本文详细介绍了如何利用魔塔社区免费GPU资源微调大语言模型的完整流程，包括环境搭建、LLaMA Factory框架安装、数据准备、WebUI微调操作、模型导出转换以及本地部署等步骤，帮助读者从零开始掌握大模型微调技术，实现个性化定制模型。

---

魔塔构建免费实例

1.进入到魔塔社区：

2.选择PAI-DSW的方式二，白嫖魔塔社区的GPU资源。

点击启动后，差不多等待2分钟启动实例；

3.GPU环境已启动后，点击查看Notebook

4.进入Notebook，相当于在云端打开了电脑

5.点击Terminal进入终端，终端地址：/mnt/workspace#

这个路径下的文件可以持久化的存储，咱们是试用版，所以单次是8小时，一共36小时。

超过会提醒续费或者不续费释放空间。

安装 LLaMA Factory 开源框架

1.输入代码，clone项目：

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

2.出现下面这个情况就说明clone下来了，若是出现报错，这说明网络有问题。可以重新再运行一次

3.进入到 LLaMA Factory

cd LLaMA-Factory

4.安装虚拟环境

python -m venv .venv

5.激活虚拟环境

source .venv/bin/activate

6.安装依赖：

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

如果出现下面报错可以升级一下pip：

pip install --upgrade pip

7.重新安装依赖，没有出现红色报错说明可以了。

创建一个存储模型的文件夹

1.点击左侧，右键创建新文件夹，命名：models

2.进入models文件夹：

cd models

3.下载模型到 Notebook（以 Qwen2.5-0.5-instruct为例）

git clone https://www.modelscope.cn/Qwen/Qwen2.5-0.5B-Instruct.git

4.数据集准备（以淘宝好评数据集为例）

点击下载train.csv

5.下载下来的是这种格式，但是为了适配Factory，我们需要修改我们的格式。

6.在Factory的date数据中点击下载这个模板

7.写个脚本代码把train.csv按照identity.json格式修改。

8.在Factory的date数据中上传刚才修改完格式的文档

9.在dataset_info.json中注册数据，增加，这边不好修改，我们可以下载下来修改后重新上传覆盖掉。

"data_name":{
"file_name":"data_name.json"
}

WebUI 微调

1.先回到LLaMA-Factory目录下

cd ..

2.执行调取 WebUI

llamafactory-cli webui

3.点击链接进入 WebUI

4.打开 WebUI界面，填写信息

5.填写完信息之后，下滑到下方的保存训练参数、载入训练参数、开始训练

6.训练完之后会看到训练损失值，看到这个值下降，说明我们的训练有效果了。

7.训练完了，让我们来测试一下有没有质的提升。

在开始测试聊天的时候，需要先检查点击选择路径。

然后在点击chat，加载模型后就可以开始聊天！

8.导出训练的模型数据，创建outputmodel文件

导出GGUF

1.安装GGUF库

a.新开终端

b.进入到这个目录下：

cd /mnt/workspace/LLaMA-Factory

c.clone GGUF库

git clone https://github.com/ggerganov/llama.cpp.git

d.以可编辑模式安装python包

pip install --editable

2.转换格式

① 再回到llama.cpp文件下

cd ..

② 运行python代码：

a. 如果你跟我一样，之前导出模型是直接创建outputmodel文件，你就可以直接复制下面代码；

如果不是的话，你需要修改代码的地址，第一个路径/mnt/workspace/LLaMA-Factory/outputmodel改成你刚刚导出的模型路径

b. 第二个路径--outfile /mnt/workspace/LLaMA-Factory/megred-model-path是导出 GGUF 文件的路径，一定要自己提前创建一个，不然很容易报错。

python convert_hf_to_gguf.py /mnt/workspace/LLaMA-Factory/outputmodel \
 --outfile /mnt/workspace/LLaMA-Factory/megred-model-path \
 --outtype q8_0

③ 下载完之后可以在左侧你设置的目录下看到.gguf的文件

④点击下载这个文件

本地部署

1.创建模型文件

在编辑器中创建与模型相同名字的文件，保存另存为与你的模型名相同的文件名，文件后缀改为.modelfile

2.保存后会发现有两个文件

方法一：

1.在Outputmodel-494M-Q8_0.gguf的同一个目录下创建一个新的txt文档，打开后填入如下内容

#后面的模型文件名也改成你自己的模型名
FROM /保存GGUF文件的路径/Outputmodel-494M-Q8_0.gguf

2.保存完后，名字改为跟你的模型名相同的文件名，文件后缀改为.modelfile

3.打开终端，进入你保存模型的文件路径

4.运行如下指令把模型配置到ollma里面（确保已经安装了 Ollama）

# -f 前后两个模型名修改成你的设置的模型名字
ollama create Outputmodel-494M-Q8_0 -f Outputmodel-494M-Q8_0.modelfile

5.运行显示成功，说明已经安装到你的ollma上面

6.接下来运行ollama

# run后面是模型名称
ollama run Outputmodel-494M-Q8_0

7.以后只要能用ollama的客户端都可以用你部署的模型。

我们以cherry studio为例：

点击管理，点击就成功安装后就可以在聊天中选择安装的模型对话了

方法二：使用Jan这个工具部署

1.设置导入微调模型

2.成功导入提醒，点击start启动

3.点击新建聊天，选择模式之后就可以开始跟你的微调模型聊天了

终于完工了，历时4个多小时，我也成功微调了一个小模型。

如果你也对微调模型感兴趣，那就跟着我的步骤体验一下吧。

零基础如何高效学习大模型？

你是否懂 AI，是否具备利用大模型去开发应用能力，是否能够对大模型进行调优，将会是决定自己职业前景的重要参数。

为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和鲁为民博士系统梳理大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️

【大模型全套视频教程】

教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。

从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。

同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！

深耕 AI 领域技术专家带你快速入门大模型

跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！

【精选AI大模型权威PDF书籍/教程】

精心筛选的经典与前沿并重的电子书和教程合集，包含《深度学习》等一百多本书籍和讲义精要等材料。绝对是深入理解理论、夯实基础的不二之选。

【AI 大模型面试题 】

除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。

【大厂 AI 岗位面经分享（92份）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

【640套 AI 大模型行业研究报告】

【AI大模型完整版学习路线图（2025版）】

明确学习方向，2025年 AI 要学什么，这一张图就够了！

👇👇点击下方卡片链接免费领取全部内容👇👇

抓住AI浪潮，重塑职业未来！

科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。

行业趋势洞察：

• 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
• 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
• 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。

与其观望，不如行动！

面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。

01 为什么分享这份学习资料？

当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。

因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！

我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。

*02 这份资料的价值在哪里？*

专业背书，系统构建：

• 本资料由我与鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：

• • 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
  • 拥有多项中美发明专利。
  • 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。

• 目前，我有幸与鲁博士共同进行人工智能相关研究。

内容实用，循序渐进：

• 资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。

• 包含丰富的视频教程与实战项目案例，强调动手实践能力。

• 无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。

  

抓住机遇，开启你的AI学习之旅！