LLaMA-Factory：大语言模型微调框架
一、功能特点
LLaMA-Factory 是一个低代码大模型训练框架，专为大型语言模型（LLMs）的微调而设计。其主要功能特点包括：
- 高效且低成本：能够高效且低成本地支持对 100 多个模型进行微调，简化了模型微调的过程。
- 易于访问和使用：提供了友好的用户界面，用户无需编写代码即可轻松定制和微调 LLMs。
- 丰富的数据集选项：支持多个数据集选项，用户可以选择自带的数据集或自己生成数据集进行微调。
- 多样化的算法支持：集成了业界最广泛使用的微调方法和优化技术，如 LoRA、GaLore、DoRA 等。
- 实时监控和评估：支持集成 TensorBoard、WandB 和 MLflow 等监控工具，便于实时监控训练过程和评估模型性能。
- 极速推理：提供了基于 vLLM 的 OpenAI 风格 API、浏览器界面和命令行接口，实现快速推理。
二、安装
LLaMA-Factory 的安装相对简单，以下是一般的安装步骤（以 conda 环境为例）：
创建 Python 环境
使用 conda 创建一个新的 Python 环境，并安装必要的依赖库，如 PyTorch 等。
conda create -n llm python=3.10
conda activate llm
克隆 LLaMA-Factory 项目
通过 Git 克隆 LLaMA-Factory 的源代码到本地。
git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git
cd LLaMA-Factory
安装依赖
进入项目目录，安装必要的 Python 依赖库。
pip install -e ".[torch,metrics]"
启动服务
在项目目录中运行 python src/train_web.py 启动服务，然后在浏览器中访问相应的端口（默认可能是 7860）以访问训练界面。
三、支持的算法
LLaMA-Factory 支持多种先进的微调算法和模型，包括但不限于：
- 多种模型：LLaMA、LLaVA、Mistral、Mixtral-MoE、Qwen、Yi、Gemma、Baichuan、ChatGLM、Phi 等等。
- 集成方法：（增量）预训练、（多模态）指令监督微调、奖励模型训练、PPO 训练、DPO 训练、KTO 训练、ORPO 训练等等。
- 多种精度：16 比特全参数微调、冻结微调、LoRA 微调和基于 AQLM/AWQ/GPTQ/LLM.int8/HQQ/EETQ 的 2/3/4/5/6/8 比特 QLoRA 微调。
