LLM-Finetuning

用PEFT低成本微调大模型，快速适配下游任务

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 769 🐛 待处理 3 👀 关注 38

GitHub ↗

GitHub 星标 ★ 2996

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，本地部署，完全免费。

项目预览

LLM-Finetuning 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队ashishpatel26

GitHubhttps://github.com/ashishpatel26/LLM-Finetuning

定价模式🏷️完全免费

价格说明开源项目，本地部署，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Jupyter Notebook

技术栈/模型falcon,fine-tuning,huggingface,llama,llama2,llm,llms,lora,peft,pytorch,text-generation

GitHub 星标★ 2996

上线时间2023-06-08 00:00:00

代码更新2025-08-01

仓库体积3.6 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

LLM-Finetuning 是一个专注于大语言模型微调的开源项目，基于 PEFT（Parameter-Efficient Fine-Tuning）库实现。它旨在解决大模型全量微调成本高昂、资源消耗大的问题，通过提供一系列高效微调方法的示例和教程，帮助开发者以较低的计算资源对预训练模型进行适配。项目核心能力包括：支持 LoRA、Prefix Tuning、P-Tuning 等多种 PEFT 方法，覆盖文本分类、序列标注、指令微调等常见任务，并提供完整的代码实现和实验对比。项目以 Jupyter Notebook 为主要形式，便于学习和复现，适合希望快速上手大模型微调的开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2996

技术标签

fine-tuning huggingface llama llama2 llm

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 30 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境，可运行 Jupyter Notebook，或直接使用 Google Colab
Hugging Face transformers 库（README 明确提及）
LoRA / PEFT 微调相关依赖（README 提及 LoRA）
建议具备 GPU 资源，本地无 GPU 训练会非常慢

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 LLM-Finetuning 仓库到本地，README 未提供 pip 安装包形式的分发方式。
```
git clone https://github.com/ashishpatel26/LLM-Finetuning.git
```
2进入项目目录

切换到克隆下来的目录，准备查看其中的 Notebook 文件。
```
cd LLM-Finetuning
```
3选择微调 Notebook

README 的表格列出了各 Notebook 标题与说明，并用 Colab 徽章标注可直接在 Colab 打开。
4准备运行环境

README 只说明依赖 Hugging Face transformers 与 LoRA，未给出确切安装命令，请按 Notebook 内 import 补齐依赖。
5逐格执行训练

按 Notebook 单元顺序执行，先跑通默认配置，再根据需要更换基座模型与数据集。