更新时间：2025-08-08 09:42:45

模型微调是一种深度学习技术，通过在预训练模型的基础上使用特定领域的少量数据进行进一步训练，使模型更精准地适应目标任务。微调相比从头训练模型，具有高效、低成本、适用性广的优点。

操作步骤

1. 环境准备：

• 确保已安装必要的开发环境，如 Python、深度学习框架（如 PyTorch、TensorFlow）。

• 检查硬件支持（GPU/TPU 等）

2. 数据准备：

模型微调关联数据集需参考下列目录规范进行梳理设置才可正常使用

图像分类

数据集目录结构

./ds-cats-vs-dogs/
├── train
│        ├── cats
│        │        ├── cat.1580.jpg
│        │        ├── cat.1674.jpg
│        │        └── cat.9257.jpg
│        └── dogs
│            ├── dog.1215.jpg
│            ├── dog.1496.jpg
│            └── dog.9690.jpg
└── validation
   ├── cats
   │        ├── cat.10482.jpg
   │        ├── cat.10796.jpg
   │        └── cat.11828.jpg
   └── dogs
       ├── dog.10425.jpg
       ├── dog.11846.jpg
       └── dog.12157.jpg

目标检测

数据集目录结构

./ds-cppe-5/
├── train
│         ├── 10.png
│         ├── 8.png
│         ├── 9.png
│         └── metadata.jsonl
└── validation
   ├── 1001.png
   ├── 1008.png
   ├── 1009.png
   └── metadata.jsonl

llm-sft

数据集目录结构

./self-llm/
└── trian.csv

 

3. 预训练模型选择：

• 平台支持图像分类、目标检测、大语言模型三类预训练模型，可在创建时进行选择

• 同时用户可在模型微调板块首页顶部，点击我们推荐的预设模型快速开启模型微调任务

4. 微调步骤

1. 创建模型微调任务：

• 完善任务名称与任务标签信息

2. 加载预训练模型：

• 选择任务类型，当前版本支持图像分类、目标检测、大语言模型三类预训练模型；

• 选择预设模型，根据您选择的三种任务类型会分别推荐不同的预设模型，预设模型会不定期更新；

3. 定义微调参数：

• 我们会根据您选择的任务类型，提供预设的参数配置，您可以根据需要进行学习率、优化器、损失函数等选择；

• 参数模式分为basic和full两类，默认为basic，

4. 数据加载与预处理：

• 您可以通过存储进行训练数据挂载

• 保存路径可以将您的训练结果保存至设定的文件存储中，

5. 选择运行环境与资源

• 根据您的需求选择合适的训练资源，开启微调任务训练