零基础入门：DeepSeek微调教程来了！
Datawhale干货
作者：吴锦凤，Datawhale优秀学习者
开门见山，直接给大家展示微调前后的效果。
微调前：
微调后：
在此处可以看到很明显大模型进行微调后口吻已经发生了更改。据笔者使用下来的记录表示，微调后的大模型思考时间更加短暂。
接下来，让我们一起逐步完成微调实践，共同优化模型性能！
一、什么是大模型微调？
微调就像给一个学霸补课，让它从通才变成某个领域的专家。
此处以本文进行微调的医学数据进行举例： 假设你有一个很聪明的朋友，他读过全世界的书（相当于大模型的预训练阶段），能和你聊历史、科学、文学等各种话题。 但如果你需要他帮你看医学报告段），能和你聊历史、科学、文学等各种话题。 但如果你需要他帮你看医学报告，虽然他懂一些基础知识，但可能不够专业。这时候，你给他一堆医学书籍和病例，让他专门学习这方面的知识（这就是微调），他就会变得更擅长医疗领域的问题。
📖 故事解释：
想象你有一个会画小猫的机器人🤖（这就是预训练模型）。现在你想让它学会画戴帽子的小猫🎩🐱。不需要从头教它画画，只需要给它看很多"戴帽子小猫"的图片，然后说："保持原来的画画能力，但要学会加帽子哦！" 这就是微调！
📖 生活案例解释：
案例1：智能音箱调方言
基础版音箱只会普通话（预训练模型）
给它听 100 句四川话（微调数据）
现在能听懂"摆龙门阵"（方言理解能力↑）
案例2：相机滤镜原理
原始相机拍所有场景（通用模型）
加载美食滤镜参数（微调后的模型）
拍食物时自动增强饱和度（专业能力强化）
加强版解释：乐高城堡改造成儿童医院第一步：原有结构 —— 通用乐高城堡[通用城堡]
▸ 比喻：就像网购的"标准款城堡积木套装"，有城墙、塔楼、尖顶，能当普通房子用。
▸ 对应技术：预训练模型（比如 ChatGPT），已经学会通用语言能力，但不够专业。
第二步：局部改造 —— 低成本改装
① 拆尖顶 → 改圆顶
[尖顶改圆顶]
▸操作：把塔顶的尖积木换成圆积木，更温和可爱。
▸技术含义：微调模型顶层参数（比如修改分类头），让输出风格更适合儿童对话。
② 加装旋转门[旋转门]
▸操作：在门口插入一个可旋转的积木模块，不破坏原有门结构。
▸技术含义：插入适配器模块（Adapter），让模型新增儿科医学术语理解能力，且不干扰原有知识。
③ 涂装医院标志
[医院标志]
▸操作：在城堡外墙贴上"十字符号"和卡通动物贴纸。
▸ 技术含义：特征空间偏移（Feature Shift），调整模型内部表示，让它更关注医疗相关词汇和童趣表达。
第三步：新功能 —— 变身儿童医院
[儿童医院]
▸成果：改装后的城堡能接待小患者，有玩具区、温和的医生（圆顶），还有专用医疗设备（旋转门）。
▸ 技术含义：通过轻量改造，通用模型变成"儿科医疗问答机器人"，专精儿童健康咨询。
二、当前尝试过的硬件配置
显卡：NVIDIA GeForce RTX 4060
CPU：Intel Core i7-13700H
内存：16 G(因为家庭电脑所以日常状态是 8.8/15.7 GB)
三、微调工作(1) 数据集准备
本文数据集来源，魔搭社区的 medical-o1-reasoning-SFT。
本文主要说明，数据集格式是：
在 DeepSeek 的蒸馏模型微调过程中，数据集中引入 Complex_CoT（复杂思维链）是关键设计差异。若仅使用基础问答对进行训练，模型将难以充分习得深度推理能力，导致最终性能显著低于预期水平。这一特性与常规大模型微调的数据要求存在本质区别。
(2) 模型微调代码（此处是无框架纯手搓）——直接上了，后面会有细节讲解
需要引入的库：pipinstall torch transformers peft datasets matplotlib accelerate safetensors
importtorchimportmatplotlib.pyplotaspltfromtransformersimport(AutoTokenizer,AutoModelForCausalLM,TrainingArguments,Trainer,TrainerCallback)frompeftimportLoraConfig, get_peft_modelfromdatasetsimportload_datasetimportos
配置路径（根据实际路径修改）model_path =r"你的模型路径"模型路径data_path =r"你的数据集路径"数据集路径output_path =r"你的保存微调后的模型路径"微调后模型保存路径
强制使用GPUasserttorch.cuda.is_available, //"必须使用GPU进行训练！"device = torch.device("cuda")
自定义回调记录LossclassLossCallback(TrainerCallback):def__init__(self):self.losses = []
defon_log(self, args, state, control, logs=None, **kwargs):if"loss"inlogs:self.losses.append(logs["loss"])
数据预处理函数defprocess_data(tokenizer):dataset = load_dataset("json", data_files=data_path, split="train[:1500]")
defformat_example(example):instruction =f"诊断问题：{example[Question]}\n详细分析：{example[Complex_CoT]}"inputs = tokenizer(f"{instruction}\n 答案：\n{example[Response]}<|endoftext|>",padding="max_length",truncation=True,max_length=512,return_tensors="pt")return{"input_ids": inputs["input_ids"].squeeze(0),"attention_mask": inputs["attention_mask"].squeeze(0)}
returndataset.map(format_example, remove_columns=dataset.column_names)
LoRA配置peft_config = LoraConfig(r=16,lora_alpha=32,target_modules=["q_proj","v_proj"],lora_dropout=0.05,bias="none",task_type="CAUSAL_LM")
训练参数配置training_args = TrainingArguments(output_dir=output_path,per_device_train_batch_size=2,显存优化设置gradient_accumulation_steps=4,累计梯度相当于batch_size=8num_train_epochs=3,learning_rate=3e-4,fp16=True,开启混合精度logging_steps=20,save_strategy="no",report_to="none",optim="adamw_torch",no_cuda=False,强制使用CUDAdataloader_pin_memory=False,加速数据加载remove_unused_columns=False防止删除未使用的列)
defmain:创建输出目录os.makedirs(output_path, exist_ok=True)
加载tokenizertokenizer = AutoTokenizer.from_pretrained(model_path)tokenizer.pad_token = tokenizer.eos_token
加载模型到GPUmodel = AutoModelForCausalLM.from_pretrained(model_path,torch_dtype=torch.float16,device_map={"": device}强制使用指定GPU)model = get_peft_model(model, peft_config)model.print_trainable_parameters
准备数据dataset = process_data(tokenizer)
训练回调loss_callback = LossCallback
数据加载器defdata_collator(data):batch = {"input_ids": torch.stack([torch.tensor(d["input_ids"])fordindata]).to(device),"attention_mask": torch.stack([torch.tensor(d["attention_mask"])fordindata]).to(device),"labels": torch.stack([torch.tensor(d["input_ids"])fordindata]).to(device)使用input_ids作为labels}returnbatch
创建Trainertrainer = Trainer(model=model,args=training_args,train_dataset=dataset,data_collator=data_collator,callbacks=[loss_callback])
开始训练print("开始训练...")trainer.train
保存最终模型trainer.model.save_pretrained(output_path)print(f"模型已保存至：{output_path}")
绘制训练集损失Loss曲线plt.figure(figsize=(10,6))plt.plot(loss_callback.losses)plt.title("Training Loss Curve")plt.xlabel("Steps")plt.ylabel("Loss")plt.savefig(os.path.join(output_path,"loss_curve.png"))print("Loss曲线已保存")
if__name__ =="__main__":main
(3) 代码详细讲解1. 导入必要的库和模块
功能总结：导入项目依赖的第三方库，包括 PyTorch 基础库、HuggingFace 工具库、可视化库等。
importtorchimportmatplotlib.pyplotaspltfromtransformersimport(HuggingFace Transformer模型工具AutoTokenizer,AutoModelForCausalLM,TrainingArguments,Trainer,TrainerCallback)frompeftimportLoraConfig, get_peft_model参数高效微调库fromdatasetsimportload_dataset数据集加载工具importos系统路径操作
有关类库介绍：1.torch(PyTorch 库的核心模块)
功能：深度学习框架，提供张量计算和神经网络构建功能。
代码中的作用：
管理GPU设备 (torch.cuda.is_available检查GPU可用性)
定义模型训练时的张量操作
控制混合精度训练 (torch.float16)
2.matplotlib.pyplot(Matplotlib 绘图库)
功能：数据可视化工具库。
代码中的作用：
绘制训练损失曲线 (plt.plot(losses))
生成并保存训练过程的Loss变化图 (loss_curve.png)
3.transformers(HuggingFace Transformers 库)
核心组件：
AutoTokenizer：自动加载预训练模型对应的分词器
用于将文本转换为模型可理解的 token ID 序列
AutoModelForCausalLM：自动加载因果语言模型（如GPT系列）
提供基础的大语言模型结构
TrainingArguments：定义训练超参数
控制批次大小、学习率、日志频率等
Trainer：封装训练流程的类
自动处理训练循环、梯度下降、日志记录等
TrainerCallback：训练回调基类
用于实现自定义训练监控逻辑（如示例中的损失记录）
4.peft(Parameter-Efficient Fine-Tuning)
功能：实现参数高效微调方法的库。
核心组件：
LoraConfig：LoRA（Low-Rank Adaptation）的配置类
定义秩(r)、目标模块(target_modules)等关键参数
get_peft_model：将基础模型转换为 PEFT 模型
仅需训练原模型约 0.1% 的参数即可实现有效微调
代码中的作用：
对 LLaMA 等大模型进行轻量化微调
显存占用量减少约 60-70%，适合消费级 GPU
5.datasets(HuggingFace Datasets 库)
功能：高效数据集加载与处理工具。
核心方法：
load_dataset：加载多种格式的数据
支持 JSON/CSV/Parquet 等格式（示例中使用 JSON）
map：数据预处理流水线
应用自定义的格式化函数 (format_example)
代码中的作用：
从本地文件加载医疗问答数据集
将原始数据转换为模型需要的输入格式
6.os(操作系统接口)
功能：提供操作系统相关功能。
代码中的作用：
创建输出目录 (os.makedirs)
处理文件路径相关操作
确保模型保存路径的有效性
2. 配置路径和硬件检查功能总结：配置模型/数据路径，强制检查GPU可用性
配置路径（根据实际路径修改）model_path =r"你的模型路径"预训练模型存放路径data_path =r"你的数据集路径"训练数据路径（JSON格式）output_path =r"你的保存微调后的模型路径"微调后模型保存位置
强制使用GPU（确保CUDA可用）asserttorch.cuda.is_available,"必须使用GPU进行训练！"device = torch.device("cuda")指定使用CUDA设备
3.自定义训练回调类
功能总结：实现自定义回调，在模型训练过程中，实时记录损失值（Loss）的变化。损失值是用来衡量模型预测结果与真实结果之间的差距的，损失值越小，说明模型的表现越好。
classLossCallback(TrainerCallback):def__init__(self):self.losses = []存储损失值的列表
当训练过程中有日志输出时触发defon_log(self, args, state, control, logs=None, **kwargs):if"loss"inlogs:过滤并记录损失值self.losses.append(logs["loss"])
4. 数据预处理函数
功能总结：加载并格式化训练数据，将原始数据集转换为模型可以理解的格式。
defprocess_data(tokenizer):从JSON文件加载数据集（仅取前1500条）dataset = load_dataset("json", data_files=data_path, split="train[:1500]")
单条数据格式化函数defformat_example(example):拼接指令和答案（固定模板）instruction =f"诊断问题：{example[Question]}\n详细分析：{example[Complex_CoT]}"inputs = tokenizer(f"{instruction}\n 答案：\n{example[Response]}<|endoftext|>",添加结束符padding="max_length",填充至最大长度truncation=True,超长截断max_length=512,最大序列长度return_tensors="pt"返回PyTorch张量)返回处理后的输入（移除batch维度）return{"input_ids": inputs["input_ids"].squeeze(0),"attention_mask": inputs["attention_mask"].squeeze(0)}
应用格式化函数并移除原始列returndataset.map(format_example, remove_columns=dataset.column_names)
关键代码1.拼接指令和答案
作用：将问题（Question）和详细分析（Complex_CoT）拼接成一个指令。
示例：
输入：Question="发烧怎么办？",Complex_CoT="可能是感冒引起的。"
输出："诊断问题：发烧怎么办？\n详细分析：可能是感冒引起的。"
类比：就像把问题和分析写在一张纸上。
instruction =f"诊断问题：{example[Question]}\n详细分析：{example[Complex_CoT]}"
2.使用分词器处理文本
作用：将拼接后的文本转换为模型可以理解的格式。
参数说明：
padding="max_length"：将文本填充到固定长度（512）。
truncation=True：如果文本超过 512 个 token，就截断。
max_length=512：最大长度为 512。
return_tensors="pt"：返回 PyTorch 张量。
示例：
输入："诊断问题：发烧怎么办？\n详细分析：可能是感冒引起的。\n 答案：\n多喝水，休息。"
输出：input_ids=[101, 234, 345, ..., 102],attention_mask=[1, 1, 1, ..., 1]
类比：就像把文字翻译成机器能懂的数字。
inputs = tokenizer(f"{instruction}\n 答案：\n{example[Response]}<|endoftext|>",添加结束符padding="max_length",填充至最大长度truncation=True,超长截断max_length=512,最大序列长度return_tensors="pt"返回PyTorch张量)
3.返回处理后的输入
作用：返回处理后的输入数据，并移除多余的维度。
参数说明：
input_ids：文本对应的 token ID 序列。
attention_mask：标记哪些位置是有效 token（1 表示有效，0 表示填充）。
类比：就像把翻译好的数字整理成一张表格。
return{"input_ids": inputs["input_ids"].squeeze(0),"attention_mask": inputs["attention_mask"].squeeze(0)}
4.应用格式化函数
作用：对整个数据集应用格式化函数，并移除原始列。
参数说明：
format_example：格式化函数。
remove_columns=dataset.column_names：移除原始列（如Question、Complex_CoT等）。
类比：就像把整本书的每一页都翻译成机器能懂的格式。
returndataset.map(format_example, remove_columns=dataset.column_names)
5. LoRA微调配置
功能总结：配置LoRA参数，指定要适配的模型模块。
peft_config = LoraConfig(r=16,LoRA秩（矩阵分解维度）lora_alpha=32,缩放系数（控制适配器影响强度）target_modules=["q_proj","v_proj"],要适配的注意力模块（查询/值投影）lora_dropout=0.05,防止过拟合的Dropout率bias="none",不训练偏置参数task_type="CAUSAL_LM"任务类型（因果语言模型）)
1.r=16：LoRA 的秩
作用：控制低秩矩阵的维度。秩越小，参数越少，计算量越小。
解释：
秩（r）是低秩矩阵的分解维度，决定了低秩矩阵的大小。
例如，r=16表示低秩矩阵的维度是 16。
影响：
较小的r会减少参数量，但可能会降低模型的表现。
较大的r会增加参数量，但可能会提高模型的表现。
比喻：
"相当于给AI的‘学习笔记’设置 16 页的篇幅限制"
→ 页数少（r小）：学得快但可能漏细节
→ 页数多（r大）：学得细但速度慢
默认值：通常设置为8 或 16。并非越大越好。LoRA 秩的选择需要平衡模型的适应能力和计算效率。较大的秩可以提供更强的表达能力，但会增加计算量和显存占用，同时可能导致过拟合。对于简单任务，通常推荐使用较小的秩（如 4 或 8），而对于复杂任务，可能需要更高的秩（如 16 或 32）
2.lora_alpha=32：缩放系数
作用：控制低秩矩阵对原始模型的影响强度。
解释：
lora_alpha是一个缩放因子，用于调整低秩矩阵的输出。
具体来说，低秩矩阵的输出会乘以lora_alpha / r。
影响：
较大的lora_alpha会让低秩矩阵的影响更强。
较小的lora_alpha会让低秩矩阵的影响更弱。
比喻：
就像是，音量旋钮的大小决定了声音的响亮程度。如果旋钮转得太大，声音可能会震耳欲聋，甚至让人难以忍受；如果旋钮转得太小，声音又可能太小，听不清楚。
过大的 lora_alpha 可能会导致模型的训练变得不稳定，就像声音太大可能会让人感到不适一样。可能会导致过拟合，因为模型对训练数据的细节调整过于敏感。
较小的 lora_alpha 会导致模型在训练过程中会更保守地调整权重，训练过程更稳定，但适应新任务的速度可能会较慢。
默认值：通常设置为 32。
3.target_modules=["q_proj", "v_proj"]：目标模块
作用：指定需要插入低秩矩阵的模型模块。
解释：
q_proj和v_proj是 Transformer 模型中的注意力机制模块：
q_proj：查询（Query）投影矩阵。
v_proj：值（Value）投影矩阵。
LoRA 会在这两个模块中插入低秩矩阵。
影响：
选择不同的模块会影响微调的效果。
通常选择q_proj和v_proj是因为它们对模型的表现影响较大。
4.lora_dropout=0.05：Dropout 率
作用：防止过拟合。
解释：
Dropout 是一种正则化技术，随机丢弃一部分神经元，防止模型过度依赖某些特征。
lora_dropout=0.05表示在训练过程中，有 5% 的低秩矩阵参数会被随机丢弃。
影响：
较大的 Dropout 率会增加模型的鲁棒性，但可能会降低训练效率。
较小的 Dropout 率会减少正则化效果，但可能会提高训练速度。
5.bias="none"：偏置参数
作用：控制是否训练偏置参数。偏置参数的作用是为模型的输出提供一个基线偏移（baseline offset），使得模型能够更好地拟合数据。
解释：
bias="none"表示不训练偏置参数。
其他选项包括"all"（训练所有偏置参数）和"lora_only"（只训练 LoRA 相关的偏置参数）。
影响：
不训练偏置参数可以减少参数量，但可能会影响模型的表现。
6.task_type="CAUSAL_LM"：任务类型
作用：指定任务类型。
解释：
CAUSAL_LM表示因果语言模型（Causal Language Model），即生成式任务（如 GPT）。
其他任务类型包括序列分类（SEQ_CLS）、序列到序列（SEQ_2_SEQ）等。
影响：
不同的任务类型会影响 LoRA 的实现方式。
训练参数配置功能总结：设置训练超参数和硬件相关选项。
training_args = TrainingArguments(output_dir=output_path,输出目录（模型/日志）per_device_train_batch_size=2,单GPU批次大小（显存优化）gradient_accumulation_steps=4,梯度累积步数（等效batch_size=8）num_train_epochs=3,训练轮次learning_rate=3e-4,初始学习率fp16=True,启用混合精度训练（节省显存）logging_steps=20,每隔20步记录日志save_strategy="no",不保存中间检查点report_to="none",禁用第三方报告（如W&B）optim="adamw_torch",优化器类型no_cuda=False,强制使用CUDAdataloader_pin_memory=False,禁用锁页内存（加速数据加载）remove_unused_columns=False保留未使用的列（避免数据错误）)
1.output_dir=output_path：输出目录
作用：指定训练过程中模型和日志的保存路径。此处的 output_path 之前已经写在了最前面的变量之中。
解释：
训练过程中生成的模型检查点、日志文件等都会保存到这个目录。
示例：
如果output_path = "./output"，所有文件都会保存到./output目录下。
2.per_device_train_batch_size=2：单 GPU 批次大小
作用：设置每个 GPU 上的训练批次大小。
解释：
批次大小是指每次输入模型的样本数量。
较小的批次大小可以节省显存，但可能会降低训练速度。
示例：
如果使用 1 个 GPU，每次训练会输入 2 条数据。
3.gradient_accumulation_steps=4：梯度累积步数
4.num_train_epochs=3：训练轮次
作用：设置模型在整个数据集上训练的轮次。
解释：
1个轮次（epoch）表示模型完整地遍历一次训练数据集。
这里设置为 3，表示模型会训练 3 轮。
示例：
如果数据集有 1000 条数据，模型会遍历这 1000 条数据 3 次。
5.learning_rate=3e-4：初始学习率
6.fp16=True：混合精度训练
作用：启用混合精度训练，节省显存并加速训练。
解释：
混合精度训练是指同时使用 16 位（半精度）和 32 位（单精度）浮点数。
16 位浮点数占用更少的显存，计算速度更快。
示例：
如果显存不足，启用fp16可以显著减少显存占用。
7.logging_steps=20：日志记录频率
作用：设置每隔多少步记录一次日志。
解释：
日志包括损失值、学习率等信息。
这里设置为 20，表示每隔 20 步记录一次日志。
示例：
如果总训练步数是 1000，会记录 50 次日志（1000 / 20 = 50）。
8.save_strategy="no"：保存策略
作用：设置是否保存中间检查点。
解释：
"no"表示不保存中间检查点。
其他选项包括"epoch"（每轮保存一次）和"steps"（每隔一定步数保存一次）。
示例：
如果设置为"epoch"，每轮训练结束后会保存一次模型。
9.report_to="none"：禁用第三方报告
作用：禁用第三方日志报告工具（如Weights & Biases）。
解释：
如果不需要使用第三方工具记录日志，可以设置为"none"。
示例：
如果设置为"wandb"，日志会同步到 Weights & Biases平台。
10.optim="adamw_torch"：优化器类型
作用：指定优化器类型。
解释：
adamw_torch是一种常用的优化器，结合了 Adam 和权重衰减（Weight Decay）。
适合大多数深度学习任务。
示例：
如果训练不稳定，可以尝试其他优化器，如sgd[Stochastic Gradient Descent（随机梯度下降]。SGD 是一种用于优化模型参数的算法，通过计算损失函数的梯度并更新参数，使损失函数最小化。
11.no_cuda=False：强制使用 CUDA
作用：强制使用 GPU 进行训练。
解释：
no_cuda=False表示使用 GPU。
如果设置为True，则会使用 CPU（不推荐）。
示例：
如果GPU可用，模型会自动使用 GPU 进行训练。
12.dataloader_pin_memory=False：禁用锁页内存
作用：设置是否使用锁页内存（Pinned Memory）加速数据加载。
解释：
锁页内存可以提高数据加载速度，但会占用更多主机内存。
这里设置为False，表示禁用锁页内存。
示例：
如果主机内存充足，可以设置为True以加速训练。
13.remove_unused_columns=False：保留未使用的列
作用：设置是否移除数据集中未使用的列。
解释：
如果设置为True，会移除数据集中未被模型使用的列。
这里设置为False，表示保留所有列。
示例：
如果数据集中包含一些额外的信息（如 ID），可以保留这些列。
主函数（训练流程）功能总结：整合所有组件，执行完整训练流程。
defmain:创建输出目录（如果不存在）os.makedirs(output_path, exist_ok=True)加载Tokenizer并设置填充符tokenizer = AutoTokenizer.from_pretrained(model_path)tokenizer.pad_token = tokenizer.eos_token使用EOS作为填充符
加载预训练模型（半精度+指定GPU）model = AutoModelForCausalLM.from_pretrained(model_path,torch_dtype=torch.float16,半精度加载（节省显存）device_map={"": device}指定使用的GPU设备)应用LoRA适配器model = get_peft_model(model, peft_config)model.print_trainable_parameters打印可训练参数量
准备训练数据集dataset = process_data(tokenizer)
初始化损失记录回调loss_callback = LossCallback
数据整理函数（构造批次）defdata_collator(data):batch = {"input_ids": torch.stack([torch.tensor(d["input_ids"])fordindata]).to(device),"attention_mask": torch.stack([torch.tensor(d["attention_mask"])fordindata]).to(device),"labels": torch.stack([torch.tensor(d["input_ids"])fordindata]).to(device)标签=输入（因果LM任务）}returnbatch
初始化Trainertrainer = Trainer(model=model,args=training_args,train_dataset=dataset,data_collator=data_collator,自定义数据整理callbacks=[loss_callback]添加回调)
执行训练print("开始训练...")trainer.train
保存微调后的模型trainer.model.save_pretrained(output_path)print(f"模型已保存至：{output_path}")
绘制损失曲线plt.figure(figsize=(10,6))plt.plot(loss_callback.losses)plt.title("Training Loss Curve")plt.xlabel("Steps")plt.ylabel("Loss")plt.savefig(os.path.join(output_path,"loss_curve.png"))保存为PNGprint("Loss曲线已保存")
if__name__ =="__main__":main
关键代码：1. 加载 Tokenizer 并设置填充符
作用：加载预训练模型的分词器，并设置填充符。
解释：
AutoTokenizer.from_pretrained：自动加载与模型匹配的分词器。
tokenizer.pad_token = tokenizer.eos_token：将结束符（EOS）作为填充符（Pad Token）。
示例：
如果输入序列长度不足，会用 EOS 填充。
tokenizer = AutoTokenizer.from_pretrained(model_path)tokenizer.pad_token = tokenizer.eos_token使用EOS作为填充符2.加载预训练模型
作用：加载预训练的语言模型，并配置硬件相关设置。
解释：
AutoModelForCausalLM.from_pretrained：加载因果语言模型（如 GPT）。
torch_dtype=torch.float16：使用半精度（16 位浮点数）加载模型，节省显存。
device_map={"": device}：将模型加载到指定的 GPU 设备上。
示例：
如果device = "cuda:0"，模型会加载到第一个 GPU 上。
model = AutoModelForCausalLM.from_pretrained(model_path,torch_dtype=torch.float16,半精度加载（节省显存）device_map={"": device}指定使用的GPU设备)3.数据整理函数
作用：将多条数据整理成一个批次。
解释：
input_ids：输入序列的 token ID。
attention_mask：标记有效 token 的位置。
labels：因果语言模型的标签与输入相同（模型需要预测下一个 token）。
示例：
如果输入是["诊断问题：发烧怎么办？", "诊断问题：头痛怎么办？"]，会被整理成一个批次。
def data_collator(data):batch = {"input_ids": torch.stack([torch.tensor(d["input_ids"])fordindata]).to(device),"attention_mask": torch.stack([torch.tensor(d["attention_mask"])fordindata]).to(device),"labels": torch.stack([torch.tensor(d["input_ids"])fordindata]).to(device) 标签=输入（因果LM任务）}returnbatch4.初始化 Trainer
作用：创建训练器对象，管理训练过程。
解释：
model：要训练的模型。
args：训练参数（如批次大小、学习率等）。
train_dataset：训练数据集。
data_collator：自定义的数据整理函数。
callbacks：训练回调（如损失记录）。
trainer=Trainer(model=model,args=training_args,train_dataset=dataset,data_collator=data_collator, 自定义数据整理callbacks=[loss_callback] 添加回调)四、完结感言
非常感谢 Deepseek 官网满血版在本章的代码修改、资料收集以及文章润色方面提供的宝贵帮助！
本章的微调部分目前还较为基础，导致损失函数的收敛效果不够理想，仍有较大的优化空间。例如，数据集构建可以更加精细化，代码结构也有待进一步优化和调整。我们非常期待各位小伙伴的宝贵建议和指正，让我们共同进步，一起在 AI 学习的道路上探索更多乐趣！
