使用LLaMA-Factory对GLM-4-9B-Chat进行LoRA微调

使用LLaMA-Factory对GLM-4-9B-Chat进行LoRA微调

在大模型应用日益普及的今天，如何快速、低成本地定制一个符合特定场景需求的语言模型，已经成为开发者和企业关注的核心问题。直接全参数微调动辄数十GB显存消耗，对大多数团队而言并不现实。而像LoRA（Low-Rank Adaptation）这样的高效微调技术，配合如LLaMA-Factory这类开箱即用的框架，正让“平民化”大模型定制成为可能。

本文将以GLM-4-9B-Chat为例，带你从零开始完成一次完整的 LoRA 微调流程——从环境配置、数据清洗到训练部署，最终得到一个可独立运行的专属模型。整个过程无需深入理解底层原理，也能在单卡 A10/A100 上顺利完成。

环境准备：搭建可编辑的开发环境

首先确保你的系统已安装 Python ≥ 3.10 和支持 CUDA 的 PyTorch 版本（推荐torch==2.1.0+cu118或更高）。考虑到国内网络环境，建议更换 pip 源以加速依赖下载：

python -m pip install --upgrade pip pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

接着克隆并安装 LLaMA-Factory。这里的关键是使用-e参数进行“可编辑安装”，这样后续若需调试源码或添加自定义组件也无需重新安装：

git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git cd LLaMA-Factory pip install -e ".[torch,metrics]"

✅ 安装说明：[torch,metrics]会自动拉取 Transformers、Datasets、Accelerate、Peft 等核心库，省去手动管理依赖的麻烦。

安装完成后执行以下命令验证是否成功：

llamafactory-cli --help

如果输出帮助信息，则说明环境已就绪。此时你已经拥有了一个功能完整的大模型微调平台。

模型获取：通过 ModelScope 下载 GLM-4-9B-Chat

GLM-4-9B-Chat 是智谱 AI 推出的高性能对话模型，具备优秀的多轮交互与指令遵循能力。由于其未公开托管于 Hugging Face，我们需通过 ModelScope 获取。

创建脚本download_glm4.py：

from modelscope.hub.snapshot_download import snapshot_download model_dir = snapshot_download( 'ZhipuAI/glm-4-9b-chat', cache_dir='/root/models', # 可根据实际路径修改 revision='master' ) print(f"Model downloaded to: {model_dir}")

运行后开始下载，模型体积约 14GB，通常需要 10–20 分钟。完成后记录下完整路径，例如/root/models/ZhipuAI/glm-4-9b-chat，后续配置中将多次引用该路径。

⚠️ 注意事项：
- 需提前登录 ModelScope 账号并配置好认证密钥。
- 若提示权限错误，请检查是否已接受模型协议。

数据处理：构建高质量训练样本

LLaMA-Factory 支持多种数据格式，其中最常用的是Alpaca 格式，它结构清晰且兼容性强。标准模板如下：

[ { "instruction": "请解释什么是机器学习", "input": "", "output": "机器学习是……", "system": "你是一位人工智能助手", "history": [ ["上一轮问题", "上一轮回答"] ] } ]

字段含义明确：
-instruction和output是必填项；
-system控制角色设定；
-history支持多轮上下文建模。

单轮数据转换

假设原始数据为包含"prompt"和"completion"字段的 JSON 列表，可通过以下脚本完成转换：

import json import re file_name = "my_single_turn_data.json" system_prompt = "你是一个专业且富有同理心的AI助手" with open(f"./raw/{file_name}", "r", encoding="utf-8") as f: raw_data = json.load(f) converted = [] for item in raw_data: output_text = item["completion"] if "✿" in output_text: output_text = output_text.replace("✿", "") if "你好，我是AI助手" in output_text: output_text = re.sub(r"^.*?\n", "", output_text).strip() converted.append({ "instruction": item["prompt"], "input": "", "output": output_text, "system": system_prompt, "history": [] }) with open(f"./processed/{file_name}", "w", encoding="utf-8") as f: json.dump(converted, f, ensure_ascii=False, indent=4) print(f"✅ {file_name} 已转换完成")

这类清洗逻辑很常见——比如去除冗余引导语或特殊符号，能显著提升训练稳定性。

多轮对话提取

对于客服记录、访谈等多轮文本，关键是把历史对话作为上下文输入。示例代码如下：

import json from tqdm import tqdm file_name = "multi_turn_conversations.json" system_prompt = "你是一个耐心、专业的对话助手" with open(f"./raw/{file_name}", "r", encoding="utf-8") as f: conversations = json.load(f) converted = [] for conv in tqdm(conversations): dialogue = conv.get("conversation", []) if len(dialogue) < 1: continue history = [(turn["input"], turn["output"]) for turn in dialogue[:-1]] last_turn = dialogue[-1] converted.append({ "instruction": last_turn["input"], "input": "", "output": last_turn["output"], "system": system_prompt, "history": history }) with open(f"./processed/{file_name}", "w", encoding="utf-8") as f: json.dump(converted, f, ensure_ascii=False, indent=4) print(f"✅ 多轮数据 {file_name} 转换完成")

这种设计能让模型学会基于上下文生成连贯回复，而不是每次都“失忆”。

数据集合并与注册

多个来源的数据可以统一合并成一个主文件：

import json merged = [] dataset_files = [ "single_turn_dataset_1.json", "single_turn_dataset_2.json", "multi_turn_conversations.json", "custom_instruction_tuning.json" ] for fname in dataset_files: with open(f"./processed/{fname}", "r", encoding="utf-8") as f: data = json.load(f) merged.extend(data) with open("./processed/combined_training_data.json", "w", encoding="utf-8") as f: json.dump(merged, f, ensure_ascii=False, indent=4) print("🎉 所有数据集已合并为 combined_training_data.json")

然后将其注册到 LLaMA-Factory 中。编辑data/dataset_info.json添加条目：

{ "my_glm4_ft_data": { "file_name": "/path/to/LLaMA-Factory/data/processed/combined_training_data.json" } }

✅ 提示：路径可以是绝对路径，也可以是相对于data/目录的相对路径。

启动训练：配置 LoRA 微调任务

在项目根目录创建 YAML 配置文件lora_sft_glm4.yaml：

# 模型参数 model_name_or_path: /root/models/ZhipuAI/glm-4-9b-chat # 训练任务类型 stage: sft # Supervised Fine-Tuning do_train: true finetuning_type: lora # 使用 LoRA # LoRA 配置 lora_target: all # 应用于所有线性层（Q, K, V, O, FFN） lora_rank: 64 # 秩越高表达能力越强，但参数更多 lora_dropout: 0.05 # 正则化防止过拟合 lora_alpha: 16 # 缩放因子，一般设为 rank 的两倍左右 # 数据配置 dataset: my_glm4_ft_data template: glm4 # 使用官方 GLM 分词模板 cutoff_len: 2048 # 最大序列长度 max_samples: 5000 # 限制样本数便于调试 overwrite_cache: true preprocessing_num_workers: 16 # 输出设置 output_dir: saves/glm4-lora-sft/checkpoint logging_steps: 10 save_strategy: epoch plot_loss: true overwrite_output_dir: true # 训练超参 per_device_train_batch_size: 1 gradient_accumulation_steps: 8 learning_rate: 1e-4 num_train_epochs: 5 lr_scheduler_type: cosine warmup_ratio: 0.1 fp16: true # 混合精度训练，节省显存

几个关键点值得强调：
-lora_target: all表示同时适配注意力层和前馈网络，适合复杂任务；
-fp16: true在 A10/A100 上几乎无损还能减半显存占用；
-gradient_accumulation_steps: 8相当于全局 batch size 达到 8，有助于梯度稳定。

启动训练只需一条命令：

cd LLaMA-Factory llamafactory-cli train lora_sft_glm4.yaml

训练过程中终端会实时显示 loss 变化，同时日志也会写入runs/目录，可用 TensorBoard 查看：

tensorboard --logdir=runs

权重合并：导出可部署模型

训练结束后得到的只是一个 LoRA 适配器，不能独立运行。我们需要将其与原模型融合成一个完整的.bin文件。

新建export_glm4_lora.yaml：

model_name_or_path: /root/models/ZhipuAI/glm-4-9b-chat adapter_name_or_path: saves/glm4-lora-sft/checkpoint template: glm4 finetuning_type: lora export_dir: models/EmoGLM-4-9B-Chat export_size: 2 export_device: cpu export_legacy_format: false

执行合并：

llamafactory-cli export export_glm4_lora.yaml

💡 建议使用 CPU 合并，避免 GPU 显存溢出；虽然慢一些，但更可靠。

完成后，models/EmoGLM-4-9B-Chat目录将包含标准 Hugging Face 模型结构，可直接用于推理。

效果验证：快速测试生成质量

编写简单脚本验证模型表现：

from transformers import AutoModelForCausalLM, AutoTokenizer model_path = "models/EmoGLM-4-9B-Chat" tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_path, trust_remote_code=True, device_map="auto") query = "你能帮我写一首关于春天的诗吗？" inputs = tokenizer(query, return_tensors="pt").to("cuda") outputs = model.generate( **inputs, max_new_tokens=256, do_sample=True, temperature=0.7, top_p=0.9 ) response = tokenizer.decode(outputs[0], skip_special_tokens=True) print(response)

观察输出是否体现出更强的风格一致性或领域倾向。如果明显优于原始模型，说明微调有效。

实战优化技巧与进阶建议

即使流程跑通了，仍有许多细节可以打磨。以下是我在实际项目中总结的一些经验：

此外，LLaMA-Factory 还内置了 WebUI 界面，适合不熟悉命令行的用户：

llamafactory-cli webui

访问http://localhost:7860即可通过图形界面上传数据、调整参数、启动训练，完全免去手写 YAML 的繁琐。

真正有价值的技术，不是最难懂的，而是最容易落地的。LLaMA-Factory 正是这样一个工具——它把复杂的分布式训练、内存优化、分词策略封装成简单的接口，让我们能把精力集中在数据质量和业务逻辑上。

无论是打造情感陪伴机器人、垂直行业问答系统，还是构建企业级智能体，这套方法都能帮你用极低成本迈出第一步。下一步，不妨试试用 QLoRA 在消费级显卡（如 RTX 3090/4090）上跑通整个流程，再接入 FastAPI 或 Gradio 构建服务接口，真正实现“让大模型为我所用”。