回复
手把手教你：用 Python + Ollama 轻松完成 LLM 微调
作为一名对 AI 和机器学习充满热情的人，我花了不少时间研究怎么让强大的语言模型更好地完成特定任务。今天，我想分享一份详细的指南，教你如何用 Python 微调 LLM（大型语言模型），然后用 Ollama 这个工具在本地运行微调后的模型。这份指南基于我看到的一个实际操作教程，但我会加上详细的解释和例子，让它更全面、更适合新手。
什么是 LLM 微调？
想象一下，你请了个世界级大厨，他啥菜都会做，但还得学会你家的独门菜谱。你不用从头教他做饭，只需要给他看几道你的菜就行。这就是微调！
微调是拿一个已经预训练好的 LLM（比如 GPT 或 Llama），它已经很懂得通用语言了，然后针对你的特定任务“调校”一下。你给它喂一些你领域的例子，它就会调整自己的知识，专门为这个领域发光发热。
它咋工作的？从一个懂得英语（或其他语言）的 base model 开始，给它一堆“输入”（比如一个问题）和“输出”（比如完美答案）的配对。模型会调整内部 weights 来匹配这些例子。
跟 prompting 的区别？Prompting 就像临时给指令（比如“写得像莎士比亚”），而微调是永久改变模型，让它表现更稳定。
跟 parameter tuning 的区别？Parameter tuning 是调整像“temperature”（输出多有创意）这样的设置，就像调车上的收音机。微调则是给引擎升级，让它能跑越野。
举个例子：假设你想让 LLM 从乱糟糟的邮件里提取信息。没微调前：Prompt: “从‘嗨，我是 John。订个披萨。’中提取名字和订单。”输出：可能很随机，比如“Name: John, Food: Pizza”或者只是个总结。微调后：用 100 封邮件例子训练。现在它总会输出 JSON 格式：{"name": "John", "order": "pizza"}。
什么时候需要微调 LLM？
别啥都微调，这就像买跑车去买菜，得看情况用：
•需要一致的格式/风格：Prompting 搞不定严格的输出，比如 JSON 或法律文档。
•领域专属数据：模型没见过你的小众领域（比如医学术语或公司日志）。
•省钱：用一个小的、微调过的模型，替代像 GPT-4 这样的大模型。
优点和缺点：
微调的替代方案：
•Prompt Engineering：快又免费，但不稳定。
•Retrieval-Augmented Generation (RAG)：实时加外部数据（比如先搜文档再回答）。
•从头训练：只有像 OpenAI 这样的大公司才玩得起，需要海量数据和算力。
微调 LLM 的完整步骤
下面是全流程。我们会用 Unsloth（一个免费、开源、快速微调工具）和 Google Colab（免费的云端 GPU，不用高端硬件）。Base model 用 Phi-3 Mini（又小又快）。
流程图：
步骤 1：收集数据
这步很关键，垃圾数据 = 垃圾模型。需要 JSON 格式的输入-输出配对。
示例数据集（用于 HTML 提取，比如从网页代码里提取产品信息）：文件： extraction_dataset.json
内容（简化版，500 个例子中的 2 个）：
[
{
"input":"<div><h2>Product: Laptop</h2><p>Price: $999</p><span>Category: Electronics</span><span>Manufacturer: Dell</span></div>",
"output":{"name":"Laptop","price":"$999","category":"Electronics","manufacturer":"Dell"}
},
{
"input":"<div><h2>Product: Book</h2><p>Price: $20</p><span>Category: Literature</span><span>Manufacturer: Penguin</span></div>",
"output":{"name":"Book","price":"$20","category":"Literature","manufacturer":"Penguin"}
}
]小贴士： 如果需要，可以用 AI 生成数据，但最好用真实数据，效果更佳。
步骤 2：设置环境
用 Google Colab 来用免费 GPU。
• 打开 Colab：去colab.research.google.com。
• 上传你的 JSON 文件。
• 连接 T4 GPU：Runtime > Change runtime type > T4 GPU。
• 安装依赖（在 Colab cell 里跑）：
!pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
!pip install --no-deps xformers "trl<0.9.0" peft accelerate bitsandbytes输出： 安装包（大概 2 分钟）。如果提示，重启 runtime。
检查 GPU：
import torch
print(torch.cuda.is_available()) # 应该输出：True
print(torch.cuda.get_device_name(0)) # 比如 Tesla T4步骤 3：加载模型
选一个 base model（比如 Phi-3 Mini）。
代码：
from unsloth import FastLanguageModel
model_name = "unsloth/Phi-3-mini-4k-instruct"
max_seq_length = 2048 # 根据需要调整
model, tokenizer = FastLanguageModel.from_pretrained(
model_name,
max_seq_length=max_seq_length,
load_in_4bit=True
)输出： 下载模型（小型模型大概 5-10 分钟）。
步骤 4：预处理数据
把输入格式化成单一字符串。
代码：
import json
from datasets import Dataset
# 加载数据
withopen("extraction_dataset.json", "r") as f:
data = json.load(f)
# 格式化函数
defformat_prompt(item):
returnf"{item['input']}\n{json.dumps(item['output'])}<|endoftext|>"
# 创建格式化列表
formatted_data = [{"text": format_prompt(item)} for item in data]
dataset = Dataset.from_list(formatted_data)
# 打印示例
print(formatted_data[0]["text"])输出示例：
<div><h2>Product: Laptop</h2><p>Price: $999</p><span>Category: Electronics</span><span>Manufacturer: Dell</span></div>
{"name": "Laptop", "price": "$999", "category": "Electronics", "manufacturer": "Dell"}<|endoftext|>步骤 5：添加 LoRA Adapters
LoRA 让微调更高效（只训练一小部分）。
代码：
model = FastLanguageModel.get_peft_model(
model,
r=16, # Rank
target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
lora_alpha=16,
lora_dropout=0,
bias="none",
use_gradient_checkpointing="unsloth",
random_state=3407
)输出： “Unsloth: Patched 32 layers…”（很快）。
LoRA 是什么？Low-Rank Adaptation：给模型加“侧挂”层，只训练 ~1% 的参数，省时间和内存。
步骤 6：训练模型
用 SFTTrainer 训练。
代码：
from trl import SFTTrainer
from transformers import TrainingArguments
trainer = SFTTrainer(
model=model,
tokenizer=tokenizer,
train_dataset=dataset,
dataset_text_field="text",
max_seq_length=max_seq_length,
args=TrainingArguments(
per_device_train_batch_size=2,
gradient_accumulation_steps=4,
warmup_steps=5,
max_steps=60, # 调整以训练更多
learning_rate=2e-4,
fp16=not torch.cuda.is_bf16_supported(),
bf16=torch.cuda.is_bf16_supported(),
logging_steps=1,
optim="adamw_8bit",
weight_decay=0.01,
lr_scheduler_type="linear",
seed=3407,
output_dir="outputs",
),
)
trainer.train()输出： 进度条显示 loss 下降（500 个例子大概 10 分钟）。
步骤 7：测试推理
跑个快速测试。
代码：
FastLanguageModel.for_inference(model)
messages = [{"role": "user", "content": "<div><h2>Product: Phone</h2><p>Price: $500</p><span>Category: Gadgets</span><span>Manufacturer: Apple</span></div>"}]
inputs = tokenizer.apply_chat_template(messages, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda")
outputs = model.generate(inputs, max_new_tokens=256, use_cache=True)
print(tokenizer.batch_decode(outputs)[0])输出：
User: <div><h2>Product: Phone</h2><p>Price: $500</p><span>Category: Gadgets</span><span>Manufacturer: Apple</span></div>
Assistant: {"name": "Phone", "price": "$500", "category": "Gadgets", "manufacturer": "Apple"}如果结果不稳定，多训练几次！
步骤 8：导出到 GGUF 格式给 Ollama
保存成 Ollama 支持的格式。
代码：
model.save_pretrained_gguf("fine_tuned_model", tokenizer, quantization_method="q4_k_m")然后下载：在 Colab 文件里右键 > 下载（10-20 分钟）。
步骤 9：为 Ollama 创建 Modelfile
安装 Ollama（去 ollama.com）。
在终端：
cd ~/Downloads
mkdir ollama-test
mv unsloth.Q4_K_M.gguf ollama-test/
cd ollama-test
touch Modelfile
nano Modelfile # 粘贴以下内容Modelfile 内容：
FROM ./unsloth.Q4_K_M.gguf
PARAMETER temperature 0.8
PARAMETER top_p 0.9
PARAMETER stop "<|endoftext|>"
TEMPLATE "{{ .Prompt }}"
SYSTEM "You are a helpful AI assistant."创建模型：
ollama create html-extractor -f Modelfile步骤 10：在 Ollama 中运行
ollama run html-extractorPrompt： 粘贴 HTML 示例。输出： 提取的 JSON（本地运行，隐私安全！）。
最佳实践和常见问题
•数据质量：用多样化的例子，防止 overfitting。
•评估：用没见过的数据测试。
•扩展：用更大的模型（比如 Llama 3.1）效果更好。
•常见问题：数据集太小会导致“hallucinations”，多加数据！
微调的伦理问题
• 避免偏见数据（比如用多样化的数据源训练）。
• 隐私：用匿名数据进行微调。
总结
微调 LLM 就像给你的 AI 项目加了个超级技能，把通用工具变成专属专家！按照这篇指南的简单步骤——收集好数据、设置环境、用 Unsloth 训练、用 Ollama 部署，你就能打造出精准、一致的定制模型，满足你的独特任务需求。不管是从 HTML 提取数据、写小众客服回复，还是解决领域专属难题，微调让新手也能轻松上手！
本文转载自AI大模型观察站，作者：AI研究生
已于2025-9-8 10:17:12修改
赞
收藏
回复
相关推荐
