零基础入门：DeepSeek微调教程来了！

原创吴锦凤 Datawhale

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：`pip install torch transformers peft datasets matplotlib accelerate safetensors`

import torch`import matplotlib.pyplot as pltfrom transformers import (` `AutoTokenizer,` `AutoModelForCausalLM,` `TrainingArguments,` `Trainer,` `TrainerCallback)from peft import LoraConfig, get_peft_modelfrom datasets import load_dataset`import os
# 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GPU`assert torch.cuda.is_available(), //"必须使用GPU进行训练！"`device = torch.device("cuda")
# 自定义回调记录Loss`class LossCallback(TrainerCallback): def __init__(self): self.losses = []`

`def on_log(self, args, state, control, logs=None, **kwargs):`        `if "loss" in logs:`            `self.losses.append(logs["loss"])`

# 数据预处理函数`def process_data(tokenizer): dataset = load_dataset("json", data_files=data_path, split="train[:1500]")`

`def format_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)}`
`return dataset.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=8 num_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CUDA dataloader_pin_memory=False, # 加速数据加载 remove_unused_columns=False # 防止删除未使用的列`)
def main(): # 创建输出目录 os.makedirs(output_path, exist_ok=True)

`# 加载tokenizer`    `tokenizer = AutoTokenizer.from_pretrained(model_path)`    `tokenizer.pad_token = tokenizer.eos_token`
`# 加载模型到GPU`    `model = 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`    `def data_collator(data):`        `batch = {`            `"input_ids": torch.stack([torch.tensor(d["input_ids"]) for d in data]).to(device),`            `"attention_mask": torch.stack([torch.tensor(d["attention_mask"]) for d in data]).to(device),`            `"labels": torch.stack([torch.tensor(d["input_ids"]) for d in data]).to(device)  # 使用input_ids作为labels`        `}`        `return batch`
`# 创建Trainer`    `trainer = 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。

import torch`import matplotlib.pyplot as pltfrom transformers import ( # HuggingFace Transformer模型工具` `AutoTokenizer,` `AutoModelForCausalLM,` `TrainingArguments,` `Trainer,` `TrainerCallback)from peft import LoraConfig, get_peft_model # 参数高效微调库from datasets import load_dataset # 数据集加载工具`import os # 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）`assert torch.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。

class LossCallback(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`    `def on_log(self, args, state, control, logs=None, **kwargs):`        `if "loss" in logs:  # 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。

def process_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`    `def format_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`    `return dataset.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。

return dataset.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CUDA dataloader_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：
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。

def 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)

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(

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):

4.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(

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！

一起“点赞”*三连↓*