网、移动互联网开局时同理。 

我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来： 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，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：我们会去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阶段是我们的AI大模型RAG应用开发工程，我们会去学习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，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的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，我们会更加深入的探讨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。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

​