下一步，选择解释器（服务器中python.exe），同步文件夹左边为本地项目的名称，右边为服务器项目的名称，为了方便，本地项目名和服务器项目名称最好一致。然后选择SSH解释器，再选择现有服务器配置，下拉选择之前配置的AutoDL服务器。然后，根据AutoDL上的服务器的ssh信息，填写主机、用户名、端口号和密码。2、点配置填写服务器相关信息，包括主机名称、用户名、端口号和密码。接下来就是在本地项目

本文详细介绍了使用LLaMA-Factory框架对Yi-1.5-6B-Chat模型进行LoRA微调的全过程。主要包括：1）拉取代码并配置Python虚拟环境；2）通过ModelScope下载模型；3）配置yaml文件设置微调参数；4）执行训练命令完成微调；5）使用对话界面测试微调效果。文章最后预告将介绍如何使用自制数据集进行大模型微调，欢迎对大模型感兴趣的读者一起交流学习。

本文介绍了如何在EasyDataset平台上使用本地部署的大模型制作数据集。首先详细说明了Ollama的安装步骤，包括下载安装程序和模型（如qwen3-vl:4b），并验证API服务是否正常启动。接着指导用户在EasyDataset中配置本地模型，包括设置接口地址、模型名称和API Key（可随意填写）。最后演示了上传PDF文件进行智能分割和问题生成的过程，提示使用本地小模型时速度较慢。作者表示后

摘要：cuda+cudnn+pytorch配置过程

本文介绍了如何在EasyDataset平台上使用本地部署的大模型制作数据集。首先详细说明了Ollama的安装步骤，包括下载安装程序和模型（如qwen3-vl:4b），并验证API服务是否正常启动。接着指导用户在EasyDataset中配置本地模型，包括设置接口地址、模型名称和API Key（可随意填写）。最后演示了上传PDF文件进行智能分割和问题生成的过程，提示使用本地小模型时速度较慢。作者表示后