配置这个过程踩雷不少，故简单写一篇博客作为记录，也供大家参考。mineru一直都在更新迭代，故教程都是针对当前时间节点的，但基本其他版本要做的工作也是环境配置和模型下载这两步，都可以参考。大家一定要仔细阅读官方的readme，我就是觉得已经配环境无数，直接半调子开跑，所以踩坑无数，折腾了很久。可以参考和。

摘要：本文介绍了基于LLaMA-Factory框架的大模型微调实践，重点探讨了LoRA和QLoRA两种高效微调方法。通过个人微信聊天记录微调Qwen2.5-1.5B-Instruct模型，详细阐述了数据收集、处理、模型训练及WebUI搭建的全过程。实验采用特定好友的私聊数据保持风格一致性，使用4-bit量化和低秩适配技术降低显存需求。最终实现的对话系统能较好模仿个人说话风格，相比原始模型更具自然对

这里对自己简单的修改YOLO网络做一个记录，YOLO这个框架非常成熟（修改yolov8、v9、v11等等都是相同的方法），进行这种即插即用模块的修改非常简单，下面我会以非常典型的CBAM模块为例子。

与LeNet有相同之处，也有很多区别；比如适用大尺寸的图像所以使用11X11这种大尺寸的卷积核使用Relu激活函数，对比tanh/sigmoid激活函数，训练更快且避免梯度消失dropout随机使得一些神经元失活防止过拟合(用在全连接层)LRN局部归一化：正则项，防止过拟合# input_size还必须是元组，使用列表就会报错，，，，AlexNet中使用了dropout，resnet丢弃dropo