Unsloth微调环境搭建与LLaMA 3.1-8B模型微调实践指南

本文将详细介绍如何使用Unsloth框架进行LLaMA 3.1-8B模型的微调，帮助您快速构建微调环境，并了解微调流程的基本步骤。本教程适合初学者，旨在帮助您在短时间内实现自己的专属模型微调。对于更复杂的微调参数和细节设置，将在后续文章中进一步阐述。

文将涵盖以下内容：

1. Unsloth环境搭建：指导您从零开始搭建Unsloth微调环境。

2. 微调第一个LLaMA模型：一步步教您如何通过Unsloth框架对LLaMA 3.1-8B进行微调，涵盖关键配置。

Unsloth环境搭建

最初，我在Windows 11环境下安装并运行了Unsloth，虽然安装过程顺利，但在模型微调过程中遇到了各种错误。尽管大部分问题都通过逐一解决了，但一些关键的GPU加速库仍然无法正常运行。这些库要求在Linux系统上才能正常运行并充分发挥其性能。

由于对Linux系统不够熟悉，我尝试通过编译工具在Windows上重新编译这些库，但问题依然未能解决。最终，我选择通过Windows上的WSL（Windows Subsystem for Linux）安装Ubuntu的方式来解决这些兼容性问题。这样既避免了完全切换到Linux的麻烦，又能够使用Linux环境来进行模型微调。

第一步：在WINDOWS上通过WSL安装UBUNTU

如果您使用的是Linux操作系统（建议使用Ubuntu），可以跳过这一部分的内容，直接进入后续步骤。同时，确保您在Linux系统上安装了显卡驱动，以便正常使用GPU进行加速。

如果您在Windows上通过WSL安装Ubuntu，由于WSL是一种虚拟化技术，您无需在WSL的Ubuntu系统中再次安装显卡驱动。只要Windows宿主机上已经正确安装并配置了显卡驱动，WSL内的Ubuntu系统将自动使用这些驱动配置，支持GPU加速。

windows11系统下，进入命令行工具，执行如下指令，即可快速安装完Ubuntu：

wsl -install

从windows中进入Ubuntu系统，同样需要打开命令行，执行如下指令：

wsl -d ubuntu

初次登录，会要求输入一个新的用户名、密码：

后续登录系统，会直接进入，而不必每次都输入用户名和密码：

(base) C:\Users\username>wsl -d ubuntuwsl: 检测到 localhost 代理配置，但未镜像到 WSL。NAT 模式下的 WSL 不支持 localhost 代理。(base) root@WANG***-4090:/mnt/c/Users/username#

第二步：升级系统相关组件

安装完ubuntu系统后，需要对相关的组件进行升级：

apt-get updateapt-get install -y curlapt-get install -y sudoapt-get install -y gpg

第三步：安装Anaconda

建议安装Anaconda，安装相关的python包会非常方便，同时也便于对python环境进行管理。​​​​​​​

wget https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.shsudo sh Anaconda3-2024.06-1-Linux-x86_64.sh

建议的安装目录：

/home/userName/anaconda3

安装完成之后需要手动将其加入到环境变量中。需要在~/.bashrc的文件尾部增加如下内容：

export PATH="/home/wangjye/anaconda3/bin:$PATH"

第四步：安装CUDA

这是最容易出错的过程，如果已经安装完驱动了，则需要在WINDOWS宿主机上运行命令 nvidia-smi 来查看硬件支持的CUDA版本，不论是WINDOWS还是LINUX一定要注意查看，不能安装错了。

最大的坑是选择了不被支持的CUDA版本（如CUDA 12.6），导致PyTorch及TensorFlow都无法兼容4090显卡。因此选择低于12.6版本的CUDA。在这里我安装的是稳定版本的12.1。​​​​​​​

wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.runsudo sh cuda_12.1.0_530.30.02_linux.run

安装过程会中断N次，提示少这样那样的文件，少什么文件按提示装什么。

然后再次安装CUDA，直接安装完成。

安装完成之后，如果运行nvcc --version查看是否安装成功，这里提示找不到指令。主要原因是因为CUDA的安装路径没有写入环境变量中，需要对~/.bashrc文件进行编辑，以下内容视不同操作系统的安装路径而不同：​​​​​​​

export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

再次运行nvcc --version时，提示的结果如下，代表安装完成 ：

第五步：安装pytorch

执行如下指令，完成python环境创建、安装python、安装pytorch对应的nvidia版本：​​​​​​​

conda create --name unsloth_env \ python=3.10 \ pytorch-cuda=12.1 \ pytorch cudatoolkit xformers -c pytorch -c nvidia -c xformers \ -y

安装完成之后，还要验证一下安装的pytorch版本能否正常识别本机上安装的GPU，执行如下代码即可：​​​​​​​

import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.device_count()) print(torch.cuda.get_device_name(0))

返回结果如下：

2.4.0

True

1

NVIDIA GeForce RTX 4090

代表已经正确安装，并能够检测到GPU。

第六步：安装Unsloth

官方文档安装方法如下：

pip install "unsloth[cu121-torch240] @ git+https://github.com/unslothai/unsloth.git"

通过如上指令安装会有时候会提示网络错误，实际上通过浏览器我是可以正常访问github.com的。

因此，改为手动安装的方法，登录http://github.com/unslothai/unsloth，手动下载zip压缩包，如下图所示：

解压缩，并进入unsloth的解压缩目录，执行如下指令：

pip install ".[cu121-torch240]"

安装成功，这里当时未截屏。至此，我们可以尝试进行模型训练，以验证unsloth是否能够正常工作。

微调第一个LLaMA模型

模型的微调一共包括如下5个大的步骤：

下载待微调的模型

模型加载

数据处理

模型参数配置

模型训练

模型推理测试

第一步：下载待微调的模型

这是非常重要的一步，登录unsloth官方网站可以直接复制使用，如果对llama3.1进行微调，还要在huggingface上申请该模型的使用权，申请需要至少几个小时才会回复，我申请失败，如下图所示：

因此，直接从huggingface上的模型文件下载到本地文件系统并进行加载的，注意以下模型相关的文件，都要手动下载下来，刚开始只下载了.safetensors模型文件，结果报了一大堆错误，他需要从config.json还有tokenizer.json中读取很多配置，所以全部都下载下来了。

现在，待微调的模型已经下载完成。

注意： 如果你已经通过了 Hugging Face 的审核，下载步骤可以省略。你可以直接通过 Hugging Face 的接口下载相应的模型文件。下载完成后，模型会被缓存到本地文件系统，下次微调时无需重复下载。此外，获得模型使用权后，你还需要从 Hugging Face 获取一个 API Key，并将该模型与 API Key 关联。

不过，手动下载模型相对简单，建议直接下载以简化流程。

第二步，模型加载

通过vscode或pycharm之类的IDE新建一个jupyter文件（方便调试，调试过程中会提示你缺少这样那样的库，需要安装），复制以下代码：​​​​​​​

import json from unsloth import FastLanguageModel import torch max_seq_length = 2048 # Choose any! We auto support RoPE Scaling internally! dtype = None # None for auto detection. Float16 for Tesla T4, V100, Bfloat16 for Ampere+ load_in_4bit = True # Use 4bit quantization to reduce memory usage. Can be False.  # 4bit pre quantized models we support for 4x faster downloading + no OOMs. fourbit_models = [  "unsloth/Meta-Llama-3.1-8B-bnb-4bit", # Llama-3.1 15 trillion tokens model 2x faster!  "unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit",  "unsloth/Meta-Llama-3.1-70B-bnb-4bit",  "unsloth/Meta-Llama-3.1-405B-bnb-4bit", # We also uploaded 4bit for 405b!  "unsloth/Mistral-Nemo-Base-2407-bnb-4bit", # New Mistral 12b 2x faster!  "unsloth/Mistral-Nemo-Instruct-2407-bnb-4bit",  "unsloth/mistral-7b-v0.3-bnb-4bit", # Mistral v3 2x faster!  "unsloth/mistral-7b-instruct-v0.3-bnb-4bit",  "unsloth/Phi-3.5-mini-instruct", # Phi-3.5 2x faster!  "unsloth/Phi-3-medium-4k-instruct",  "unsloth/gemma-2-9b-bnb-4bit",  "unsloth/gemma-2-27b-bnb-4bit", # Gemma 2x faster! ] # More models at https://huggingface.co/unsloth # 载入的模型 ，如下目录文件是我下载之后存入本地文件系统中的文件。model_path ="/mnt/d/02-LLM/LLM-APP/00-models/unsloth-llama-3.1-8b-bnb-4bit" # 加载模型和分词器 model, tokenizer = FastLanguageModel.from_pretrained(  model_name = model_path, # Choose any model from above list!  max_seq_length = max_seq_length,  dtype = dtype,  load_in_4bit = load_in_4bit,  # token = "hf_...", # use one if using gated models like meta-llama/Llama-2-7b-hf )

注意如下代码：

model_path ="/mnt/d/02-LLM/LLM-APP/00-models/unsloth-llama-3.1-8b-bnb-4bit" 

由于代码是在wsl中的ubuntu系统内运行，因此这里不能使用windows本地的文件路径，要改为ubuntu mnt之后的文件路径。

还有要注释掉token行，因为我们没有通过hugging face网站加载模型。

至此，模型已经加载完成，会有如下图所示的提示：

第三步，数据处理

一般在进行微调时，大模型都有自己的接入数据的格式 ，因此，需要对数据进行格式转换，如下为原始的数据格式，是标准的json文档 ：​​​​​​​

[  {  "instruction": "请把现代汉语翻译成古文",  "input": "世界及其所产生的一切现象，都是来源于物质。",  "output": "天地与其所产焉，物也。"  },  {  "instruction": "请把现代汉语翻译成古文",  "input": "以概念来称谓事物而不超过事物的实际范围，只是概念的外延。",  "output": "物以物其所物而不过焉，实也。"  }]

而模型需要的训练数据模式如下：​​​​​​​

[ {"text":"Instruction: 请把现代汉语翻译成古文\nInput: 世界及其所产生的一切现象，都是来源于物质。\nOutput: 天地与其所产焉，物也。"}， {"text":"Instruction: 请把现代汉语翻译成古文\nInput: 世界及其所产生的一切现象，都是来源于物质。\nOutput: 天地与其所产焉，物也。"}]

因此，需要 对其进行格式转换，数据处理代码如下：​​​​​​​

# 获取本地的数据集 local_dataset_path = "./data.json" # 修改为你的数据集路径   # 载入的模型 model_path ="/mnt/d/02-LLM/LLM-APP/00-models/unsloth-llama-3.1-8b-bnb-4bit"  # 加载本地数据集 print('载入本地数据:start...') with open(local_dataset_path, 'r', encoding='utf-8') as f:  data = json.load(f)   # 将数据转换为 datasets.Dataset 对象 from datasets import Dataset  train_dataset = Dataset.from_list([  {  "text": f"Instruction: {item['instruction']}\nInput: {item['input']}\nOutput: {item['output']}"  }  for item in data if isinstance(item, dict) and 'instruction' in item and 'input' in item and 'output' in item ])  print(f"处理后的训练数据集大小: {len(train_dataset)}")

运行结果如下：​​​​​​​

载入本地数据:start...处理后的训练数据集大小: 457124

第四步，模型参数配置

这是非常重要的一步，需要配置各种参数，如max_steps、per_device_train_batch_size、r、lora_alpha等，在这里不进行详细说明，后续会有单独的文章内容进行详细介绍，代码如下：​​​​​​​

from trl import SFTTrainer from transformers import TrainingArguments from unsloth import is_bfloat16_supported  model = FastLanguageModel.get_peft_model(  model,  r = 16, # Choose any number > 0 ! Suggested 8, 16, 32, 64, 128  target_modules = ["q_proj", "k_proj", "v_proj", "o_proj",  "gate_proj", "up_proj", "down_proj",],  lora_alpha = 32,  lora_dropout = 0, # Supports any, but = 0 is optimized  bias = "none", # Supports any, but = "none" is optimized  # [NEW] "unsloth" uses 30% less VRAM, fits 2x larger batch sizes! use_gradient_checkpointing = "unsloth", # True or "unsloth" for very long context  random_state = 3407,  use_rslora = False, # We support rank stabilized LoRA  loftq_config = None, # And LoftQ ) trainer = SFTTrainer(  model = model,  tokenizer = tokenizer,  train_dataset = train_dataset,  dataset_text_field = "text",  max_seq_length = max_seq_length,  dataset_num_proc = 2,  packing = False, # Can make training 5x faster for short sequences.  args = TrainingArguments(  per_device_train_batch_size = 4,  gradient_accumulation_steps = 8,  warmup_steps = 500,  # num_train_epochs = 1, # Set this for 1 full training run.  max_steps = 3000,  learning_rate = 3e-5,  fp16 = not is_bfloat16_supported(),  bf16 = is_bfloat16_supported(),  logging_steps = 100,  optim = "adamw_8bit",  weight_decay = 0.01,  lr_scheduler_type = "linear",  seed = 3407,  output_dir = "outputs",  ), )

第五步，模型训练 

只有一行代码如下：​​​​​​​

# 5. 训练 trainer_stats = trainer.train()

下图为运行的第一步执行过程，以及运行完成之后的耗时统计。

第六步，推理测试

模型微调完成之后，我们需要对模型进行推理测试，如下代码是构建了一个提示词模板，将system prompt指令以及用户输入的指令和古文内容，可以通过该提示词模板进行格式化处理，然后提供给微调后的模型进行推理使用：​​​​​​​​​​​​​​

alpaca_prompt = """你的任务是将给定的现代汉语文本转换为符合古文。请注意保持原文的核心思想和情感，同时运用适当的古文词汇、语法结构和修辞手法，使转换后的文本读起来如同古代文人的笔触一般。翻译要求：避免句子重复，确保语言通顺，符合古文表达习惯。例如：将“以正确的概念来校正不正确的概念，又以不正确的概念的失误之处，反过来探究正确的概念之所以正确的所在。”翻译为“以其所正，正其所不正；以其所不正，疑其所正。”，确保语言通顺，符合古文表达习惯。 ### Instruction: {}  ### Input: {}  ### output: {}""" 

执行推理的代码如下：​​​​​​​

FastLanguageModel.for_inference(model) # Enable native 2x faster inference inputs = tokenizer( [  alpaca_prompt.format(  "请把现代汉语翻译成古文", # instruction  "这个管道昇在同时代人里也是极具个性和才华的。这时，赵孟頫在京城获得赏识，不再是那个只在吴兴有薄名，却不能靠书画养活自己，不得不去教私塾的教书先生。", # input  "", # output - leave this blank for generation!  ) ], return_tensors = "pt").to("cuda")   # Generate the output outputs = model.generate(**inputs, max_new_tokens=64, use_cache=True)  # Decode the output decoded_output = tokenizer.batch_decode(outputs, skip_special_tokens=True) #print(decoded_output) # 提取输出结果中原有的input文本 # 假设输出格式是一致的，古文在"### output:\n"后面 # print(decoded_output[0]) original_text = decoded_output[0].split("### Input:\n")[1].split("### output:\n")[0].strip() # Extract the translated ancient Chinese text # Assuming the output format is consistent and the ancient text starts after "### output:\n" translated_text = decoded_output[0].split("### output:\n")[1].strip() print("原始的现代汉语：" + original_text) print("翻译后的古文：" + translated_text)

执行的结果如下：​​​​​​​

原始的现代汉语：这个管道昇在同时代人里也是极具个性和才华的。这时，赵孟頫在京城获得赏识，不再是那个只在吴兴有薄名，却不能靠书画养活自己，不得不去教私塾的教书先生。翻译后的古文：管仲之才亦异于当世，时赵孟頫在京得赏识，乃非吴兴薄名，不能自养，负笈私门者也。

是翻译为古文了，但是将管道昇翻译为“管仲”了！！！先不管了，后续再对微调的过程进行参数优化。

总结 

本文详细介绍了如何使用Unsloth框架在WSL环境下对LLaMA 3.1-8B模型进行微调的全过程。通过从环境搭建、微调过程等，读者可以一步步了解如何高效微调自己的专属模型，并通过实例演示了微调后模型的推理效果。本教程特别适合初学者，帮助他们快速掌握Unsloth框架的应用。

总结