LLaMa-Factory 本地微调 Deepseek R1 1.5B 大模型

LLaMA Factory 是一款开源低代码大模型微调框架，集成了业界最广泛使用的微调技术，支持通过 Web UI 界面零代码微调大模型，目前已经成为开源社区内最受欢迎的微调框架之一。项目提供了多个高层次抽象的调用接口，包含多阶段训练，推理测试，benchmark评测，API Server等，使开发者开箱即用。

 

GitHub官方地址： github.com/hiyouga/LLa…

 

本次使用的操作系统，以及环境配置

操作系统：windows11

CPU:  i7-11800H

内存：16GB

GPU：RTX3050ti  4G显存

 

1.安装LLaMa-Factory的环境

使用 anaconda 创建用于 LLaMa-Factory 的虚拟环境

conda create -n llama_factory python=3.11
activate llama_factory

进入项目目录，LLaMA-Factory-main

cd C:\Code\LLaMA-Factory-main

安装环境依赖

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

测试是否安装成功

llamafactory-cli version

扩展：

1）如果训练出现未检测到CUDA环境，则说明pytorch版本没有适配好

安装的torch默认为2.60，与我们本地的环境不适配，导致无法使用GPU（卸载已经安装的totch环境，切换符合CUDA版本的torch环境）

对应版本参考链接：pytorch.org/get-started…

cmd查看GPU版本：nvidia-smi

pip uninstall torch torchvision torchaudiop

pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple -f https://download.pytorch.org/whl/torch_stable.html

测试GPU

import torch
print(torch.cuda.is_available())  # 是否可以用gpu False不能，True可以
print(torch.cuda.device_count())  # gpu数量， 0就是没有，1就是检测到了

2）解决RuntimeError: “triu_tril_cuda_template“ not implemented for ‘BFloat16‘

定位到这个报错的文件，定位到该行代码，然后使用pytorch重新实现一个torch.triu函数，替换出错的地方，将causal_mask = torch_triu(causal_mask, diagonal=1)修改为causal_mask = custom_triu(causal_mask, diagonal=1)，保存文件即可

def custom_triu(input_tensor, diagonal=0):
    """
    返回一个与input_tensor相同形状的新张量，其中包含input_tensor的上三角部分，
    其余部分填充为0。diagonal参数决定了上三角部分的定义位置。
    
    参数:
    input_tensor (torch.Tensor): 输入张量。
    diagonal (int, 可选): 对角线偏移。默认为0（主对角线）。
    
    返回:
    torch.Tensor: 包含上三角部分的新张量。
    """
    # 获取输入张量的行数和列数
    rows, cols = input_tensor.size()
    
    # 创建一个与input_tensor相同形状的掩码
    # 使用torch.arange来生成行和列的索引，然后进行广播比较
    row_indices = torch.arange(rows, device=input_tensor.device).view(-1, 1)
    col_indices = torch.arange(cols, device=input_tensor.device).view(1, -1)
    mask = row_indices + diagonal < col_indices
    
    # 使用掩码选择上三角部分
    result_tensor = torch.where(mask, torch.tensor(0, device=input_tensor.device, dtype=input_tensor.dtype), input_tensor)
    
    return result_tensor

 

2.启动命令，出现 weibu 界面

llamafactory-cli webui

3.自建数据集

1）项目架构

数据集文件都是放在data目录下，有不同的数据集格式，自定义数据集需要将数据处理为框架特定的格式，再修改 dataset_info.json 文件

 自定义数据集 test_rwm_demo.json

 修改dataset_info.json

 2）使用脚本创建数据集json文件，这里只是其中一种格式

 参考链接：blog.csdn.net/weixin_5316…

data.xlsx文件

 convert_json.py脚本文件

import pandas as pd
import json

# 读取 Excel 文件
df = pd.read_excel('data.xlsx')

# 初始化一个空列表，用于存储转换后的数据
data = []

# 遍历 DataFrame 的每一行
for index, row in df.iterrows():
    item = {
        "instruction": row['输入问题'],
        "input": "",
        "output": row['输出答案']
    }
    data.append(item)

# 将列表转换为 JSON 格式
json_data = json.dumps(data, ensure_ascii=False, indent=4)

# 将 JSON 数据保存到文件
with open('test.json', 'w', encoding='utf-8') as f:
    f.write(json_data)

4.开始训练