而今天的Unsloth更适合在硬件资源有限的场景下做微调，它比LLama-Factory更节省GPU显存。
一、环境准备 1）购买AutoDL云主机（这里之所以选择它，是因为性价比很高，很适合新手做实验），选择3090显卡的即可（如果本地有GPU机器，请用自己的），我购买AutoDL时，选择了PyTorch 2）安装Anaconda（AutoDL上已默认安装miniconda3） Anacoda官网：https://www.anaconda.com/ 根据你自己的系统下载对应版本 安装完成后，打开终端（Linux/macOS）或Anaconda Prompt（Windows），输入以下命令创建一个新环境： （AutoDL上需要做以下操作） condacreate-nllama_factorypython=3.10condaactivatellama_factory 3）安装cuda（AutoDL已安装） 参考： https://help.aliyun.com/zh/egs/user-guide/install-a-gpu-driver-on-a-gpu-accelerated-compute-optimized-linux-instance 4）下载数据集 数据集对于微调来说，是很重要的一环，数据集质量的好坏直接决定了你微调的效果。本次实验我用的是一个关于脑筋急转弯的数据集，地址： https://modelscope.cn/datasets/helloworld0/Brain_teasers 二、安装Unsloth 1）利用conda创建虚拟环境（如果你没有开启jupyter，则需要做这一步） condacreate-nunsloth_envpython=3.10condaactivateunsloth_env2）安装Unsloth
三、下载Qwen3大模型 此次微调我用的是Qwen3-4B的版本，相对来说参数量不大，而且效果比较好。先用pip安装modelscope模块 pipinstallmodelscope然后创建目录，并下载模型： mkdir-p/models/modelscopedownload--modelQwen/Qwen3-4B--local_dir/models/Qwen3-4B说明：Qwen3-4B大模型会下载到/models/Qwen3-4B下面 四、微调前的测试 微调之前可以先加载初始模型做推理测试，编写测试脚本befor_train.py，内容如下： from unsloth import FastLanguageModel
model_name ="/models/Qwen3-4B"# 替换为实际模型路径max_seq_length = 2048 # 最大上下文长度dtype = None # 自动选择 float16 或 bfloat16load_in_4bit = True # 启用 4-bit 量化
model, tokenizer = FastLanguageModel.from_pretrained( model_name=model_name, max_seq_length=max_seq_length, dtype=dtype, load_in_4bit=load_in_4bit,)
FastLanguageModel.for_inference(model)inputs = tokenizer( ["Instruction: 你是脑筋急转弯专家，请回答我的问题：什么东西力气再大也不愿意抗？"], return_tensors="pt").to("cuda")outputs = model.generate(**inputs, max_new_tokens=256)print(tokenizer.decode(outputs[0], skip_special_tokens=True))
说明：初次加载模型耗时会很久，耐心等待，看其输出内容对比数据集中的答案，是否有差异。 编写微调的脚本train.py，内容如下： fromunslothimportFastLanguageModelfromtrlimportSFTTrainerfromtransformersimportTrainingArgumentsfromdatasetsimportload_datasetimporttorch#加载模型model_name="/models/Qwen3-4B"max_seq_length=2048dtype=Noneload_in_4bit=Truemodel,tokenizer=FastLanguageModel.from_pretrained(model_name=model_name,max_seq_length=max_seq_length,dtype=dtype,load_in_4bit=load_in_4bit,)#配置LoRAmodel=FastLanguageModel.get_peft_model(model,r=32,target_modules=["q_proj","k_proj","v_proj","o_proj","gate_proj","up_proj","down_proj"],lora_alpha=64,lora_dropout=0.2,bias="none",use_gradient_checkpointing=True,random_state=3407,)#加载和预处理数据集dataset=load_dataset("json",data_files="/models/datasets/data.json",split="train")train_prompt_style="""下面是一个脑筋急转弯问题，请提供合适的答案，不需要提供思考过程。###指令:你是一个脑筋急转弯专家，请回答以下问题，不需要提供思考过程。###问题:{}###回复:{}"""defformatting_prompts_func(examples,eos_token):inputs=examples["instruction"]outputs=examples["output"]texts=[]forinputs,outputsinzip(inputs,outputs):text=train_prompt_style.format(inputs,outputs)+eos_token#eostoken在training的时候必须要加texts.append(text)return{"text":texts,}dataset=dataset.map(formatting_prompts_func,batched=True,fn_kwargs={'eos_token':tokenizer.eos_token},#tokenizer为前面加载model是加载的tokenizer)#配置训练trainer=SFTTrainer(model=model,tokenizer=tokenizer,train_dataset=dataset,dataset_text_field="text",max_seq_length=max_seq_length,args=TrainingArguments(per_device_train_batch_size=8,gradient_accumulation_steps=4,warmup_steps=10,max_steps=80,learning_rate=5e-5,fp16=nottorch.cuda.is_bf16_supported(),bf16=torch.cuda.is_bf16_supported(),logging_steps=5,optim="adamw_8bit",weight_decay=0.01,lr_scheduler_type="linear",seed=3407,output_dir="outputs",),)#开始训练trainer.train()##保存LoRA适配器model.save_pretrained("qwen3_lora_finetuned")tokenizer.save_pretrained("qwen3_lora_finetuned")##保存新模型model.save_pretrained_merged("/models/Qwen3-4B-Aminglinux",tokenizer,save_method="merged_16bit")说明：数据集文件路径为：/models/datasets/data.json。脚本中涉及很多微调参数，如果想要详细的参数介绍，可以在文章末尾留言这里就不再详细介绍了。 微调会比较耗时，主要取决你的硬件配置以及脚本中你设定的max_steps参数，这个数值越大，它训练的时间就越久。微调后的模型路径为:/models/Qwen3-4B-Aminglinux 编写测试脚本after_train.py，内容如下： fromunslothimportFastLanguageModel
max_seq_length =2048dtype =Noneload_in_4bit =False##如果显存足够，这里设置为False
model, tokenizer = FastLanguageModel.from_pretrained( model_name="/models/Qwen3-4B-Aminglinux", max_seq_length=max_seq_length, dtype=dtype, load_in_4bit=load_in_4bit,)
FastLanguageModel.for_inference(model)inputs = tokenizer( ["Instruction: 你是脑筋急转弯专家，请回答我的问题：什么东西力气再大也不愿意抗？"], return_tensors="pt").to("cuda")outputs = model.generate(**inputs, max_new_tokens=256)print(tokenizer.decode(outputs[0], skip_special_tokens=True))
说明：model_name设置为微调后的大模型路径。 | 
