零基础入门：DeepSeek微调教程来了！

本文链接：https://blog.csdn.net/m0_59164520/article/details/147767222

开门见山，直接给大家展示微调前后的效果。

微调前：

微调后：

在此处可以看到很明显大模型进行微调后口吻已经发生了更改。据笔者使用下来的记录表示，微调后的大模型思考时间更加短暂。

接下来，让我们一起逐步完成微调实践，共同优化模型性能！

一、什么是大模型微调？

微调就像给一个**“学霸”补课，让它从“通才”变成某个领域的“专家”**。

此处以本文进行微调的医学数据进行举例：假设你有一个很聪明的朋友，他读过全世界的书（相当于大模型的预训练阶段），能和你聊历史、科学、文学等各种话题。但如果你需要他帮你看医学报告****段），能和你聊历史、科学、文学等各种话题。但如果你需要他帮你看医学报告，虽然他懂一些基础知识，但可能不够专业。这时候，你给他一堆医学书籍和病例，让他专门学习这方面的知识（这就是微调），他就会变得更擅长医疗领域的问题。

📖 故事解释：

想象你有一个会画小猫的机器人🤖（这就是预训练模型）。现在你想让它学会画戴帽子的小猫🎩🐱。不需要从头教它画画，只需要给它看很多"戴帽子小猫"的图片，然后说：“保持原来的画画能力，但要学会加帽子哦！” 这就是微调！

📖 生活案例解释：

案例1：智能音箱调方言

基础版音箱只会普通话（预训练模型）
给它听 100 句四川话（微调数据）
现在能听懂"摆龙门阵"（方言理解能力↑）

案例2：相机滤镜原理

原始相机拍所有场景（通用模型）
加载“美食滤镜”参数（微调后的模型）
拍食物时自动增强饱和度（专业能力强化）

加强版解释：乐高城堡改造成儿童医院

第一步：原有结构 —— 通用乐高城堡

[通用城堡]

▸ 比喻：就像网购的"标准款城堡积木套装"，有城墙、塔楼、尖顶，能当普通房子用。

▸ 对应技术：预训练模型（比如 ChatGPT），已经学会通用语言能力，但不够专业。

第二步：局部改造 —— 低成本改装

① 拆尖顶 → 改圆顶

[尖顶改圆顶]

▸ 操作：把塔顶的尖积木换成圆积木，更温和可爱。

▸ 技术含义：微调模型顶层参数（比如修改分类头），让输出风格更适合儿童对话。

② 加装旋转门[旋转门]

▸ 操作：在门口插入一个可旋转的积木模块，不破坏原有门结构。

▸ 技术含义：插入适配器模块（Adapter），让模型新增儿科医学术语理解能力，且不干扰原有知识。

③ 涂装医院标志

[医院标志]

▸ 操作：在城堡外墙贴上"十字符号"和卡通动物贴纸。

▸ 技术含义：特征空间偏移（Feature Shift），调整模型内部表示，让它更关注医疗相关词汇和童趣表达。

第三步：新功能 —— 变身儿童医院

[儿童医院]

▸ 成果：改装后的城堡能接待小患者，有玩具区、温和的医生（圆顶），还有专用医疗设备（旋转门）。

▸ 技术含义：通过轻量改造，通用模型变成"儿科医疗问答机器人"，专精儿童健康咨询。

二、当前尝试过的硬件配置

显卡：NVIDIA GeForce RTX 4060

CPU：Intel Core i7-13700H

内存：16 G(因为家庭电脑所以日常状态是 8.8/15.7 GB)

三、微调工作

(1) 数据集准备

本文数据集来源，魔搭社区的 medical-o1-reasoning-SFT。

本文主要说明，数据集格式是：

在 DeepSeek 的蒸馏模型微调过程中，数据集中引入 Complex_CoT（复杂思维链）是关键设计差异。若仅使用基础问答对进行训练，模型将难以充分习得深度推理能力，导致最终性能显著低于预期水平。这一特性与常规大模型微调的数据要求存在本质区别。

(2) 模型微调代码（此处是无框架纯手搓）——直接上了，后面会有细节讲解

需要引入的库：pip install torch transformers peft datasets matplotlib accelerate safetensors

import torchimport matplotlib.pyplot as pltfrom transformers import (    AutoTokenizer,    AutoModelForCausalLM,    TrainingArguments,    Trainer,    TrainerCallback)from peft import LoraConfig, get_peft_modelfrom datasets import load_datasetimport os
# 配置路径（根据实际路径修改）model_path = r"你的模型路径"  # 模型路径data_path = r"你的数据集路径"  # 数据集路径output_path = r"你的保存微调后的模型路径"  # 微调后模型保存路径
# 强制使用GPUassert torch.cuda.is_available(), //"必须使用GPU进行训练！"device = torch.device("cuda")
# 自定义回调记录Lossclass LossCallback(TrainerCallback):    def __init__(self):        self.losses = []
    def on_log(self, args, state, control, logs=None, **kwargs):        if "loss" in logs:            self.losses.append(logs["loss"])
# 数据预处理函数def process_data(tokenizer):    dataset = load_dataset("json", data_files=data_path, split="train[:1500]")
    def format_example(example):        instruction = f"诊断问题：{example['Question']}\n详细分析：{example['Complex_CoT']}"        inputs = tokenizer(            f"{instruction}\n### 答案：\n{example['Response']}<|endoftext|>",            padding="max_length",            truncation=True,            max_length=512,            return_tensors="pt"        )        return {"input_ids": inputs["input_ids"].squeeze(0), "attention_mask": inputs["attention_mask"].squeeze(0)}
    return dataset.map(format_example, remove_columns=dataset.column_names)
# LoRA配置peft_config = LoraConfig(    r=16,    lora_alpha=32,    target_modules=["q_proj", "v_proj"],    lora_dropout=0.05,    bias="none",    task_type="CAUSAL_LM")
# 训练参数配置training_args = TrainingArguments(    output_dir=output_path,    per_device_train_batch_size=2,  # 显存优化设置    gradient_accumulation_steps=4,  # 累计梯度相当于batch_size=8    num_train_epochs=3,    learning_rate=3e-4,    fp16=True,  # 开启混合精度    logging_steps=20,    save_strategy="no",    report_to="none",    optim="adamw_torch",    no_cuda=False,  # 强制使用CUDA    dataloader_pin_memory=False,  # 加速数据加载    remove_unused_columns=False  # 防止删除未使用的列)
def main():    # 创建输出目录    os.makedirs(output_path, exist_ok=True)
    # 加载tokenizer    tokenizer = AutoTokenizer.from_pretrained(model_path)    tokenizer.pad_token = tokenizer.eos_token
    # 加载模型到GPU    model = AutoModelForCausalLM.from_pretrained(        model_path,        torch_dtype=torch.float16,        device_map={"": device}  # 强制使用指定GPU    )    model = get_peft_model(model, peft_config)    model.print_trainable_parameters()
    # 准备数据    dataset = process_data(tokenizer)
    # 训练回调    loss_callback = LossCallback()
    # 数据加载器    def data_collator(data):        batch = {            "input_ids": torch.stack([torch.tensor(d["input_ids"]) for d in data]).to(device),            "attention_mask": torch.stack([torch.tensor(d["attention_mask"]) for d in data]).to(device),            "labels": torch.stack([torch.tensor(d["input_ids"]) for d in data]).to(device)  # 使用input_ids作为labels        }        return batch
    # 创建Trainer    trainer = Trainer(        model=model,        args=training_args,        train_dataset=dataset,        data_collator=data_collator,        callbacks=[loss_callback]    )
    # 开始训练    print("开始训练...")    trainer.train()
    # 保存最终模型    trainer.model.save_pretrained(output_path)    print(f"模型已保存至：{output_path}")
    # 绘制训练集损失Loss曲线    plt.figure(figsize=(10, 6))    plt.plot(loss_callback.losses)    plt.title("Training Loss Curve")    plt.xlabel("Steps")    plt.ylabel("Loss")    plt.savefig(os.path.join(output_path, "loss_curve.png"))    print("Loss曲线已保存")
if __name__ == "__main__":    main()

(3) 代码详细讲解

1. 导入必要的库和模块

功能总结：导入项目依赖的第三方库，包括 PyTorch 基础库、HuggingFace 工具库、可视化库等。

import torchimport matplotlib.pyplot as pltfrom transformers import (  # HuggingFace Transformer模型工具    AutoTokenizer,    AutoModelForCausalLM,    TrainingArguments,    Trainer,    TrainerCallback)from peft import LoraConfig, get_peft_model  # 参数高效微调库from datasets import load_dataset  # 数据集加载工具import os  # 系统路径操作

有关类库介绍：

1. torch (PyTorch 库的核心模块)

功能：深度学习框架，提供张量计算和神经网络构建功能。
代码中的作用：
- 管理GPU设备 (torch.cuda.is_available() 检查GPU可用性)
- 定义模型训练时的张量操作
- 控制混合精度训练 (torch.float16)

2. matplotlib.pyplot (Matplotlib 绘图库)

功能：数据可视化工具库。
代码中的作用：
- 绘制训练损失曲线 (plt.plot(losses))
- 生成并保存训练过程的Loss变化图 (loss_curve.png)

3. transformers (HuggingFace Transformers 库)

核心组件：
- AutoTokenizer：自动加载预训练模型对应的分词器
- - 用于将文本转换为模型可理解的 token ID 序列
- AutoModelForCausalLM：自动加载因果语言模型（如GPT系列）
- - 提供基础的大语言模型结构
- TrainingArguments：定义训练超参数
- - 控制批次大小、学习率、日志频率等
- Trainer：封装训练流程的类
- - 自动处理训练循环、梯度下降、日志记录等
- TrainerCallback：训练回调基类
- - 用于实现自定义训练监控逻辑（如示例中的损失记录）

4. peft (Parameter-Efficient Fine-Tuning)

功能：实现参数高效微调方法的库。
核心组件：
- LoraConfig：LoRA（Low-Rank Adaptation）的配置类
- - 定义秩®、目标模块(target_modules)等关键参数
- get_peft_model：将基础模型转换为 PEFT 模型
- - 仅需训练原模型约 0.1% 的参数即可实现有效微调
代码中的作用：
- 对 LLaMA 等大模型进行轻量化微调
- 显存占用量减少约 60-70%，适合消费级 GPU

5. datasets (HuggingFace Datasets 库)

功能：高效数据集加载与处理工具。
核心方法：
- load_dataset：加载多种格式的数据
- - 支持 JSON/CSV/Parquet 等格式（示例中使用 JSON）
- map：数据预处理流水线
- - 应用自定义的格式化函数 (format_example)
代码中的作用：
- 从本地文件加载医疗问答数据集
- 将原始数据转换为模型需要的输入格式

6. os (操作系统接口)

功能：提供操作系统相关功能。
代码中的作用：
- 创建输出目录 (os.makedirs)
- 处理文件路径相关操作
- 确保模型保存路径的有效性

2. 配置路径和硬件检查

功能总结：配置模型/数据路径，强制检查GPU可用性

# 配置路径（根据实际路径修改）model_path = r"你的模型路径"  # 预训练模型存放路径data_path = r"你的数据集路径"  # 训练数据路径（JSON格式）output_path = r"你的保存微调后的模型路径"  # 微调后模型保存位置
# 强制使用GPU（确保CUDA可用）assert torch.cuda.is_available(), "必须使用GPU进行训练！"device = torch.device("cuda")  # 指定使用CUDA设备

`3.`自定义训练回调类

功能总结：实现自定义回调，在模型训练过程中，实时记录损失值（Loss）的变化。损失值是用来衡量模型预测结果与真实结果之间的差距的，损失值越小，说明模型的表现越好。

class LossCallback(TrainerCallback):    def __init__(self):        self.losses = []  # 存储损失值的列表
    # 当训练过程中有日志输出时触发    def on_log(self, args, state, control, logs=None, **kwargs):        if "loss" in logs:  # 过滤并记录损失值            self.losses.append(logs["loss"])

4. 数据预处理函数

功能总结：加载并格式化训练数据，将原始数据集转换为模型可以理解的格式。

def process_data(tokenizer):    # 从JSON文件加载数据集（仅取前1500条）    dataset = load_dataset("json", data_files=data_path, split="train[:1500]")
    # 单条数据格式化函数    def format_example(example):        # 拼接指令和答案（固定模板）        instruction = f"诊断问题：{example['Question']}\n详细分析：{example['Complex_CoT']}"        inputs = tokenizer(            f"{instruction}\n### 答案：\n{example['Response']}<|endoftext|>",  # 添加结束符            padding="max_length",  # 填充至最大长度            truncation=True,       # 超长截断            max_length=512,        # 最大序列长度            return_tensors="pt"    # 返回PyTorch张量        )        # 返回处理后的输入（移除batch维度）        return {"input_ids": inputs["input_ids"].squeeze(0),                 "attention_mask": inputs["attention_mask"].squeeze(0)}
    # 应用格式化函数并移除原始列    return dataset.map(format_example, remove_columns=dataset.column_names)

‍关键代码

1.拼接指令和答案

作用：将问题（Question）和详细分析（Complex_CoT）拼接成一个指令。
示例：
- 输入：Question=“发烧怎么办？”, Complex_CoT=“可能是感冒引起的。”
- 输出：“诊断问题：发烧怎么办？\n详细分析：可能是感冒引起的。”
类比：就像把问题和分析写在一张纸上。

instruction = f"诊断问题：{example['Question']}\n详细分析：{example['Complex_CoT']}"

2.使用分词器处理文本

作用：将拼接后的文本转换为模型可以理解的格式。
参数说明：
- padding=“max_length”：将文本填充到固定长度（512）。
- truncation=True：如果文本超过 512 个 token，就截断。
- max_length=512：最大长度为 512。
- return_tensors=“pt”：返回 PyTorch 张量。
示例：
- 输入：“诊断问题：发烧怎么办？\n详细分析：可能是感冒引起的。\n### 答案：\n多喝水，休息。”
- 输出：input_ids=[101, 234, 345, …, 102], attention_mask=[1, 1, 1, …, 1]
类比：就像把文字翻译成机器能懂的数字。

inputs = tokenizer(    f"{instruction}\n### 答案：\n{example['Response']}<|endoftext|>",  # 添加结束符    padding="max_length",  # 填充至最大长度    truncation=True,       # 超长截断    max_length=512,        # 最大序列长度    return_tensors="pt"    # 返回PyTorch张量)

3.返回处理后的输入

作用：返回处理后的输入数据，并移除多余的维度。
参数说明：
- input_ids：文本对应的 token ID 序列。
- attention_mask：标记哪些位置是有效 token（1 表示有效，0 表示填充）。
类比：就像把翻译好的数字整理成一张表格。

return {"input_ids": inputs["input_ids"].squeeze(0),         "attention_mask": inputs["attention_mask"].squeeze(0)}

4.应用格式化函数

作用：对整个数据集应用格式化函数，并移除原始列。
参数说明：
- format_example：格式化函数。
- remove_columns=dataset.column_names：移除原始列（如 Question、Complex_CoT 等）。
类比：就像把整本书的每一页都翻译成机器能懂的格式。

return dataset.map(format_example, remove_columns=dataset.column_names)

5. LoRA微调配置

功能总结：配置LoRA参数，指定要适配的模型模块。

peft_config = LoraConfig(    r=16,               # LoRA秩（矩阵分解维度）    lora_alpha=32,      # 缩放系数（控制适配器影响强度）    target_modules=["q_proj", "v_proj"],  # 要适配的注意力模块（查询/值投影）    lora_dropout=0.05,  # 防止过拟合的Dropout率    bias="none",        # 不训练偏置参数    task_type="CAUSAL_LM"  # 任务类型（因果语言模型）)

1. r=16：LoRA 的秩

作用：控制低秩矩阵的维度。秩越小，参数越少，计算量越小。
解释：
- 秩（r）是低秩矩阵的分解维度，决定了低秩矩阵的大小。
- 例如，r=16 表示低秩矩阵的维度是 16。
影响：
- 较小的 r 会减少参数量，但可能会降低模型的表现。
- 较大的 r 会增加参数量，但可能会提高模型的表现。
比喻：

“相当于给AI的‘学习笔记’设置 16 页的篇幅限制”

→ 页数少（r小）：学得快但可能漏细节

→ 页数多（r大）：学得细但速度慢

默认值：通常设置为 8 或 16。并非越大越好。LoRA 秩的选择需要平衡模型的适应能力和计算效率。较大的秩可以提供更强的表达能力，但会增加计算量和显存占用，同时可能导致过拟合。对于简单任务，通常推荐使用较小的秩（如 4 或 8），而对于复杂任务，可能需要更高的秩（如 16 或 32）

2. lora_alpha=32：缩放系数

作用：控制低秩矩阵对原始模型的影响强度。
解释：
- lora_alpha 是一个缩放因子，用于调整低秩矩阵的输出。
- 具体来说，低秩矩阵的输出会乘以 lora_alpha / r。
影响：
- 较大的 lora_alpha 会让低秩矩阵的影响更强。
- 较小的 lora_alpha 会让低秩矩阵的影响更弱。
比喻：

就像是，音量旋钮的大小决定了声音的响亮程度。如果旋钮转得太大，声音可能会震耳欲聋，甚至让人难以忍受；如果旋钮转得太小，声音又可能太小，听不清楚。

过大的 lora_alpha 可能会导致模型的训练变得不稳定，就像声音太大可能会让人感到不适一样。可能会导致过拟合，因为模型对训练数据的细节调整过于敏感。

较小的 lora_alpha 会导致模型在训练过程中会更保守地调整权重**，训练过程更稳定**，但适应新任务的速度可能会较慢。

默认值：通常设置为 32。

3. target_modules=[“q_proj”, “v_proj”]：目标模块

作用：指定需要插入低秩矩阵的模型模块。
解释：
- q_proj 和 v_proj 是 Transformer 模型中的注意力机制模块：
- - q_proj：查询（Query）投影矩阵。
  - v_proj：值（Value）投影矩阵。
- LoRA 会在这两个模块中插入低秩矩阵。
影响：
- 选择不同的模块会影响微调的效果。
- 通常选择 q_proj 和 v_proj 是因为它们对模型的表现影响较大。

4. lora_dropout=0.05：Dropout 率

作用：防止过拟合。
解释：
- Dropout 是一种正则化技术，随机丢弃一部分神经元，防止模型过度依赖某些特征。
- lora_dropout=0.05 表示在训练过程中，有 5% 的低秩矩阵参数会被随机丢弃。
影响：
- 较大的 Dropout 率会增加模型的鲁棒性，但可能会降低训练效率。
- 较小的 Dropout 率会减少正则化效果，但可能会提高训练速度。

5. bias=“none”：偏置参数

作用：控制是否训练偏置参数。偏置参数的作用是为模型的输出提供一个基线偏移（baseline offset），使得模型能够更好地拟合数据。
解释：
- bias=“none” 表示不训练偏置参数。
- 其他选项包括 “all”（训练所有偏置参数）和 “lora_only”（只训练 LoRA 相关的偏置参数）。
影响：
- 不训练偏置参数可以减少参数量，但可能会影响模型的表现。

6. task_type=“CAUSAL_LM”：任务类型

作用：指定任务类型。
解释：
- CAUSAL_LM 表示因果语言模型（Causal Language Model），即生成式任务（如 GPT）。
- 其他任务类型包括序列分类（SEQ_CLS）、序列到序列（SEQ_2_SEQ）等。
影响：
- 不同的任务类型会影响 LoRA 的实现方式。

训练参数配置

功能总结：设置训练超参数和硬件相关选项。

training_args = TrainingArguments(    output_dir=output_path,        # 输出目录（模型/日志）    per_device_train_batch_size=2, # 单GPU批次大小（显存优化）    gradient_accumulation_steps=4, # 梯度累积步数（等效batch_size=8）    num_train_epochs=3,            # 训练轮次    learning_rate=3e-4,            # 初始学习率    fp16=True,                     # 启用混合精度训练（节省显存）    logging_steps=20,              # 每隔20步记录日志    save_strategy="no",            # 不保存中间检查点    report_to="none",              # 禁用第三方报告（如W&B）    optim="adamw_torch",           # 优化器类型    no_cuda=False,                 # 强制使用CUDA    dataloader_pin_memory=False,   # 禁用锁页内存（加速数据加载）    remove_unused_columns=False    # 保留未使用的列（避免数据错误）)

1. output_dir=output_path：输出目录

作用：指定训练过程中模型和日志的保存路径。此处的 output_path 之前已经写在了最前面的变量之中。
解释：
- 训练过程中生成的模型检查点、日志文件等都会保存到这个目录。
示例：
- 如果 output_path = “./output”，所有文件都会保存到 ./output 目录下。

2. per_device_train_batch_size=2：单 GPU 批次大小

作用：设置每个 GPU 上的训练批次大小。
解释：
- 批次大小是指每次输入模型的样本数量。
- 较小的批次大小可以节省显存，但可能会降低训练速度。
示例：
- 如果使用 1 个 GPU，每次训练会输入 2 条数据。

3. gradient_accumulation_steps=4：梯度累积步数

4. num_train_epochs=3：训练轮次

作用：设置模型在整个数据集上训练的轮次。
解释：
- 1个轮次（epoch）表示模型完整地遍历一次训练数据集。
- 这里设置为 3，表示模型会训练 3 轮。
示例：
- 如果数据集有 1000 条数据，模型会遍历这 1000 条数据 3 次。

5. learning_rate=3e-4：初始学习率

6. fp16=True：混合精度训练

作用：启用混合精度训练，节省显存并加速训练。
解释：
- 混合精度训练是指同时使用 16 位（半精度）和 32 位（单精度）浮点数。
- 16 位浮点数占用更少的显存，计算速度更快。
示例：
- 如果显存不足，启用 fp16 可以显著减少显存占用。

7. logging_steps=20：日志记录频率

作用：设置每隔多少步记录一次日志。
解释：
- 日志包括损失值、学习率等信息。
- 这里设置为 20，表示每隔 20 步记录一次日志。
示例：
- 如果总训练步数是 1000，会记录 50 次日志（1000 / 20 = 50）。

8. save_strategy=“no”：保存策略

作用：设置是否保存中间检查点。
解释：
- “no” 表示不保存中间检查点。
- 其他选项包括 “epoch”（每轮保存一次）和 “steps”（每隔一定步数保存一次）。
示例：
- 如果设置为 “epoch”，每轮训练结束后会保存一次模型。

9. report_to=“none”：禁用第三方报告

作用：禁用第三方日志报告工具（如Weights & Biases）。
解释：
- 如果不需要使用第三方工具记录日志，可以设置为 “none”。
示例：
- 如果设置为 “wandb”，日志会同步到 Weights & Biases平台。

10. optim=“adamw_torch”：优化器类型

作用：指定优化器类型。
解释：
- adamw_torch 是一种常用的优化器，结合了 Adam 和权重衰减（Weight Decay）。
- 适合大多数深度学习任务。
示例：
- 如果训练不稳定，可以尝试其他优化器，如 sgd[Stochastic Gradient Descent（随机梯度下降]。SGD 是一种用于优化模型参数的算法，通过计算损失函数的梯度并更新参数，使损失函数最小化。

11. no_cuda=False：强制使用 CUDA

作用：强制使用 GPU 进行训练。
解释：
- no_cuda=False 表示使用 GPU。
- 如果设置为 True，则会使用 CPU（不推荐）。
示例：
- 如果GPU可用，模型会自动使用 GPU 进行训练。

12. dataloader_pin_memory=False：禁用锁页内存

作用：设置是否使用锁页内存（Pinned Memory）加速数据加载。
解释：
- 锁页内存可以提高数据加载速度，但会占用更多主机内存。
- 这里设置为 False，表示禁用锁页内存。
示例：
- 如果主机内存充足，可以设置为 True 以加速训练。

13. remove_unused_columns=False：保留未使用的列

作用：设置是否移除数据集中未使用的列。
解释：
- 如果设置为 True，会移除数据集中未被模型使用的列。
- 这里设置为 False，表示保留所有列。
示例：
- 如果数据集中包含一些额外的信息（如 ID），可以保留这些列。

主函数（训练流程）

功能总结：整合所有组件，执行完整训练流程。

def main():    # 创建输出目录（如果不存在）    os.makedirs(output_path, exist_ok=True)
    # 加载Tokenizer并设置填充符    tokenizer = AutoTokenizer.from_pretrained(model_path)    tokenizer.pad_token = tokenizer.eos_token  # 使用EOS作为填充符
    # 加载预训练模型（半精度+指定GPU）    model = AutoModelForCausalLM.from_pretrained(        model_path,        torch_dtype=torch.float16,       # 半精度加载（节省显存）        device_map={"": device}          # 指定使用的GPU设备    )    # 应用LoRA适配器    model = get_peft_model(model, peft_config)    model.print_trainable_parameters()   # 打印可训练参数量
    # 准备训练数据集    dataset = process_data(tokenizer)
    # 初始化损失记录回调    loss_callback = LossCallback()
    # 数据整理函数（构造批次）    def data_collator(data):        batch = {            "input_ids": torch.stack([torch.tensor(d["input_ids"]) for d in data]).to(device),            "attention_mask": torch.stack([torch.tensor(d["attention_mask"]) for d in data]).to(device),            "labels": torch.stack([torch.tensor(d["input_ids"]) for d in data]).to(device)  # 标签=输入（因果LM任务）        }        return batch
    # 初始化Trainer    trainer = Trainer(        model=model,        args=training_args,        train_dataset=dataset,        data_collator=data_collator,  # 自定义数据整理        callbacks=[loss_callback]     # 添加回调    )
    # 执行训练    print("开始训练...")    trainer.train()
    # 保存微调后的模型    trainer.model.save_pretrained(output_path)    print(f"模型已保存至：{output_path}")
    # 绘制损失曲线    plt.figure(figsize=(10, 6))    plt.plot(loss_callback.losses)    plt.title("Training Loss Curve")    plt.xlabel("Steps")    plt.ylabel("Loss")    plt.savefig(os.path.join(output_path, "loss_curve.png"))  # 保存为PNG    print("Loss曲线已保存")
if __name__ == "__main__":    main()

关键代码：

1. 加载 Tokenizer 并设置填充符

作用：加载预训练模型的分词器，并设置填充符。
解释：
- AutoTokenizer.from_pretrained：自动加载与模型匹配的分词器。
- tokenizer.pad_token = tokenizer.eos_token：将结束符（EOS）作为填充符（Pad Token）。
示例：
- 如果输入序列长度不足，会用 EOS 填充。

tokenizer = AutoTokenizer.from_pretrained(model_path)tokenizer.pad_token = tokenizer.eos_token  # 使用EOS作为填充符

2.加载预训练模型

作用：加载预训练的语言模型，并配置硬件相关设置。
解释：
- AutoModelForCausalLM.from_pretrained：加载因果语言模型（如 GPT）。
- torch_dtype=torch.float16：使用半精度（16 位浮点数）加载模型，节省显存。
- device_map={“”: device}：将模型加载到指定的 GPU 设备上。
示例：
- 如果 device = “cuda:0”，模型会加载到第一个 GPU 上。

model = AutoModelForCausalLM.from_pretrained(    model_path,    torch_dtype=torch.float16,       # 半精度加载（节省显存）    device_map={"": device}          # 指定使用的GPU设备)

3.数据整理函数

作用：将多条数据整理成一个批次。
解释：
- input_ids：输入序列的 token ID。
- attention_mask：标记有效 token 的位置。
- labels：因果语言模型的标签与输入相同（模型需要预测下一个 token）。
示例：
- 如果输入是 [“诊断问题：发烧怎么办？”, “诊断问题：头痛怎么办？”]，会被整理成一个批次。

def data_collator(data):    batch = {        "input_ids": torch.stack([torch.tensor(d["input_ids"]) for d in data]).to(device),        "attention_mask": torch.stack([torch.tensor(d["attention_mask"]) for d in data]).to(device),        "labels": torch.stack([torch.tensor(d["input_ids"]) for d in data]).to(device)  # 标签=输入（因果LM任务）    }    return batch

4.初始化 Trainer

作用：创建训练器对象，管理训练过程。
解释：
- model：要训练的模型。
- args：训练参数（如批次大小、学习率等）。
- train_dataset：训练数据集。
- data_collator：自定义的数据整理函数。
- callbacks：训练回调（如损失记录）。

trainer = Trainer(    model=model,    args=training_args,    train_dataset=dataset,    data_collator=data_collator,  # 自定义数据整理    callbacks=[loss_callback]     # 添加回调)

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述