初识AI大模型，ollama使用，llama factory大模型微调，lama.cpp模型转换guff

　　最近了解了下生成式AI对话，下面是自己的一些尝试记录。

• ollama 安装及使用

　　1、安装

　　我是在windows环境下安装的，很简单，访问：https://ollama.com/ ，下载windows安装包，打开安装就行了。

　　cmd输入ollama -v检验是否安装成功。

　　2、配置

　　在环境变量的用户变量中加入如下几个：

 　　OLLAMA_HOST ollma服务启动的端口。

　　OLLAMA_MODELS 模型下载保存的位置。

　　OLLAMA_ORIGINS 绑定访问的ip。这里*号就是整个局域网都可以访问。

　　3、使用

　　下面是api的调用，model就是要使用的模型名字，prompt就是输入指令。ollama提供很多接口，有兴趣查官网查查询。

 　　接下来说下常见的命令行指令

　　ollama list 查询已安装的模型。

       ollama run xxx 启动模型，如果模型没安装会自动下载，模型下载地址：library (ollama.com)

　　ollama rm xx   删除已安装的模型

• llama factory 使用

　 1、下载

　 访问 GitHub - hiyouga/LLaMA-Factory: Unified Efficient Fine-Tuning of 100+ LLMs (ACL 2024) 下载源码，当然也可以通过docker等方式，我这里使用源码启动。请保证本地有python环境。

     下载解压后在项目目录执行如下命令：

     pip install -e ".[torch,metrics]"

     2、启动

    执行 llamafactory-cli webui。会自动打开浏览器，就进入了微调训练的web界面。

 　　3、训练数据集准备

　　在data目录下新建一个自定义文件，格式参考identity.json，这里的训练数据非常重要，在最近的学习中了解到数据会影响后续的训练结果，并且这个数据阶段还有很重要的岗位。

　　自定义数据准备好后，在dataset_info.json文件中增加对应的描述，还是参考identity部分的数据。

　　4、模型微调训练

　　在web界面选择训练的基座模型，因为我电脑没有显卡，这里选择的最小的通义千问1.5版本的0.5B模型。然后训练方式选择lora模型，数据集选择你新增的数据。点击开始训练就可以开始了。

　　我这里训练了50个数据参数，因为没有显卡的原因，所以很慢。

• 模型合并

　　微调训练完成后，在目录的saves文件夹下就有你训练的结果，以基座模型/自定义的输出目录命名。因为我们使用的lora方式训练，需要把基座模型和我们训练的结果合并。至于啥是lora模式，感兴趣的可以网上搜下。

　　在examples/merge_lora目录下新建自己的yaml配置文件。

　　model_name_or_path 基座模型地址，如果不知道去哪里下，搜索魔塔社区。

　　adapter_name_or_path  微调训练模型地址，就是上面说的训练输出的目录。

　　export_dir　　合并后导出的目录。

 　 文件创建后，在项目目录执行如下命令合并。

　　llamafactory-cli export examples/merge_lora/myqwen_merge.yaml 

• 模型转换

　　1、编写配置文件

　　在合并后导出的目录新建一个Modelfile文件，注意没有文件格式，文件内容：FROM E:\LLaMA-Factory-main\merge_mode_lora\myqwen\my_qwen.gguf

 　　2、llama.cpp下载

　　下载地址：GitHub - ggerganov/llama.cpp: LLM inference in C/C++

　　解压后cmd进入目录，执行：

　　python convert_lora_to_gguf.py  E:\LLaMA-Factory-main\merge_mode_lora\myqwen --outtype f16 --vocab-type bpe --outfile E:\LLaMA-Factory-main\merge_mode_lora\myqwen\my_qwen.gguf

　　E:\LLaMA-Factory-main\merge_mode_lora\myqwen 就是合并的模型目录，E:\LLaMA-Factory-main\merge_mode_lora\myqwen\my_qwen.gguf就是模型转换的路径和模型名称。

• 导入模型

　　cmd进入模型转换的输出目录，执行 ollama create my_qwen -f Modelfile 开始导入模型。

　　然后使用ollama list查看是否导入成功，使用ollama run my_qwen 就可以使用我们新的模型了。

　　总得来说，有很多包都需要自己想办法，不然要么就下载很慢，要么根据就不能下载。想要自己的微调模型在垂直领域的问答有一定效果，首先得要硬件支持，其次得要海量的有效数据支持，目前我这两都达不到，就当学习了。