大家好，我是贝克街的捉虫师呀！

最近大模型可谓是炙手可热，各种新模型层出不穷，但是想让这些“大家伙”真正为我所用，针对特定任务进行微调（Fine-tuning）是必不可少的。但是，微调大模型往往需要大量的专业知识和昂贵的硬件资源，让许多开发者望而却步。

今天，给大家介绍一个 GitHub 上 Star 数将近五万的开源项目——LLaMA Factory [i]，它就像一个炼丹炉，能让你轻松驾驭各种大模型，快速定制出属于你自己的 AI 模型！

项目概述

LLaMA Factory 是一个易于使用且高效的平台，用于训练和微调大型语言模型（LLMs）和视觉语言模型（VLMs）. 它可以帮助开发者在本地微调上百个预训练模型，而无需编写任何代码.

你可以把它想象成一个“大模型加工厂”，提供各种“配方”（训练方法）和“原材料”（预训练模型），让你能够根据自己的需求，定制出各种口味的“AI 产品”。

LLaMA Factory 的核心定位是降低大模型微调的门槛，让更多的开发者能够参与到大模型的应用开发中来. 它支持多种模型、训练方法和硬件配置，并提供了用户友好的 Web 界面和命令行工具，极大地简化了微调流程.

该项目的主要技术特点包括：

  • 支持多种模型：LLaMA、LLaVA、Mistral、Qwen 等.
  • 集成多种训练方法：(持续)预训练、(多模态)监督微调、奖励建模、PPO、DPO 等.
  • 可扩展的资源：16 位全参数微调、冻结微调、LoRA 和 2/3/4/5/6/8 位 QLoRA.
  • 实验监控：LlamaBoard、TensorBoard、Wandb、MLflow、SwanLab 等.

项目数据

  • GitHub 星标数量：48045 (截至 2025 年 5 月 2 日)
  • 主要开发语言：Python
  • 主要技术栈：PyTorch, Transformers, PEFT, Accelerate
  • 维护状态：积极维护，更新频繁
  • 贡献者数量：众多开发者参与贡献

从 GitHub 的数据可以看出，LLaMA Factory 受到了广泛的关注和欢迎，并且拥有一个活跃的开发者社区. 这也意味着你可以获得更多的技术支持和使用案例。

功能亮点

LLaMA Factory 提供了丰富的功能，下面我将介绍几个核心亮点：

  • 🚀 多种模型支持

    支持 LLaMA, LLaVA, Mistral, Qwen, DeepSeek, Yi, Gemma, ChatGLM, Phi 等多种模型。这意味着你可以选择最适合你任务的模型，而无需担心兼容性问题。
    * 💡 集成多种训练方法

    支持 (持续) 预训练, (多模态) 监督微调, 奖励建模, PPO, DPO, KTO, ORPO 等。无论是想让模型掌握新的知识，还是想让模型更符合人类的偏好，LLaMA Factory 都能满足你的需求。
    * 💰 可扩展的资源

    支持 16 位全参数微调, 冻结微调, LoRA 和 2/3/4/5/6/8 位 QLoRA。即使你没有强大的 GPU 资源，也可以通过 QLoRA 等技术，在有限的资源下完成大模型的微调。
    * ⚡ 实验监控

    支持 LlamaBoard, TensorBoard, Wandb, MLflow, SwanLab 等。你可以实时监控训练过程中的各种指标，及时调整参数，提高训练效率。
    * 🖥️ Web UI 界面

    LLaMA Factory 提供了一个 Web UI 界面，让你可以通过浏览器进行模型训练、评估和推理。即使你对命令行不熟悉，也可以轻松上手。
    * ✨ 一键部署

    支持 OpenAI 风格的 API，可以快速将微调后的模型部署到生产环境中。你可以将模型集成到你的应用中，为用户提供智能服务。

安装与使用

下面我将介绍 LLaMA Factory 的安装和使用方法，让你能够快速上手。

环境要求

  • Python >= 3.9
  • PyTorch >= 2.0.0
  • Transformers >= 4.45.0
  • Datasets >= 2.16.0
  • Accelerate >= 0.34.0
  • PEFT >= 0.14.0
  • TRL >= 0.8.6

安装步骤

  1. 克隆 LLaMA Factory 仓库：

    bash
    git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git
    cd LLaMA-Factory
    2. 安装依赖：

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

    你还可以根据需要安装额外的依赖，例如：

    bash
    pip install -e ".[torch,metrics,deepspeed,bitsandbytes]"

快速上手

  1. 使用以下命令运行 LoRA 微调、推理和合并 Llama3-8B-Instruct 模型：

    bash
    llamafactory-cli train examples/train_lora/llama3_lora_sft.yaml
    llamafactory-cli chat examples/inference/llama3_lora_sft.yaml
    llamafactory-cli export examples/merge_lora/llama3_lora_sft.yaml
    2. 你还可以使用 Web UI 界面进行操作：

    bash
    llamafactory-cli webui

常见问题

  • 安装失败：请检查你的 Python 版本和依赖是否满足要求。
  • 显存不足：尝试使用 QLoRA 等技术，降低显存占用。
  • 训练速度慢：可以尝试使用 FlashAttention-2 等加速技术。

使用场景与推荐理由

LLaMA Factory 适用于以下场景：

  1. 定制 AI 助手：你可以使用 LLaMA Factory，基于现有的预训练模型，针对特定领域的知识进行微调，打造出专业的 AI 助手。例如，你可以微调一个医疗领域的 AI 助手，为患者提供专业的健康咨询服务。
  2. 提高模型性能：你可以使用 LLaMA Factory，针对特定任务的数据集，对模型进行微调，提高模型的性能。例如，你可以微调一个文本分类模型，提高其在特定领域的分类准确率。
  3. 快速实验：LLaMA Factory 提供了简单易用的 Web 界面和命令行工具，可以帮助你快速进行各种实验，探索大模型的潜力。

推荐理由：

  • 易于使用：LLaMA Factory 提供了用户友好的 Web 界面和命令行工具，让你可以轻松上手。
  • 功能强大：LLaMA Factory 支持多种模型、训练方法和硬件配置，可以满足你的各种需求。
  • 社区活跃：LLaMA Factory 拥有一个活跃的开发者社区，你可以获得更多的技术支持和使用案例。

与其他同类工具相比，LLaMA Factory 的优势在于其易用性和灵活性。它不仅提供了丰富的功能，还降低了使用门槛，让更多的开发者能够参与到大模型的应用开发中来。

适合的用户群体：

  • 软件开发者
  • AI 爱好者
  • 研究人员
  • IT 从业人员

结语

LLaMA Factory 是一款非常优秀的开源项目，它降低了大模型微调的门槛，让更多的开发者能够参与到大模型的应用开发中来。

如果你正在寻找一款易于使用且功能强大的大模型微调工具，那么 LLaMA Factory 绝对值得尝试。

GitHub 链接：https://github.com/hiyouga/LLaMA-Factory

欢迎大家尝试 LLaMA Factory，并在评论区分享你的使用体验和想法！

类似文章