大模型LLM基于PEFT的LoRA微调详细步骤---第一篇：模型下载篇

模型下载：

HuggingFace官网：https://huggingface.co/  ---- 需要VPN

魔搭社区：https://modelscope.cn/home  ---- 国内映射，不需要VPN

写在篇始：国内关注方法一即可。其余几种都需要VPN，而且在服务器下载的速度有限~~。

下一篇：微调详细流程以及环境...

方法一：魔搭（modelscope）下载

# 需要安装 pip install modelscope
from modelscope import snapshot_download
model_name = '要下载的模型名称'
local_model_dir = '保存的模型路径'
model_dir = snapshot_download(
    model_name, # 要下载的模型名称
    cache_dir=local_model_dir, # 下载到那个目录
    revision='master',
    ignore_file_pattern='.pth',# 配置过滤，不下载“.pth”的原始文件。只下载“.safetensors”的模型文件
)

方法二：huggingface_hub下载 - VPN

# ### pip install huggingface_hub
# 设置环境变量
import os
# 专用多线程下载器 hfd 环境变量
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"

# 代码下载
from huggingface_hub import hf_hub_download
hf_hub_download(repo_id="amritgupta/qafacteval",filename="README.md",local_dir="./qafacteval")

方法三：使用transformers库下载 

使用 Hugging Face 的 transformers 库，Hugging Face 的 transformers 库可以自动下载和管理这些文件。

只需要指定模型名称或路径即可。

# 需要安装 pip install transformers 
from transformers import AutoModel, AutoTokenizer

# 指定模型名称或路径
model_name = "your-model-name-or-path"

# 自动下载并加载模型和分词器
model = AutoModel.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

方法四：网页下载 - VPN

base：代表基础模型；

Instruct：代表在基础模型上面已经训练过一次了。

Qwen/Qwen2-VL-2B-Instruct-GPTQ-Int8：其中的int8代表量化等级为8；Instruct代表已经预训练了一次；

文件名	说明
.gitattributes	Git 配置文件，用于管理仓库的文本格式和换行符设置。通常不需要关心。
LICENSE	模型的许可证文件，说明模型的使用限制和权限。
README.md	模型的说明文档，通常包含模型的描述、使用方法、训练信息等。
chat_template.json	聊天模板配置文件，用于定义聊天模型的输入输出格式（如果有的话）。
config.json	模型的主配置文件，包含模型的结构信息（如层数、隐藏层大小等）。
generation_config.json	生成文本时的配置（如最大生成长度、温度参数等）。
merges.txt	分词器的合并规则文件（用于 BPE 分词器，如 GPT 系列模型）。
model-00001-of-00002.safetensors	模型权重文件的分片（第 1 部分）。总共有 2 个分片。
model-00002-of-00002.safetensors	模型权重文件的分片（第 2 部分）。总共有 2 个分片。
model.safetensors.index.json	模型权重分片的索引文件，指示如何加载分片文件。
preprocessor_config.json	预处理器的配置文件（通常用于图像模型，文本模型可能不需要）。
tokenizer.json	分词器的配置文件，包含分词器的规则和设置。
tokenizer_config.json	分词器的额外配置（如特殊 token、填充方式等）。
vocab.json	分词器的词汇表文件，包含所有 token 及其对应的 ID。

除了.gitattributes、README.md、LICENSE其余全下即可 

微调时需要下载哪些文件？

必需文件

模型权重文件

        model-00001-of-00002.safetensors

        model-00002-of-00002.safetensors

        model.safetensors.index.json（用于加载分片文件）

配置文件

        config.json（模型结构配置）

分词器文件

        tokenizer.json 或 tokenizer_config.json（分词器配置）

        vocab.json（词汇表）

        merges.txt（如果使用 BPE 分词器，如 GPT 系列）

生成配置文件（可选）：

        generation_config.json（用于文本生成任务）

可选文件 

README.md：了解模型的背景和使用方法。

LICENSE：查看模型的使用限制。

chat_template.json：如果微调的是聊天模型，可能需要这个文件。

总结 

必需文件：模型权重分片（.safetensors）、config.json、分词器文件（tokenizer.json、vocab.json 等）。

可选文件：README.md、LICENSE、generation_config.json 等。

下载方式：使用 transformers 库自动下载，或手动从 Hugging Face 页面下载。

微调代码：使用 Trainer 或自定义训练循环进行微调。

 使用下载的模型

方法一：使用本地模型地址

AutoModelForCausalLM.from_pretrained("/data/gpt2") # 使用本地模型全路径

方法二：仅使用模型名称 --- 系统在VPN的情况下会自动下载

之所以不用写具体路径是因为huggingface工具链会在 .cache/huggingface/ 下维护一份模型的符号链接，无论你是否指定了模型的存储路径 ，缓存目录下都会链接过去，这样可以避免自己忘了自己曾经下过某个模型，此外调用的时候就很方便。
AutoModelForCausalLM.from_pretrained("huggyllama/llama-7b(模型名称)")