1. LLaMA-Factory实战环境搭建

在开始使用LLaMA-Factory进行模型微调前，我们需要先完成基础环境的搭建。这里我推荐使用Python 3.8+的环境，因为在实际测试中这个版本与大多数依赖库的兼容性最好。

1.1 安装核心依赖

首先需要安装LLaMA-Factory的核心包：

pip install llama-factory

但仅仅这样还不够，根据我的实战经验，还需要额外安装几个关键组件：

pip install torch==2.0.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117 pip install transformers==4.33.3 pip install datasets==2.14.5

注意：torch的版本需要与你的CUDA版本严格匹配。我遇到过很多因为版本不匹配导致的奇怪错误，特别是当使用较新的GPU时。

1.2 硬件配置建议

根据不同的模型规模，硬件需求差异很大：

在实际项目中，我发现使用LoRA技术可以大幅降低显存需求。例如7B模型在LoRA下只需要12GB显存就能运行，这对消费级显卡用户是个好消息。

1.3 数据准备技巧

LLaMA-Factory支持多种数据格式，但最稳定的是JSON格式。一个典型的数据样本应该包含：

{ "instruction": "解释量子计算的基本原理", "input": "", "output": "量子计算利用量子比特..." }

我强烈建议在训练前先运行数据验证：

from llama_factory import validate_dataset validate_dataset("your_data.json")

这个步骤帮我发现了许多数据格式问题，比如缺失字段、特殊字符等，避免了很多后续训练失败的情况。

2. 模型微调实战流程

2.1 基础微调配置

创建一个基础的配置文件config.yaml：

model_name_or_path: "meta-llama/Llama-2-7b-hf" data_path: "data/train.json" output_dir: "output" per_device_train_batch_size: 4 gradient_accumulation_steps: 8 learning_rate: 2e-5 num_train_epochs: 3 lr_scheduler_type: "cosine" warmup_ratio: 0.03 logging_steps: 10 save_steps: 200 optim: "adamw_torch"

这个配置在7B模型上测试效果不错，但有几个关键参数需要特别注意：

• gradient_accumulation_steps：当显存不足时增加这个值
• learning_rate：对于LoRA通常需要比全参数微调更大的学习率
• warmup_ratio：防止训练初期的不稳定

2.2 启动训练

使用以下命令开始训练：

python -m llama_factory.train --config config.yaml

在训练过程中，我习惯使用以下命令监控GPU状态：

watch -n 1 nvidia-smi

2.3 训练过程监控

LLaMA-Factory集成了TensorBoard支持，可以通过以下命令启动：

tensorboard --logdir output/runs

在监控时我主要关注三个指标：

1. 训练损失：应该平稳下降
2. 学习率：按预定计划变化
3. GPU利用率：保持在80%以上

如果发现GPU利用率低，可以尝试：

• 增大per_device_train_batch_size
• 使用flash_attention加速
• 启用gradient_checkpointing

3. 高级微调技巧

3.1 LoRA高效微调

LoRA是资源有限时的最佳选择。在配置中添加：

use_lora: true lora_rank: 8 lora_alpha: 32 lora_dropout: 0.05 lora_target_modules: ["q_proj", "v_proj"]

根据我的实验，对于中文任务：

• lora_rank设为8-16效果最好
• 在lora_target_modules中添加k_proj有时能提升效果
• lora_alpha建议是lora_rank的2-4倍

3.2 量化训练

对于超大模型，可以启用4-bit量化：

load_in_4bit: true bnb_4bit_compute_dtype: "float16" bnb_4bit_quant_type: "nf4" bnb_4bit_use_double_quant: true

量化训练有几个坑需要注意：

1. 需要安装bitsandbytes库
2. 计算类型最好保持float16
3. 可能会轻微降低模型效果

3.3 多GPU训练

对于多GPU环境，配置很简单：

deepspeed: "ds_config.json"

然后创建ds_config.json：

{ "train_batch_size": "auto", "train_micro_batch_size_per_gpu": "auto", "gradient_accumulation_steps": "auto", "optimizer": { "type": "AdamW", "params": { "lr": "auto", "betas": "auto", "eps": "auto", "weight_decay": "auto" } }, "fp16": { "enabled": "auto" } }

4. 模型评估与应用

4.1 评估指标解读

LLaMA-Factory支持多种评估方式：

python -m llama_factory.eval --model_name_or_path output --task mmlu

常见的评估指标包括：

• MMLU：综合知识测试
• GSM8K：数学推理
• HumanEval：代码生成

但实际项目中，我发现自定义评估更重要。可以创建一个eval.py：

from llama_factory import Evaluator evaluator = Evaluator("output") results = evaluator.evaluate_custom( test_data="data/test.json", metrics=["bleu", "rouge"] )

4.2 模型推理API

训练好的模型可以快速部署为API：

from llama_factory import InferenceServer server = InferenceServer("output") server.start(port=8000)

然后就可以通过REST API调用：

curl -X POST http://localhost:8000/generate \ -H "Content-Type: application/json" \ -d '{"prompt":"解释深度学习", "max_length":200}'

4.3 模型合并与导出

如果需要将LoRA权重合并回原模型：

python -m llama_factory.export \ --base_model meta-llama/Llama-2-7b-hf \ --lora_model output \ --output_dir merged_model

我经常使用的导出格式包括：

• PyTorch格式（用于继续训练）
• ONNX格式（用于生产环境）
• GGML格式（用于本地推理）

5. 实战经验与避坑指南

5.1 常见错误解决

问题1：CUDA out of memory

• 解决方案：减小batch size，启用gradient checkpointing，使用LoRA

问题2：NaN loss

• 解决方案：降低学习率，增加warmup steps，检查数据质量

问题3：训练效果差

• 解决方案：检查数据标注质量，尝试不同的learning rate schedule

5.2 性能优化技巧

1. 使用flash_attention可以提升20-30%训练速度：

use_flash_attention: true

2. 对于长文本，启用packing可以提升数据效率：

packing: true

3. 混合精度训练配置：

fp16: true bf16: false

5.3 生产环境部署建议

对于生产环境，我推荐：

1. 使用Triton Inference Server
2. 启用连续批处理（continuous batching）
3. 监控显存使用和响应延迟

一个简单的Docker部署示例：

FROM nvidia/cuda:12.1-base COPY merged_model /app/model RUN pip install llama-factory uvicorn EXPOSE 8000 CMD ["uvicorn", "llama_factory.inference:app", "--host", "0.0.0.0"]

在实际项目中，我发现LLaMA-Factory最大的优势是它的灵活性。它既支持快速实验，也能满足生产级需求。通过合理的配置和优化，即使是单卡环境也能微调出不错的模型效果。