一、环境

之前介绍过本地部署LLaMaFactory微调平台（https://blog.csdn.net/m0_73982863/article/details/159208213?spm=1001.2014.3001.5501），如果你还在为设备问题而烦恼，那就来薅羊毛吧（手动狗头）。

首先注册魔搭社区，绑定个人阿里云账号即可，详情见：https://www.modelscope.cn/my/mynotebook ；然后就可免费获得36小时GPU环境。

8核：CPU有8个核心，主要负责数据的调度和预处理；32GB：内存，数据从硬盘加载后会暂时存放这里；显存24G；（比我自己的老古董好多 T-T）

Ubuntu 22.04：Linux操作系统；

CUDA 12.8.1：英伟达的并行计算平台。12.8版本意味着它支持最新的RTX 40系列或H系列显卡；

Python 3.11：编程语言版本；

PyTorch 2.9.1：目前最主流的深度学习框架；2.9.1也是比较新的版本；

1.35.0：预装的ModelScope版本号；

安装LLaMaFactory

老操作了，这里就不过多赘述，git克隆llama-factory项目，执行 【pip install -e .】，结果出现提示：

错误信息表示 pip 在安装新包时检测到依赖冲突，为避免 pip 导致权限混乱，这里推荐使用虚拟环境（venv）；

创建虚拟环境

创建虚拟环境：python -m venv llmVenv （llmVenv可自定义名称）；

激活虚拟环境：source llmVenv/bin/activate

退出虚拟环境：deactivate

在虚拟环境中执行升级：pip install --upgrade pip

后续老操作【pip install -e .】和【pip install -r requirements/metrics.txt】，执行【llamafactory-cli webui】可以启动，并在控制台中直接点击【http://127.0.0.1:7860】可完成浏览器访问；

二、模型选择

2.1. 模型分类和区别

此处我随手选中一个模型【Qwen3-4B-Base】，跳出了告警提示。这是因为【Base】表示基座模型，而不是经过指令微调【Instruct】的模型。

两者区别在于：

Base：基座模型，只完成了预训练，擅长续写文本，不擅长直接理解并回答人类的问题或指令。

Instruct：指令模型，在基座模型的基础上，使用大量【用户指令和期望回答】的数据进行微调，能够正确理解并遵循人类指令。

后续选择【Qwen3.5-2B-Base】，此时模型名称同样带【Base】，却没有弹出告警提示。

Qwen3.5是后训练模型，已经经历了至少一轮指令微调或强化学习（RL），具备对话能力。RL训练的模型其指令遵循能力通常优于单纯的监督微调（SFT）模型。

2.2.加载模型对话

我们可以点击【Chat】进行加载模型对话，可以看到其中的如下参数：

2.2.1.【推理引擎】：

Hugging Face： transformers 库，是 LLM 领域最通用的原生推理框架。开箱即用，配置灵活，适合调试、开发、原型验证。默认使用PyTorch动态图，速度相对较慢，显存占用较高。

vLLM：高性能和服务框架，专为高吞吐、低延迟设计。支持连续批处理，自动合并请求，提高吞吐。适合生产环境部署、高并发API服务、需要最大化吞吐量的离线推理。

SGLang：较新的推理框架，专注于结构化生成和复杂推理任务。吞吐量接近vLLM，适合需要复杂生成逻辑，对推理过程有精细控制要求的场景。

2.2.2.【推理数据类型】：控制模型加载和推理时使用的数值精度。

auto：自动选择，框架会根据模型配置和硬件能力自动决定最优精度。如果支持bfloat16，通常会优先使用，否则回退到float16或32。

float32：最精确，显存占用最大，速度最慢，通常不推荐用于推理。

float16：显存较fp32减半，速度更快，精度损失小。大多数GPU支持。

bfloat16：与fp16同显存占用，但动态范围更大，训练和推理更稳定。

2.2.3.【额外参数】：

{"vllm_enforce_eager": true}，vLLM专用参数，在vLLM中会强制使用eager模式（不使用CUDA图优化），通常用于调试或避免某些显存问题；此处当前推理引擎是 huggingface，理论上这个参数不会生效，但是我这里默认自带，还是手动删除（即仅保留 {}，否则会出现Json格式错误）；

点击【加载模型】后，可以看到控制台会自动下载对应的模型。

当然也可以手动下载魔搭社区的模型，默认存储路径也是一样的，访问：https://modelscope.cn/models ，此处以Qwen3.5-2B举例：modelscope download --model Qwen/Qwen3.5-2B （详情见：https://www.modelscope.cn/models/Qwen/Qwen3.5-2B）

之前文章提到过，这里就不过多赘述。有兴趣的同学可以看：https://blog.csdn.net/m0_73982863/article/details/159208213?fromshare=blogdetail&sharetype=blogdetail&sharerId=159208213&sharerefer=PC&sharesource=&sharefrom=from_link 中的4.1.2.3；

这里等待模型加载成功后，就可以正常聊天了。

三、数据集

魔搭社区中提供大量数据集，我们学习过程中可以下载使用，详情见：https://www.modelscope.cn/datasets

3.1. 获取源数据

此处随便举个例子，随手拿了个【蚂蚁金融语义相似度数据集】，详情见：https://www.modelscope.cn/datasets/modelscope/afqmc

在【数据集文件】中下载【train.csv】，下载完成后，我可能可以得到如下数据，可以看出此数据集是用于评估问题间的语义相似性。

【sentence1 = 句子1】【sentence2 = 句子2】【label = 0表示两者语义不同、1表示语义相同】

3.2. 编写转换脚本

我们通过脚本将csv转换成LLaMaFactory需要的json格式，脚本如下，不熟练的小伙伴可借助AI工具。

3.3. 生成数据集

在py脚本目录下执行【python csv2Json.py】可以得到目标文件json如下：

将生成的 【ant_finance_same.json】移动至【LLaMA-Factory】项目中的【data】文件夹中，再修改【dataset_info.json】加入刚才生成的json，其余保持不动；

dataset_info.json是LLaMaFactory中用于注册和管理数据集的配置文件。主要作用是配置数据集文件路径。

四、训练

4.1.加载并预览数据集

现在，我们就可以在【数据集】中选中刚才配置的数据，点击【预览数据集】后可以看到示例；

4.2.执行微调

点击【开始】微调模型，大约一两分钟后可以看到下方控制台输出日志，然后就是耐心的等待（GPU环境超过1小时无操作将触发自动关闭功能，要记得点下控制台）；

上图可知，此次训练需要大约10.5小时，但是单次实例连接时间最长是8小时，尽管可以中途中断，后续再继续，但是我执行1个小时后，环境直接卡死，什么都动不了。

本次演示我还是希望能够走完一遍流程，于是将数据集做了份删减版。mini版数据集仅1000条数据，训练需要不到20分钟；

上图中右边的趋势图表示训练过程中损失值Loss随训练步数Step变化的曲线，用于监控模型的学习情况。

original原始曲线：每个记录点实际计算出的损失值，由于单批次数据存在随机性，曲线往往会有很多噪声毛刺；

smoothed平滑曲线：对原始损失进行移动平均或指数平滑后的曲线，能更加清晰地反映损失的整体变化趋势，滤除短期波动；

4.3.导出微调结果

等到【训练完毕】，我们可以在【检查点路径】找到刚才微调后的模型；

导出完成后，我们可以看到路径下对应的文件；

我们尝试加载微调后的模型，进行对话。

五、转换GGUF

为了能够让 ollama 或 llama.cpp 直接使用，需要将 Hugging Face 格式模型转换成GGUF格式的文件。

5.1.创建环境

为避免冲突，建议创建一个独立的Python环境：

python -m venv cppVenv 

source cppVenv/bin/activate

克隆llama.cpp，该工具可转换GGUF：

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

cd llama.cpp

pip install -r requirements.txt

5.2.执行转换

python convert_hf_to_gguf.py /mnt/workspace/models/Qwen3.5-2B-output --outfile /mnt/workspace/gguf/Qwen3.5-2B-output.gguf --outtype q8_0

Qwen3.5-2B-output 为【model.safetensors】文件所在路径；

--outtype q8_0 表示量化类型，默认输出f16格式；

执行过程中会出现异常：

File "/mnt/workspace/git_src/llama.cpp/cppVenv/lib/python3.11/site-packages/transformers/models/auto/tokenization_auto.py", line 1153, in from_pretrained

    raise ValueError(

ValueError: Tokenizer class TokenizersBackend does not exist or is not currently imported.

原因是在合并模型时，无法正确加载模型的tokenizer导致的，通常是因为模型文件夹中的 tokenizer_config.json 配置缺少必要的tokenizer文件。

1.检查当前 tokenizer_config.json 内容：

cat /mnt/workspace/models/Qwen3.5-2B-output/tokenizer_config.json | grep tokenizer_class

2.Qwen3.5-2B模型对应的tokenizer类是Qwen2Tokenizer，使用sed直接替换：

sed -i 's/"tokenizer_class": "TokenizersBackend"/"tokenizer_class": "Qwen2Tokenizer"/g' /mnt/workspace/models/Qwen3.5-2B-output/tokenizer_config.json

替换后再执行转换命令即可，最后可以得到GGUF文件。

六、总结

终于，我们在不花费一毛钱的前提下，完成了环境搭建到模型微调的整个流程。

欢迎继续关注后续的分享，我下次再来填坑。