亚马逊网站如何做商家排名东山县建设银行网站
张小明 2026/1/14 18:47:33
亚马逊网站如何做商家排名,东山县建设银行网站,百度产品大全,网站域名维护从 Python 到 Ollama#xff1a;将微调后的 Llama-3/Qwen 一键导出为 GGUF摘要#xff1a;在上一篇教程中#xff0c;我们在 RTX 3090 上成功微调了 Llama-3。但现在的模型还“躺”在 Python 脚本里#xff0c;不够通用。本文将教你如何利用 Unsloth 强大的导出功能#x…从 Python 到 Ollama将微调后的 Llama-3/Qwen 一键导出为 GGUF摘要在上一篇教程中我们在 RTX 3090 上成功微调了 Llama-3。但现在的模型还“躺”在 Python 脚本里不够通用。本文将教你如何利用Unsloth强大的导出功能将微调后的模型转换为GGUF 格式并导入到Ollama中。这样你就可以在终端、Obsidian 插件或任何支持 Ollama 的工具中随时调用你的专属模型了关键词UnslothGGUFOllama模型导出量化0. 为什么要做这一步微调后的模型通常是以LoRA Adapter (适配器)的形式存在的文件夹里只有几百 MB。要让它像一个独立模型一样运行比如发给朋友或者在没有 Python 环境的电脑上跑我们需要做两件事合并 (Merge)把 LoRA 的“补丁”打回到 Base Model底座上。量化与导出 (Quantize Export)转换为llama.cpp生态通用的GGUF格式通常使用 4bit (q4_k_m) 量化以平衡体积和性能。好消息Unsloth 框架原生支持这一步只需几行代码不需要复杂的make编译llama.cpp过程。1. 环境确认确保你处于我们之前的 Conda 环境中conda activate llm_learn2. 编写导出脚本在工作目录下新建export_to_ollama.py。我们将以Llama-3-8B为例Qwen 同理只需改路径。fromunslothimportFastLanguageModelimporttorch# 1. 加载微调后的模型# 这里的路径是我们上一篇教程保存 LoRA 的目录lora_model_pathlora_model_llama3print(f 正在加载 LoRA 模型:{lora_model_path}...)model,tokenizerFastLanguageModel.from_pretrained(model_namelora_model_path,max_seq_length2048,dtypeNone,load_in_4bitTrue,)# 2. 执行导出# Unsloth 会自动处理合并、转换和量化# 导出为 q4_k_m (推荐平衡速度和精度)print( 正在合并并导出为 GGUF (q4_k_m)... 这可能需要几分钟...)model.save_pretrained_gguf(model_export,# 导出文件的存放目录tokenizer,quantization_methodq4_k_m,)print( 导出完成文件位于 model_export 目录下。)3. 执行导出运行脚本python export_to_ollama.py执行过程解析脚本会加载底座模型和你的 LoRA 权重。自动下载必要的转换工具如果是第一次运行。开始转换…RTX 3090 上大约需要 3-5 分钟。最终在model_export目录下生成一个约5GB的.gguf文件文件名通常包含unsloth和q4_k_m字样。4. 导入 Ollama假设你已经安装了 Ollama如果没有请运行curl -fsSL https://ollama.com/install.sh | sh。4.1 创建 Modelfile在model_export目录下创建一个名为Modelfile的文件# 这里的路径要替换成你实际生成的 gguf 文件名 FROM ./unsloth.Q4_K_M.gguf # 设置系统提示词 (System Prompt) SYSTEM 你是由 Soar 微调的 Llama-3 中文助手。请务必使用中文回答用户的问题。 # 设置参数 (可选) PARAMETER temperature 0.3 PARAMETER num_ctx 40964.2 导入模型在终端中运行cdmodel_export ollama create my-llama3-cn -f Modelfile等待进度条跑完显示success即大功告成5. 见证奇迹现在你可以随时随地在终端呼叫你的模型了ollama run my-llama3-cn测试输入“Who are you?”预期输出“我是由开发者在 RTX 3090 上微调的 Llama-3 中文助手…”恭喜你已经完成了从模型训练到模型产品化的完整闭环。