Complete-LLM-Finetuning

跟着 Notebook 跑一遍,就能亲手微调大模型

Complete-LLM-Finetuning 是一个以 Jupyter Notebook 形式呈现的大语言模型微调全流程教程项目,目标是帮助开发者从零掌握 LLM 微调的关键环节。它通常覆盖数据准备与清洗、指令格式构造、基座模型加载、LoRA/QLoRA 等参数高效微调方法、训练超参设置、显存优化、训练监控、模型合并与推理评测等步骤,并配有可运行的代码示例。项目解决的是微调知识碎片化、官方文档门槛高、新手不知从何下手的问题,把分散的实践串成一条可复现的学习路径。核心能力在于用 Notebook 边讲边练,让读者在单卡或有限显存环境下也能跑通微调流程,快速理解 SFT 的工程细节,适合作为入门教材和实验模板,而非开箱即用的生产框架。

开源 free 模型训练
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 221
维护状态 较活跃
是否开源
定价模式 free

项目数据

分类模型训练
开发团队sunnysavita10
所属国家
官网地址
定价模式free
价格说明开源免费,需自行部署
访问状态
是否开源
开源协议
主要语言Jupyter Notebook
技术栈/模型
GitHub 星标★ 221
30天Star增速
HF 下载量
上线时间2025-05-22 00:00:00
最近更新2026-09-18 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-16
浏览次数0

使用教程

核心亮点

  • 以 Notebook 串联数据准备、LoRA/QLoRA 训练到推理评测的完整链路,步骤可复现
  • 面向有限显存场景,包含量化与参数高效微调等省资源做法,新手单卡也能上手
  • 代码与讲解结合,便于边改边学,适合作为微调实验的起步模板

不足之处

  • 属于教程型项目,缺少封装好的训练框架和持续维护的工程化能力
  • 星标较少、更新与社区活跃度有限,遇到新模型或新库版本可能需要自行适配

适用场景

  • 个人开发者学习大模型 SFT 微调流程
  • 小团队快速验证垂直领域指令微调可行性
  • 课程或工作坊中作为动手实验材料

替代项目

LLaMA-Factory、unsloth、peft

项目介绍

Complete-LLM-Finetuning 是一个模型训练领域的开源项目,官方简介:暂无简介。项目使用 Jupyter Notebook 开发,在 GitHub 上获得 219 星标。

上一篇:Liger-Kernel

下一篇:slime

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 61327 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1279 2026-08-13