什么是 LLaMA Factory？

LLaMA Factory 是一个开源的大语言模型微调框架，它提供了一套高效、易用的工具集，支持多种主流大语言模型（如 LLaMA、ChatGLM、Qwen 等）的微调与部署。该框架具有以下突出特点：

·支持模型丰富：兼容 100+ 种大语言模型，涵盖 LLaMA、Baichuan、ChatGLM、Qwen 等主流架构

·训练效率高：集成多种高效微调技术（LoRA、QLoRA 等），大幅降低显存需求

·界面友好：提供直观的 Web UI，支持零代码操作的模型训练与推理

·功能完整：覆盖模型预训练、指令微调、奖励模型训练等全流程

无论您是研究者、开发者还是企业用户，LLaMA Factory 都能帮助您快速构建和定制专属的大语言模型应用。

环境配置与LLaMA Factory安装

一、安装git

在终端中执行以下命令，安装 Git 版本工具：

sudo apt install git

二、下载LLama-factory

使用 Git 克隆 LLaMA Factory 项目仓库：

git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git

三、安装conda

1、安装Conda 所需依赖：

sudo apt install libgl1-mesa-glx libegl1-mesa libxrandr2 libxrandr2 libxss1 libxcursor1 libxcomposite1 libasound2 libxi6 libxtst6

2、下载conda 安装包

wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

3、安装conda

bash Anaconda3-2024.10-1-Linux-x86_64.sh

一路回车和yes，注意: 终端出现Anaconda3 will now be installed into this location:可输入自定义路径进而支持自定义conda安装路径(直接回车会默认安装到HOME目录)。

4、conda配置环境，默认没有配置环境（如下图）

查看conda安装位置

输入 nano ~/.bashrc

在bashrc文件的最后一行加入：export PATH=/home/ad/anaconda3/bin:$PATH (ad是自己的用户名)。按Ctrl+x 保存并退出编辑

配置生效

用conda -V查看版本正常了

四、创建环境

1、创建llama-factory微调环境

conda create -n llama-factory python=3.10

激活环境

conda activate llama-factory

我这里配置环境后直接进入激活环境报错（要先初始化）

解决：

source activate（重新进入虚拟环境）

conda deactivate （退出性能环境）

conda activate llama-factory（重新激活虚拟环境）

2、进入llama-factory环境后，进入到LLama-Factory文件下，安装相关依赖

pip install -e “.[torch,metrics]” --no-build-isolation -i https://mirrors.aliyun.com/pypi/simple

3、启动LLama-Factory

（这里我用的是虚拟机ubuntu20.4安装LLama-Factory，可以在win系统下通过虚拟机IP地址访问LLama-Factory界面）

ubuntu可视化系统也能访问LLama-Factory

五、gradio公开域名微调

如果ubuntu是服务器版本没有桌面的，你又想使用图形化微调，可以通过gradio创建公开域名链接进行微调

0表示第一张显卡：CUDA_VISIBLE_DEVICES=0

1表示创建1个域名链接：GRADIO_SHARE=1

查看有多少张卡：

nvidia-smi -L

1、启动命令行：

CUDA_VISIBLE_DEVICES=0 GRADIO_SHARE=1 llamafactory-cli

gradio报错：

解决：

创建目录：mkdir -p /home/ad/.cache/huggingface/gradio/frpc

进入目录：cd /home/ad/.cache/huggingface/gradio/frpc

这个下载方式可能有问题：

wget https://github.com/gradio-app/gradio/raw/main/gradio/frpc_linux_amd64-O frpc_linux_amd64_v0.3

我用win浏览器下载，然后手动上传到frpc文件下：

链接：https://cdn-media.huggingface.co/frpc-gradio-0.3/frpc_linux_amd64

上传进frpc文件里，然后重命名 mv frpc_linux_amd64 frpc_linux_amd64_v0.3

添加权限 chmod +x frpc_linux_amd64_v0.3

启动 CUDA_VISIBLE_DEVICES=0 GRADIO_SHARE=1 llamafactory-cli webui

这样就生成了一条公开域名，你也可以分享给其他人用：

https://265175b551a47a2dd5.gradio.live/

至此你已经部署好了LLaMA Factory

（如果你还不知道大模型数据集怎么制作、模型怎么下载，请在本公众号搜索相关文章学习。）

训练效果展示

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。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】