MedicalGPT
一键训练你的医疗GPT，从预训练到对齐全流程搞定
项目预览
项目数据
项目介绍
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 ★ 5890
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。
⚠ 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（项目基于 Python 开发）
- 支持 vLLM 多卡推理的 GPU 服务器
- 可访问 GitHub 拉取仓库代码
- Hugging Face 生态相关依赖（用于加载基座模型与数据）
安装与启动步骤
-
1克隆项目代码
把 MedicalGPT 仓库拉到本地，并进入项目根目录，后续脚本都基于该目录执行。
git clone https://github.com/shibing624/MedicalGPT.git cd MedicalGPT -
2查看安装使用文档
README 的 Install 章节未列出依赖安装命令，建议先查阅官方 Wiki 文档确认环境与依赖。
-
3执行 vLLM 多卡部署
README 提供的 vllm 多卡部署脚本，需在多卡 GPU 环境下执行，脚本位于 scripts 目录。
bash scripts/vllm_deployment.sh -
4运行 OPD 蒸馏训练
v2.7 新增 OPD 蒸馏训练，提供 scripts/run_opd.sh 启动脚本，按需修改配置后执行。
bash scripts/run_opd.sh
如何确认成功
脚本执行过程中终端日志正常输出、无报错信息，vLLM 服务完成加载即可视为启动成功（README 未给出具体端口与地址）。
常见问题
Q：README 里没有 pip 安装依赖的命令怎么办？
A：README 的 Install 章节只给出了 vllm 多卡部署脚本，完整安装与环境依赖请查阅官方 Wiki 文档或仓库内脚本说明。
Q：没有多卡 GPU 可以部署吗？
A：README 提供的部署脚本为 vllm 多卡部署脚本，显存与卡数要求请以官方文档说明为准，单卡环境需自行调整。
Q：MedicalGPT 支持哪些训练流程？
A：支持增量预训练、有监督微调、RLHF（奖励建模与强化学习）、DPO、ORPO、GRPO，以及 v2.7 新增的 OPD 蒸馏训练。
Q：训练好的模型权重在哪里获取？
A：可在 Hugging Face 的 shibing624 主页查看官方发布的模型权重。
注意事项
- 本次教程仅依据 README 节选内容整理，未给出的依赖安装命令、端口、路径等均未编造。
- 安装依赖与训练参数配置请以官方 Wiki 文档为准。
- 执行部署和训练脚本前，建议确认 GPU 显存、卡数满足 vLLM 多卡部署要求。
- 训练类脚本耗时较长，建议在服务器上配合日志或后台方式运行。
核心亮点
- 覆盖从增量预训练到GRPO的完整训练流程，算法齐全
- 基于Hugging Face生态，易于集成和扩展新模型
- 内置医疗领域训练数据示例，降低上手门槛
不足之处
- 文档和社区支持相对薄弱，新手可能遇到配置问题
- 训练大规模模型需要较高硬件资源，未充分优化分布式场景
适用场景
- 医疗机构构建私有化医疗问答助手
- 科研人员研究医疗大模型的微调与对齐方法
- 企业快速验证医疗领域垂直模型的效果
替代项目
HuatuoGPT、DoctorGLM、MedicalGPT-zh
上一篇：EasyEdit
下一篇：nanochat-mlx
同类项目推荐
aws-mlops-handson
开源
在AWS上快速搭建CTR预测的MLOps全流程
This repository provides a comprehensive ML infrastructure for CTR prediction, focus···
traceml
开源
一键诊断 PyTorch 训练瓶颈，提升 GPU 利用率
Find why PyTorch training is slow, compare runs, and catch performance regressions i···
focal-frequency-loss
开源
频域聚焦损失，让生成图像细节更清晰
[ICCV 2021] Focal Frequency Loss for Image Reconstruction and Synthesis
prime-rl
开源
让智能体多轮强化学习训练轻松扩展到大规模
Agentic RL Training at Scale
vime
开源
用 vLLM 加速 LLM 强化学习后训练，采样更快、规模更大
An LLM post-training framework with vLLM for RL Scaling
chatterbox-finetuning
开源
用你的数据训练专属多语言语音模型，支持声音克隆。
Fine-tuning toolkit for Chatterbox TTS & Chatterbox TURBO & Chatterbox NANO models. ···
brevitas
开源
PyTorch 模型一键量化，低比特也能高精度跑上 FPGA
Brevitas: neural network quantization in PyTorch
EasyWAM
开源
一套代码搞定世界动作模型的训练、微调与评测
A unified framework for training, fine-tuning, and evaluating World Action Models
mnist-mlops-learning
开源
用MNIST示例快速上手MLflow+FastAPI+Streamlit的MLOps全流程
In this project I played with mlflow, streamlit and fastapi to create a training and···