中文 | English
大语言模型快速入门（理论学习与微调实战）
你可以通过克隆此仓库到 GPU 服务器来开始学习：
git clone https://github.com/DjangoPeng/LLM-quickstart.git本项目对于硬件有一定要求：GPU 显存不小于16GB，支持最低配置显卡型号为 NVIDIA Tesla T4。
建议使用 GPU 云服务器来进行模型训练和微调。
项目使用 Python 版本为 3.10，环境关键依赖的官方文档如下：
- Python 环境管理 Miniconda
- Python 交互式开发环境 Jupyter Lab
以下是详细的安装指导（以 Ubuntu 22.04 操作系统为例）：
根据你的实际情况，找到对应的 CUDA 12.04：
下载并安装 CUDA 12.04 Toolkit（包含GPU驱动）：
wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run
sudo sh cuda_12.4.0_550.54.14_linux.run**注意使用runfile方式，可以连同版本匹配的 GPU 驱动一起安装好。
安装完成后，使用 nvidia-smi 指令查看版本：
nvidia-smi
Mon Dec 18 12:10:47 2023
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.129.03 Driver Version: 535.129.03 CUDA Version: 12.2 |
|-----------------------------------------+----------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+======================+======================|
| 0 Tesla T4 Off | 00000000:00:0D.0 Off | 0 |
| N/A 44C P0 26W / 70W | 2MiB / 15360MiB | 6% Default |
| | | N/A |
+-----------------------------------------+----------------------+----------------------+
+---------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=======================================================================================|
| No running processes found |
+---------------------------------------------------------------------------------------+sudo apt update && sudo apt upgrade
sudo apt install ffmpeg
## 检查是否安装成功
ffmpeg -versionmkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh安装完成后，建议新建一个 Python 虚拟环境，命名为 peft。
conda create -n peft python=3.10
# 激活环境
conda activate peft 之后每次使用需要激活此环境。
完整 Python 依赖软件包见requirements.txt。
pip install -r requirements.txt上述开发环境安装完成后，使用 Miniconda 安装 Jupyter Lab：
conda install -c conda-forge jupyterlab使用 Jupyter Lab 开发的最佳实践是后台常驻，下面是相关配置（以 root 用户为例）：
# 生成 Jupyter Lab 配置文件，
jupyter lab --generate-config打开上面执行输出的jupyter_lab_config.py配置文件后，修改以下配置项：
c.ServerApp.allow_root = True # 非 root 用户启动，无需修改
c.ServerApp.ip = '*'使用 nohup 后台启动 Jupyter Lab
$ nohup jupyter lab --port=8000 --NotebookApp.token='替换为你的密码' --notebook-dir=./ &Jupyter Lab 输出的日志将会保存在 nohup.out 文件（已在 .gitignore中过滤）。
为了使用OpenAI API，你需要从OpenAI控制台获取一个API密钥。一旦你有了密钥，你可以将其设置为环境变量：
对于基于Unix的系统（如Ubuntu或MacOS），你可以在终端中运行以下命令：
export OPENAI_API_KEY='你的-api-key'对于Windows，你可以在命令提示符中使用以下命令：
set OPENAI_API_KEY=你的-api-key请确保将'你的-api-key'替换为你的实际OpenAI API密钥。
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent