一份针对国内初学者超全面的开源大模型使用指南self-llm

今天给大家分享GitHub上一份超全面的开源大模型使用指南self-llm，该项目来自国内非常火的开源社区DataWhale。

这份超全面的开源大模型使用指南我放在这里了，需要的小伙伴可以扫取。
self-llm项目是一个围绕开源大模型、针对国内初学者、基于AutoDL平台的中国学者专属大模型教程，针对各类开源大模型提供包括环境配置、本地部署、高效微调等技能在内的全流程指导，简化开源大模型的部署、使用和应用流程，让更多的普通学生、研究者更好地使用开源大模型，帮助开源、自由的大模型更快融入到普通学习者的生活中。提供了针对国内初学者的开源大模型教程，通过 AutoDL 平台，简化模型的部署、使用和应用流程。

相关链接

GitHub地址:github.com/datawhalechina/self-llm

项目意义

百模大战正值火热，开源LLM层出不穷。如今国内外已经涌现了众多优秀开源 LLM，国外如 LLaMA、Alpaca，国内如 ChatGLM、BaiChuan、InternLM（书生·浦语）等。

开源 LLM 支持用户本地部署、私域微调，每一个人都可以在开源 LLM 的基础上打造专属于自己的独特大模型。

然而，当前普通学生和用户想要使用这些大模型，需要具备一定的技术能力，才能完成模型的部署和使用。对于层出不穷又各有特色的开源 LLM，想要快速掌握一个开源 LLM 的应用方法，是一项比较有挑战的任务。

本项目旨在首先基于核心贡献者的经验，实现国内外主流开源 LLM 的部署、使用与微调教程；在实现主流 LLM 的相关部分之后，我们希望充分聚集共创者，一起丰富这个开源 LLM 的世界，打造更多、更全面特色 LLM 的教程。星火点点，汇聚成海。

主要内容

• 基于 AutoDL 平台的开源 LLM 环境配置指南，针对不同的模型要求提供不同的详细环境配置步骤；
• 提供国内外主流开源 LLM 的部署使用教程，包括 LLaMA、ChatGLM、InternLM 等；
• 提供开源 LLM 的部署应用指导，包括命令行调用、在线 Demo 部署、LangChain 框架集成等；
• 提供开源 LLM 的全量微调、高效微调方法，包括分布式全量微调、LoRA、ptuning 等。

适合以下学习者

• 想要使用或体验 LLM，但无条件获得或使用相关 API；
• 希望长期、低成本、大量应用 LLM；
• 对开源 LLM 感兴趣，想要亲自上手开源 LLM；
• NLP 在学，希望进一步学习 LLM；
• 希望结合开源 LLM，打造领域特色的私域 LLM；
• 以及最广大、最普通的学生群体。

学习建议

本项目的学习建议是，先学习环境配置，然后再学习模型的部署使用，最后再学习微调。因为环境配置是基础，模型的部署使用是基础，微调是进阶。初学者可以选择Qwen1.5，InternLM2，MiniCPM等模型优先学习。

这份超全面的开源大模型使用指南我放在这里了，需要的小伙伴可以扫取。