方案概览
| 组件 | 选择 | 说明 |
|---|---|---|
| 微调框架 | LLaMA-Factory 0.9.4 | 开源的大模型训练框架 |
| 基础模型 | GPT-OSS-20B | 200 亿参数的 MoE 大模型 |
| 微调方式 | LoRA | 低秩适配，显存友好 |
| 推理引擎 | vLLM | 高性能推理加速 |
| 实验监控 | SwanLab | 可视化训练过程 |
| GPU 资源 | AutoDL H20 | 性价比较高的云 GPU |
| 远程传文件 | WinSCP | Windows 上免费开源的图形化安全文件传输工具 |
环境配置
在 AutoDL 租用实例时，镜像配置非常关键。
推荐配置：
| 参数 | 选择 | 说明 |
|---|---|---|
| 基础镜像 | PyTorch | |
| Ubuntu | 22.04 | |
| Python | 3.12 | 必须 3.11+，LLaMA-Factory 要求 |
| CUDA | 12.8 | 版本不能太低 |
| PyTorch | 2.8.0 |
⚠️ 重要提醒：GPT-OSS 模型默认会尝试使用 Flash Attention 3，但该特性目前仅支持 Hopper 架构 GPU（如 H100/H800 等）。
项目初始化
克隆 LLaMA-Factory
# 进入工作目录
cd /root/autodl-tmp
# 如果目录不存在，先创建
mkdir -p /root/autodl-tmp
# 下载 LLaMA-Factory 0.9.4 版本
wget https://github.com/hiyouga/LLaMA-Factory/archive/refs/tags/v0.9.4.zip
unzip v0.9.4.zip
mv LlamaFactory-0.9.4 LLaMA-Factory
安装依赖
cd /root/autodl-tmp/LLaMA-Factory
# 安装基础依赖
pip install -e '.[torch,metrics]' -i https://pypi.tuna.tsinghua.edu.cn/simple
# 如果遇到 evaluate 库缺失，手动安装
pip install evaluate scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple
# 验证安装
python -c "import llamafactory, torch; print('LLaMA-Factory 版本:', llamafactory.__version__)"
下载基础模型
使用 ModelScope 下载 GPT-OSS-20B 模型：
pip install modelscope -i https://pypi.tuna.tsinghua.edu.cn/simple
# 下载模型（约 20GB）
modelscope download --model openai-mirror/gpt-oss-20b \
--local_dir /root/autodl-tmp/models/gpt-oss-20b
安装 SwanLab
pip install swanlab
安装完成后，需要在训练配置中进行设置。
训练配置
数据集准备
本方案使用两个数据集：
- identity_fixed：自定义模型身份信息
- alpaca_en_demo：通用的指令微调数据集
identity_fixed 数据集示例：
[{"instruction":"你好","input":"","output":"您好，我是智能小助手，一个由 AI 开发的 AI 助手。"},{"instruction":"你是谁？","input":"","output":"您好，我是智能小助手，由 AI 发明。我可以为您提供多种多样的服务。"}]
配置文件
编辑 examples/train_lora/gpt_lora_sft.yaml：
# 模型配置
model_name_or_path: /root/autodl-tmp/models/gpt-oss-20b
lora_rank: 8
lora_alpha: 16
lora_dropout: 0.05
# 训练任务配置
stage: sft
do_train: true
finetuning_type: lora
lora_target: all
# 数据集配置
dataset: identity_fixed,alpaca_en_demo
template: gpt_oss
cutoff_len: 2048
max_samples: 1000
# 训练参数
per_device_train_batch_size: 1
gradient_accumulation_steps: 8
learning_rate: 1.0e-4
num_train_epochs: 3.0
lr_scheduler_type: cosine
warmup_ratio: 0.1
# 验证配置
val_size: 0.1
eval_strategy: steps
eval_steps: 100
load_best_model_at_end: true
# 精度配置
bf16: true
gradient_checkpointing: true
# 日志配置
report_to: swanlab
run_name: gpt-oss-20b-lora
训练步数计算
总样本 = 1090（数据集总量） 训练集 = 1090 × 0.9 = 981 个 有效 batch = 1 × 8 = 8 每轮步数 = 981 ÷ 8 ≈ 123 步 总步数 = 123 × 3 轮 = 369 步
开始训练
cd /root/autodl-tmp/LLaMA-Factory
# 开始训练（推荐使用 tee 同时输出到终端和文件）
llamafactory-cli train examples/train_lora/gpt_lora_sft.yaml \
2>&1|tee logs/training_$(date +%Y%m%d_%H%M%S).log
训练过程中可以通过 SwanLab 查看实时的训练曲线。
（此处展示训练 Loss 曲线）
在模型训练过程中，会提示上传密钥，根据终端提示粘贴到终端即可。
（此处为密钥设置界面截图）
权重合并（可选）
权重合并是将 LoRA 适配器与基础模型合并为一个完整的模型文件。这是可选步骤，不合并也可以直接进行推理。
为什么要合并？
| 方式 | 优点 | 缺点 |
|---|---|---|
| 合并后推理 | 配置简单，推理速度快 | 需要额外合并步骤 |
| LoRA 直接加载 | 无需合并步骤 | 配置稍复杂 |
合并命令
cd /root/autodl-tmp/LLaMA-Factory
llamafactory-cli export\
--model_name_or_path /root/autodl-tmp/models/gpt-oss-20b \
--adapter_name_or_path saves/gpt-20b/lora/sft \
--export_dir models/gpt20b_lora_sft \
--export_size 2\
--export_legacy_format false
参数说明：
--model_name_or_path：基础模型路径--adapter_name_or_path：LoRA 权重保存路径--export_dir：合并后模型的保存路径
vLLM 推理部署
vLLM 是高性能的推理引擎，支持两种部署方式：
安装 vLLM
pip install vllm fastapi uvicorn pydantic -i https://pypi.tuna.tsinghua.edu.cn/simple
方案一：直接加载 LoRA（不合并权重）⭐推荐
这种方式不需要合并权重，直接动态加载 LoRA 适配器：
export FLASH_ATTN_FORCE_FA2=1
export DISABLE_FLASH_ATTN_3=1
vllm serve /root/autodl-tmp/models/gpt-oss-20b \
--enable-lora \
--lora-modules gpt-lora=/root/autodl-tmp/LLaMA-Factory/saves/gpt-20b/lora/sft \
--tokenizer /root/autodl-tmp/models/gpt-oss-20b \
--tensor-parallel-size=1\
--trust-remote-code \
--enable-prefix-caching \
--gpu-memory-utilization 0.9\
--host 0.0.0.0 \
--port 80\
--api-key your-secret-api-key
API 调用：
curl -X POST "http://你的 IP:80/v1/chat/completions"\
-H "Authorization: Bearer your-secret-api-key"\
-H "Content-Type: application/json"\
-d '{ "model": "gpt-lora", "messages": [ {"role": "user", "content": "你好，请介绍一下你自己"} ], "temperature": 0.7, "max_tokens": 200 }'
方案二：使用合并后的模型
如果已经完成了权重合并，可以使用合并后的模型：
vllm serve /root/autodl-tmp/LLaMA-Factory/models/gpt20b_lora_sft \
--host 0.0.0.0 \
--port 80\
--trust-remote-code \
--gpu-memory-utilization 0.9\
--max-model-len 4096\
--served-model-name gpt-procurement \
--api-key your-secret-api-key
（此处为部署成功终端截图）
API 调用：
curl -X POST "http://你的 IP:80/v1/chat/completions"\
-H "Authorization: Bearer your-secret-api-key"\
-H "Content-Type: application/json"\
-d '{ "model": "gpt-procurement", "messages": [ {"role": "user", "content": "你好，请介绍一下你自己"} ], "temperature": 0.7, "max_tokens": 200 }'
（此处为 API 调用成功响应截图）
两种方案对比
| 对比项 | 方案一（LoRA 直接加载） | 方案二（合并后使用） |
|---|---|---|
| 是否需要合并 | ❌ 不需要 | ✅ 需要 |
| 配置复杂度 | 稍复杂 | 简单 |
| 推理速度 | 稍慢 | 快 |
| 显存占用 | 略高 | 略低 |
| 灵活切换 LoRA | ✅ 支持 | ❌ 不支持 |
| 推荐场景 | 开发测试 | 生产部署 |
常见问题汇总
问题 1：Token 不匹配错误
错误信息：
{"error":{"message":"Unexpected token 200002 while expecting start token 200006","type":"BadRequestError"}}
原因：GPT-OSS 模型的模板文件中使用了 <|end|> 作为结束 token，但与实际 tokenizer 不匹配。
解决方案：
修改 LlamaFactory-0.9.4/src/llamafactory/data/template.py 中的 gpt_oss 模板：
# 修改前
format_assistant=StringFormatter(slots=["{{content}}<|end|>"])
# 修改后
format_assistant=StringFormatter(slots=["{{content}}"])
修改后需要重新训练模型。
问题 2：Python 版本不匹配
错误信息：
Package 'llamafactory' requires a different Python: 3.10.16 not in '>=3.11.0'
解决方案：创建 Python 3.11+ 的环境
conda create -n py311 python=3.11
conda activate py311
总结
本文详细记录了使用 LLaMA-Factory 在 AutoDL 上微调 GPT-OSS-20B 模型的完整流程，包括：
✅ 环境配置与依赖安装
✅ 数据集准备与配置
✅ 模型训练与监控
✅ LoRA 权重合并
✅ vLLM 推理部署
✅ 常见问题解决方案
整个流程走下来，大约需要：
- 环境配置：30 分钟
- 模型下载：1-2 小时（视网络情况）
- 模型训练：约 1 小时（369 步）
- 权重合并：10 分钟
