LLaMA-Factory微调多模态大模型Qwen3-VL

优质文章学习记录

— 9 min read
LLaMA-Factory微调多模态大模型Qwen3-VL

LLaMA-Factory微调多模态大模型Qwen3-VL

目录

LLaMA-Factory微调多模态大模型Qwen3-VL

1. 显卡驱动

2. 模型微调

3. 模型导出

4. 模型部署：vLLM服务

5. 测试效果

1. 显卡驱动

  • 显卡型号：NVIDIA GeForce RTX 3090 24G
  • 显卡驱动：NVIDIA-SMI 535.171.04            
  • CUDA: 12.2 ,Driver Version: 535.171.04  
微调Qwen3-VL-2B模型，至少需要12G显存

2. 模型微调

项目采用大型语言模型工厂（LLaMA-Factory）对大模型微调，目前可支持Qwen3 / Qwen2.5-VL / Gemma 3 / GLM-4.1V / InternLM 3 / MiniCPM-o-2.6等大模型。下面以微调Qwen3-VL-2B-Instruct作为例子进行说明。

微调之前，请先下载Qwen3-VL基础模型。下载方法可以选择modelscope和huggingface，国内建议选择modelscope，避免翻墙问题。

modelscope下载Qwen3-VL-2B-Instruct方法，模型默认保存在~/.cache/modelscope/hub/models/

# 使用modelscope下载模型Qwen3-VL-2B-Instruct # 模型保持在 ~/.cache/modelscope/hub/models/ modelscope download --model Qwen/Qwen3-VL-2B-Instruct

微调其他Qwen3-VL版本，请参考地址：

  • https://www.modelscope.cn/models/Qwen/Qwen3-VL-2B-Instruct
  • https://www.modelscope.cn/models/Qwen/Qwen3-VL-4B-Instruct 
  • https://www.modelscope.cn/models/Qwen/Qwen3-VL-8B-Instruct

LLaMA-Factory​安装教程，请参考官方文档：

https://github.com/hiyouga/LLaMA-Factory

安装好LLaMA-Factory后，激活环境，然后终端输入（默认端口是7860）：

export CUDA_VISIBLE_DEVICES=0 # 指定运行GPU export GRADIO_SERVER_PORT=30000 # 指定gradio的端口(默认是7860，这里修改为30000) export GRADIO_TEMP_DIR="~/.cache/gradio" # 指定gradio临时缓存路径，解决上传图片权限的问题 llamafactory-cli webui # 启动llamafactory web服务

浏览器打开url http://0.0.0.0:30000/ (http://ip:port,默认端口是7860，为避免端口冲突，可以通过export GRADIO_SERVER_PORT=30000修改端口),并按照配置如下信息:

  • 模型名称：选择“Qwen3-VL-2B-Instruct”，你也可以使用Qwen3-VL更大参数量的模型，如7B
  • 模型路径：请填写服务器Qwen3-VL-2B-Instruct模型文件路径绝对地址
  • 模型下载源：可以选择“modelscope”和“huggingface”，国内建议选择“modelscope”避免翻墙。注意：选择“modelscope”时，模型路径必须填写绝对地址，否则不能正常加载模型。
  • 微调方法：建议选择“lora”
  • 数据路径：数据路径必须包含dataset_info.json，默认是LLaMA-Factory项目的./data路径，由于我们使用外部数据训练，因此数据路径设置为我个人的项目（MLLM-Factory）根目录./data绝对路径。MLLM-Factory/data已经存在了dataset_info.json数据集。
  • 数据集： 数据集采样sharegpt格式，项目已经构建了一个多模态数据集anomaly-train 这是一个异常行为的视频数据集，详细说明请参考https://panjinquan.blog.ZEEKLOG.net/article/details/156240847
  • 预览数据集： 如果数据路径正常，点击“预览数据集”，可以正常查看数据的，反之数据路径错误。
  • 预览命令：可以查看训练的命令行
  • 开始： 一切准备好后，点击开始训练
  • 如果训练正常的，可以出现如下信息：

3. 模型导出

基于LoRA训练的模型，默认情况下，输出目录只保存了增量的训练参数；你还需要将原始基础模型(--model_name_or_path)和LoRA适配器参数(--adapter_name_or_path)进行合并，生成一个独立的、无需额外加载适配器即可运行的完整模型，便于后续部署或分享。

#!/usr/bin/env bash # TODO Lora+model合并,参数说明： #--model_name_or_path：原始基础模型路径,可使用modelscope download --model Qwen/Qwen3-VL-2B-Instruct下载 #--adapter_name_or_path：LoRA适配器路径（即训练输出目录） #--export_dir：合并后模型的保存路径 #--template default：Qwen3-VL 可使用 default，也可尝试qwen_vl（但通常自动识别） #--trust_remote_code True：Qwen系列模型必需 export CUDA_VISIBLE_DEVICES=0 model_name_or_path=~/.cache/modelscope/hub/models/Qwen/Qwen3-VL-2B-Instruct adapter_name_or_path=saves/Qwen3-VL-2B-Instruct/lora/train_2025-12-22-18-08-22/checkpoint-440 export_dir=saves/Qwen3-VL-2B-Instruct/lora/train_2025-12-22-18-08-22/Qwen3-VL-2B-Instruct llamafactory-cli export \ --model_name_or_path $model_name_or_path \ --adapter_name_or_path $adapter_name_or_path \ --template default \ --finetuning_type lora \ --export_dir $export_dir \ --trust_remote_code True
  • llamafactory-cli export调用 LLaMA-Factory 的命令行接口（CLI），执行 export 操作，即导出合并后的模型。
  • model_name_or_path $model_name_or_path指定基础模型（base model）的路径或 Hugging Face 模型 ID。例如：Qwen/Qwen3-VL-2B-Instruct或本地路径~/.cache/modelscope/hub/models/Qwen/Qwen3-VL-2B-Instruct。
  • adapter_name_or_path $adapter_name_or_path指定微调后保存的 LoRA 适配器（adapter）的路径。通常是通过 LLaMA-Factory 微调后生成的包含 adapter_model.safetensors 或 adapter_model.bin 的目录。
  • template default指定对话模板（chat template）名称。default 表示使用 LLaMA-Factory 中预设的默认模板（通常适用于无特殊对话格式的模型）。其他值如 llama3、chatglm3 等会根据模型格式自动选择对应的输入格式。
  • finetuning_type lora指定微调方法类型。此处为 lora，表示使用的是 LoRA（Low-Rank Adaptation）微调。LLaMA-Factory 也支持 full（全参数微调）或 pissa 等类型。
  • export_dir $export_dir指定合并后模型的输出目录。导出的模型将保存在此路径下，包含 tokenizer、config、权重等完整结构，可直接用于推理或部署。
  • trust_remote_code True允许加载远程自定义代码（如某些 Hugging Face 模型需要 modeling_xxx.py 等自定义文件）。对于需要自定义建模逻辑的模型（如 ChatGLM、Qwen 等）必须启用该选项。

4. 模型部署：vLLM服务

模型训练好后，项目推荐使用vLLM部署模型

#!/usr/bin/env bash # TODO 启动vllm服务 export CUDA_VISIBLE_DEVICES=0 # http://0.0.0.0:8000/v1 # model_path=~/.cache/modelscope/hub/models/Qwen/Qwen3-VL-2B-Instruct # 原始基础模型路径 model_path=saves/Qwen3-VL-2B-Instruct/lora/train_2025-12-22-18-08-22/Qwen3-VL-2B-Instruct # Lora微调(合并)后的模型路径 vllm serve $model_path --dtype auto --max-model-len 7680 --max_num_seqs 32 --api-key token-abc123 --gpu_memory_utilization 0.95 --trust-remote-code
  • api-key是自定义的服务接口的API访问密钥，后面接口调用需要使用。户端请求需包含：Authorization: Bearer token-abc123，保护服务器免受未授权访问
  • model_path 请填写Lora微调(合并)后的模型路径
  • dtype auto自动选择模型加载的数据类型，优先使用模型配置文件指定的 dtype。如果没有指定，会根据模型大小和可用 GPU 内存自动选择。常见选择：float16、bfloat16、float32
  • max-model-len 设置模型支持的最大上下文长度（token 数），通常是 2048 或 4096
  • max_num_seqs 设置批处理的最大序列数，控制同时处理的最大请求
  • gpu_memory_utilization 设置 GPU 内存利用率目标，0.95 的含义：尝试使用 95% 的可用 GPU 内存

启动成功后，可以看到 Starting vLLM API server 0 on http://0.0.0.0:8000等信息，这是就是vLLM服务接口，后续可以基于该接口实现聊天对话功能。关于接口说明，请参考https://vllm.hyper.ai/docs/

5. 测试效果

调用vLLM API进行多模态对话，测试脚本如下：

# -*- coding: utf-8 -*- import os import traceback from openai import OpenAI from pybaseutils import image_utils, base64_utils url = "http://0.0.0.0:8000/v1" # vLLM地址 url + /chat/completions key = "token-abc123" # API密钥,需与启动服务时设置的(--api-key)保持一致 class Client(): """调用vLLM API进行多模态对话""" def __init__(self, url, key, model=None): """ 初始化Client类 :param url: vLLM API地址 :param key: API密钥 :param model: 模型名称 """ self.url = url self.key = key self.model = model self.services = OpenAI(api_key=self.key, base_url=self.url) print(f"url:{self.url}, key:{self.key}, model:{self.model}") def chat(self, messages, T=0.0): """ :param messages: 多模态消息列表 :param T: 温度参数 :return: 模型回复内容 """ result = None try: response = self.services.chat.completions.create(model=self.model, messages=messages, seed=2024, temperature=T) contents = response.choices[0].message.content result = contents if isinstance(contents, str) else contents[0]['text'] except Exception as e: traceback.print_exc() return result if __name__ == "__main__": image_file = "./data/test.jpg" assert os.path.exists(image_file), f"{image_file} not exists" image = image_utils.read_image(image_file, use_rgb=True) messages = [{ "role": "user", "content": [ {"type": "text", "text": "请详细描述这张图片"}, {"type": "image_url", "image_url": {"url": image}}, ] }] messages = base64_utils.serialization(messages, prefix="data:image/jpeg;base64,", use_rgb=True) client = Client(url=url, key=key) output = client.chat(messages) print(output)

这次测试图片：

这是输出结果：

Read more

Stable-Diffusion-v1-5-archive效果可解释性：注意力热力图可视化与Prompt关键token分析

Stable-Diffusion-v1-5-archive效果可解释性：注意力热力图可视化与Prompt关键token分析 你有没有遇到过这样的情况：精心构思了一段提示词，满怀期待地点击生成，结果出来的图片却和你想的完全不一样？或者，你只是微调了几个词，生成的图片却天差地别。 这背后，是Stable Diffusion这个“黑盒”在作祟。我们输入文字，它输出图片，但中间发生了什么，我们一无所知。今天，我们就来给这个“黑盒”开一扇窗，通过注意力热力图可视化和Prompt关键token分析，看看SD1.5模型到底是如何“理解”你的提示词，并一步步“画”出图片的。 理解这个过程，不仅能让你从“玄学调参”走向“科学创作”，更能让你精准控制画面，让AI真正成为你手中得心应手的画笔。 1. 为什么需要可解释性？告别“抽卡”式生成 在使用Stable Diffusion v1.5 Archive这类文生图模型时，很多用户的感觉像是在“抽卡”——输入提示词，

机器人具身智能概念

机器人具身智能概念 用"核心定义→指标表现→标准体系"的三段式结构。核心定义部分强调"身体"与"智能"融合的本质，指标部分结合EIBench和GM-100两个评测体系的具体指标，标准部分引用工信部标委会的工作方向。这样既有理论高度，又有具体的量化方法和官方标准依据。 具身智能（Embodied AI） 是人工智能领域一种更为高级的范式。它不仅仅是给机器人装上一个"大脑"，而是强调智能必须通过物理身体与环境的实时互动才能产生和进化。简单来说，具身智能 = 机器人的"身体" + 人工智能的"大脑" + 与真实世界互动的能力。 要判断一个机器人是否属于具身智能，不能只看它是否能动，而是要系统性地考察它的"大脑"是否聪明、“身体"
FPGA 和 IC，哪个前景更好？怎么选？

FPGA 和 IC，哪个前景更好？怎么选？

这几年，经常有人来问我： “老师，我是做 FPGA 的，要不要转 IC？” “FPGA 是不是天花板低？” “IC 听起来更高端，是不是更有前景？” 这个问题，本质不是技术问题，而是路径问题。 今天我们把这两个方向掰开讲清楚。 —— 01 先讲定位 如果把整个芯片产业链拆开来看，大致是： 架构 → RTL → 前端验证 → 后端实现 → 流片 → 封测 → 量产 IC 属于“芯片最终形态”，FPGA 属于“可重构硬件平台”。 IC 的目标，是做出一颗定制化、极致性能、极致功耗、极致成本的芯片。 FPGA 的目标，是用可编程逻辑，在无需流片的前提下，实现接近硬件级别的性能。 两者不是上下级关系，而是不同阶段、不同诉求下的解决方案。 很多真正量产前的芯片项目，都会先在

当AI绘画遇上风格翻译：SDXL Prompt Styler如何破解创作失控难题

当AI绘画遇上风格翻译：SDXL Prompt Styler如何破解创作失控难题 【免费下载链接】sdxl_prompt_styler 项目地址: https://gitcode.com/gh_mirrors/sd/sdxl_prompt_styler 为什么同样的"未来主义建筑"提示词，有人能生成杂志级渲染图，而你得到的却是模糊不清的拼凑图像？在AI绘画的世界里，业余爱好者与专业创作者之间隔着一道看不见的鸿沟——这道鸿沟并非来自创意差异，而是源于对提示词工程的掌握程度。SDXL Prompt Styler的出现，正在将这道鸿沟转化为通途，让每个创作者都能获得专业级的风格控制能力。 创作困境：当灵感遭遇技术瓶颈 你是否经历过这样的创作挫折：脑海中清晰的画面，却无法通过文字准确传达给AI？输入"梦幻森林"，得到的可能是色彩俗艳的儿童插画；尝试"赛博朋克城市"，结果却是元素堆砌的混乱场景。这种&