AI时代Hello World详细教程之LLM微调(SFT)

【00】时代变了

　　移动互联网时代的Hello World(参见Xamarin 使用极光推送 详细教程 )，安装某一套开发工具包(IDE)就够了，AI时代就明显要的就多了。

　　依然直奔主题，无废话，直接上实操步骤。微调基础LLM，使之支持普通话翻译为粤语。

　　

【01】名词解释

　　

【02】无中生GPU

　　AI时代没有GPU寸步难行，如何薅到GPU呢？

　　https://www.kaggle.com/  自行注册，通过手机号验证之后，每周可以薅30H的GPU资源。

【03】环境初始化

　　新建Notebook，就当是VS的项目对待了。

　　初始化基础环境，依赖的python库。

%pip install --no-deps bitsandbytes accelerate xformers==0.0.29.post3 peft trl==0.15.2 triton cut_cross_entropy unsloth_zoo
%pip install sentencepiece protobuf huggingface_hub hf_transfer
%pip install --no-deps unsloth
%pip install -U datasets

　　脚本或代码，都可以点击右边的 运行 按钮执行，并且在环境未重启之前，都可以保存上下文变量数据。

【04】加载基础模型

　　基础模型选择：unsloth/Qwen3-0.6B-unsloth-bnb-4bit，模型1G多比较适合用来写HelloWorld，本身也不支持粤语翻译。

from unsloth import FastLanguageModel
import torch

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="unsloth/Qwen3-0.6B-unsloth-bnb-4bit",  # 6亿参数量化模型
    max_seq_length=2048,               # 支持2048token上下文
    # dtype = torch.float16,
    load_in_4bit=True,                             # 4位量化降低内存占用
    load_in_8bit=False,                            # 8位模式（需更高显存）
    full_finetuning=False,                         # 启用参数高效微调（PEFT）
    # token="<YOUR_HF_TOKEN>",                     # 访问权限模型需提供令牌
)

model = FastLanguageModel.get_peft_model(
    model,
    r=32,                        # LoRA矩阵秩，值越大精度越高
    target_modules=[             # 需适配的模型层
        "q_proj", "k_proj", "v_proj", "o_proj",
        "gate_proj", "up_proj", "down_proj"
    ],
    lora_alpha=64,               # 缩放因子，通常设为r的2倍
    lora_dropout=0,              # 关闭 dropout
    bias="none",                 # 不微调偏置项
    use_gradient_checkpointing="unsloth",  # 支持长上下文
    random_state=3433,           # 随机种子确保可复现
)

【05】微调数据集加载

　　数据采用以下两个，简单的粤语、普通话对照记录。

　　https://huggingface.co/datasets/agentlans/cantonese-chinese

　   https://huggingface.co/datasets/botisan-ai/cantonese-mandarin-translations

from datasets import load_dataset,Dataset
import pandas as pd

# 加载推理与对话数据集
ds01 = load_dataset("agentlans/cantonese-chinese")["train"]
print(ds01.column_names)  # 查看所有列名

ds02 = load_dataset("botisan-ai/cantonese-mandarin-translations")["train"]
print(ds02.column_names)  # 查看所有列名

# 标准化推理数据为对话格式
def generate01(examples):
    problems = examples["zh"]
    solutions = examples["yue"]
    return {
        "messages": [
            {"role": "system", "content": "你是一个普通话转为粤语的机器人。"},
            {"role": "user", "content": problems},
            {"role": "assistant", "content": solutions}
        ]
    }

def generate02(examples):
    problems = examples["translation"]["zh"]
    solutions = examples["translation"]["yue"]
    return {
        "messages": [
            {"role": "system", "content": "你是一个普通话转为粤语的机器人。"},
            {"role": "user", "content": problems},
            {"role": "assistant", "content": solutions}
        ]
    }

dsm01= ds01.map(generate01)
dsm02= ds02.map(generate02)

cvs01 = tokenizer.apply_chat_template(
    dsm01["messages"],
    tokenize=False
)

cvs02 = tokenizer.apply_chat_template(
    dsm02["messages"],
    tokenize=False
)

# 设定对话比例
chat_percentage = 0.7
data = pd.concat([
    pd.Series(cvs01),
    pd.Series(cvs02),
])
data.name = "text"

combined_dataset = Dataset.from_pandas(pd.DataFrame(data))
combined_dataset = combined_dataset.shuffle(seed=3407)

【06】开始微调

　　使用trl 库，进行微调。

from trl import SFTTrainer, SFTConfig

print("开始训练...")

trainer = SFTTrainer(
    model=model,
    tokenizer=tokenizer,
    train_dataset=combined_dataset,  # 结构化数据集
    eval_dataset=None,
    args=SFTConfig(
        dataset_text_field="text",       # 用于训练的数据集字段
        per_device_train_batch_size=2,   # 单设备训练批次大小
        gradient_accumulation_steps=4,   # 梯度累积步数
        warmup_steps=5,                  # 学习率预热步数
        max_steps=30,                    # 总训练步数
        learning_rate=2e-4,              # 学习率
        logging_steps=1,                 # 日志记录频率
        optim="adamw_8bit",              # 优化器
        weight_decay=0.01,               # 权重衰减
        lr_scheduler_type="linear",      # 学习率衰减策略
        seed=3407,
        report_to="none",                # 日志平台（可选wandb）
    ),
)

trainer_stats = trainer.train()

【07】效果检测

　　  进行简单的对话，看是否有效果。

messages = [
    {"role": "system", "content": "你是一个普通话转为粤语的机器人。"},
    {"role": "user", "content": "有个老婆婆在元朗紫荆东路等小巴"}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,  # 生成响应必需
    enable_thinking=False,    # 禁用思考
)

from transformers import TextStreamer
_ = model.generate(
    **tokenizer(text, return_tensors="pt").to("cuda"),
    max_new_tokens=256,         # 最大生成token数
    temperature=0.7, top_p=0.8, top_k=20,

    streamer=TextStreamer(tokenizer, skip_prompt=True),
)

【08】微调后模型保存，并下载

　　  下载时Edge浏览器会先下载完文件之后，才弹出保存对话框。点了Download之后，感觉没有任何反应 需要耐心等待N长时间。

import shutil

# 模型保存在目录
my_model="Qwen3-0.6B-cia-cantonese-chinese"
model_dir = "/kaggle/working/Models/"+my_model
output_zip = my_model+".zip"

model.save_pretrained_merged(
    model_dir,
    tokenizer,
    save_method="merged_16bit"
)

# 压缩成 .zip 文件
shutil.make_archive(output_zip.replace(".zip", ""), "zip", model_dir)

print(f" 模型已压缩为 {output_zip}")

【09】本地加载微调 后的模型

　　  微调之后的模型，不需要太多资源就可以运行。可以本地或者继续在Kaggle上运行，验证。

from transformers import AutoModelForCausalLM, AutoTokenizer

class QwenChatbot:
    def __init__(self, model_name="G:/00LLM/models/Qwen3-0.6B-cia-cantonese-chinese"):
    # def __init__(self, model_name="G:/00LLM/models/Qwen3-0.6B-cia-finetuned-002"):
    # def __init__(self, model_name="G:/00LLM/models/Qwen3-0.6B-unsloth-cia-finetuned"):
        self.tokenizer = AutoTokenizer.from_pretrained(model_name)
        self.model = AutoModelForCausalLM.from_pretrained(model_name)
        self.history = [{"role": "system", "content": "你是一个普通话转为粤语的机器人。"}]

    def generate_response(self, user_input):
        messages = self.history + [{"role": "user", "content": user_input}]

        text = self.tokenizer.apply_chat_template(
            messages,
            tokenize=False,
            add_generation_prompt=True
        )

        inputs = self.tokenizer(text, return_tensors="pt")
        response_ids = self.model.generate(**inputs, max_new_tokens=32768)[0][len(inputs.input_ids[0]):].tolist()
        response = self.tokenizer.decode(response_ids, skip_special_tokens=True)

        # Update history
        # self.history.append({"role": "user", "content": user_input})
        # self.history.append({"role": "assistant", "content": response})

        return response

# Example Usage
if __name__ == "__main__":
    chatbot = QwenChatbot()
    print("Welcome to the Qwen Chatbot!")
    print("You can ask questions, and the bot will respond.")
    print("Type 'q' to quit the chat.")
    while True:
        user_input = input("You: ")
        if user_input.lower() == 'q':
            break

        response = chatbot.generate_response(user_input)
        print(f"Bot: {response}")
        print("----------------------")

以上最简单的 LLM微调详细操作步骤。