沒有數據、沒有GPU的情況下怎么訓練DeepSeek
春節期間，AI 界熱鬧非凡，到處都是關于 DeepSeek 的報道。大家都知道，訓練好的模型通常需要昂貴的專用 GPU，這對很多想試試微調技術的人來說，真是一道門檻。
好消息來了：你完全可以用免費的 Google Colab Notebook 來實現微調。借助 Colab 提供的免費 GPU，你可以把通用的 DeepSeek R1 模型“定制”為專門針對某個領域的模型，讓它回答問題時既專業又貼合實際需求，而且操作簡單、成本低。
如今，不僅是開發者，很多創業者也在關注 DeepSeek R1 模型，并嘗試將它集成到自己的產品中。通過微調，你可以讓模型用更符合特定領域特點的方式回答問題，充分利用 DeepSeek 強大的推理能力，讓回答既清晰又有邏輯。
接下來給大家如何利用 Google Colab Notebook (可參考教程申請《Google Colab免費GPU使用教程》)這一免費、易用的資源，通過 Python 對 DeepSeek-R1 模型進行微調。你會學到如何用任意數據集訓練模型，使其能更精準地回答專業領域的問題。
在開始微調之前，我們先看看需要準備哪些東西。
需要安裝的 Python 庫
微調 LLM 時，我們需要以下幾個 Python 庫：
- unsloth：這個庫能讓你微調 Llama-3、Mistral、Phi-4、Gemma 2x 這類大模型時更快，占用內存也少 70%，而且效果不會打折扣。
- torch：這是 PyTorch 的基礎庫。它可以進行高效的張量運算，類似于 NumPy，但還支持 GPU 加速，對處理大模型非常重要。
- transformers：這是一個很流行的自然語言處理庫，里面有很多預訓練模型。因為微調需要在預訓練模型上做文章，這個庫能幫你輕松調用各種模型。
- trl：這個庫專門用來做基于 Transformer 的強化學習，是建立在 Hugging Face 的 transformers 庫基礎上的，讓用強化學習訓練模型變得簡單高效。
計算資源要求
微調模型其實就是讓模型回答問題時更加符合特定領域的要求，不需要從零開始訓練所有參數。但是，大模型微調時所有需要訓練的參數都要加載到 GPU 的內存（vRAM）里，所以對硬件要求很高。
為了讓大家更容易體驗，我們這次選用的模型是DeepSeek-R1-Distill（47.4 億參數）。這個模型大概需要 8～12GB 的 vRAM。好消息是，我們可以使用免費的 Google Colab 上的 T4 GPU，它有 16GB 的 vRAM，完全能滿足我們的需求。
數據準備
微調模型時，需要有結構化、針對任務的數據。數據可以來自社交媒體、網站、書籍或者論文等多種渠道。
這篇文章中，我們將使用datasets庫，從Hugging Face Hub上下載數據。具體來說，我們用的是yahma/alpaca-cleaned數據集。
代碼實現
安裝所需的包
使用 Google Colab 進行微調有個很大的好處：大部分包已經預裝好了，我們只需要額外安裝一個包 ——unsloth。 安裝方法非常簡單，在 Colab 中運行下面的命令即可：
!pip install unsloth初始化模型和分詞器
我們使用unsloth這個包來加載預訓練模型，因為它提供了很多方便的技術，能讓我們更快地下載和微調大型語言模型。 下面這段代碼用于加載模型和分詞器：
from unsloth import FastLanguageModel
model, tokenizer = FastLanguageModel.from_pretrained(
model_name = "unsloth/DeepSeek-R1-Distill-Llama-8B-unsloth-bnb-4bit",
max_seq_length = 2048,
dtype = None,
load_in_4bit = True,
# token = "hf_...", # 如果使用 gated 模型，比如 meta-llama/Llama-2-7b-hf，可以傳入 token
)這里解釋下各個參數的意義：
- model_name：指定我們要加載的預訓練模型名稱，這里是unsloth/DeepSeek-R1-Distill-Llama-8B-unsloth-bnb-4bit，表示我們使用的是 DeepSeek-R1-Distill 模型。
- max_seq_length：設置模型能處理的最大輸入序列長度，這里設為 2048，這樣既能滿足大部分需求，又能合理利用內存和提升速度。
- dtype：設置為None，這樣可以自動適配當前硬件的數據類型，無需我們額外操心。
- load_in_4bit：將模型量化為 4bit 精度，這樣可以在保證效果的同時，大幅減少內存占用，加快推理速度。
添加 LoRA 適配器
接下來，我們要給預訓練模型添加 LoRA 矩陣，這樣可以幫助模型在微調時更好地適應特定任務。使用unsloth進行這一過程非常簡單，只需幾行代碼：
model = FastLanguageModel.get_peft_model(
model,
r = 64,
target_modules = ["q_proj", "k_proj", "v_proj", "o_proj",
"gate_proj", "up_proj", "down_proj",],
lora_alpha = 32,
lora_dropout = 0.05, # 設置 dropout 防止過擬合，0.05 是個不錯的選擇
bias = "none", # bias 參數這里選擇 "none" 是最優設置
use_gradient_checkpointing = "unsloth", # 對于長序列，使用這個可以節省內存
random_state = 3977,
use_rslora = False, # unsloth 也支持 rank stabilized LoRA
loftq_config = None, # LoftQ 配置，如果沒有特殊需求可以設置為 None
)這里簡單說明一下關鍵參數的作用：
- r：設置 LoRA 中低秩矩陣的秩，這里取 64，一般 8 到 128 之間都可以選擇，64 常常能取得不錯的效果。
- lora_dropout：在訓練 LoRA 適配器時加入 dropout，有助于防止模型過擬合。
- target_modules：指定模型中需要應用 LoRA 的模塊列表，這里列出了多個常見的投影模塊。
數據準備
當我們完成了模型的適配設置之后，就需要準備數據來進行微調。數據需要按照一定的格式組織好，其中包含輸入、指令和期望的輸出。
我們通常將數據分為三部分：
- Instruction（指令）：這是向模型提出的問題或任務描述。
- Input（輸入）：如果有額外數據需要提供，這里可以傳入補充信息。
- Response（回答）：這就是我們期望模型輸出的內容，它需要與指令（和輸入）相匹配。
我們先定義一個模板，用來組織這些信息：
alpaca_prompt = """Below is an instruction that describes a task, paired with an input that provides further context. Write a response that appropriately completes the request.
### Instruction:
{}
### Input:
{}
### Response:
{}"""接著，我們寫一個函數，利用這個模板對數據進行格式化。注意，我們在每條文本后面都要加上 EOS（結束符），否則生成的內容可能會無限延長：
EOS_TOKEN = tokenizer.eos_token # 獲取分詞器中的結束符
def formatting_prompts_func(examples):
instructions = examples["instruction"]
inputs = examples["input"]
outputs = examples["output"]
texts = []
for instruction, input, output in zip(instructions, inputs, outputs):
# 這里一定要加上 EOS_TOKEN，否則生成內容可能不會停止
text = alpaca_prompt.format(instruction, input, output) + EOS_TOKEN
texts.append(text)
return { "text": texts, }最后，我們加載用于微調的數據集，這里我們選用的是 Hugging Face Hub 上的 “yahma/alpaca-cleaned”。運行下面的代碼即可：
from datasets import load_dataset
dataset = load_dataset("yahma/alpaca-cleaned", split="train")
dataset = dataset.map(formatting_prompts_func, batched=True)模型訓練
既然我們已經準備好了格式化后的數據，也把 LoRA 適配器加載到模型上了，那接下來就可以開始訓練了。
訓練前，我們需要先設置一些超參數，這些參數會影響訓練的過程和模型的準確度。
我們使用SFTTrainer來初始化訓練器，并傳入相關的超參數。下面這段代碼展示了如何完成初始化：
from trl import SFTTrainer
from transformers import TrainingArguments
from unsloth import is_bfloat16_supported
trainer = SFTTrainer(
model = model, # 已經添加了 LoRA 適配器的模型
tokenizer = tokenizer, # 模型對應的分詞器
train_dataset = dataset, # 用于訓練的數據集
dataset_text_field = "text", # 數據集中包含結構化數據的字段名稱
max_seq_length = max_seq_length, # 模型能處理的最大輸入序列長度
dataset_num_proc = 2, # 用于加載和處理數據的進程數
packing = False, # 對于短序列，開啟這個選項能讓訓練快5倍（這里暫不開啟）
args = TrainingArguments(
per_device_train_batch_size = 2, # 每塊 GPU 上的訓練批次大小
gradient_accumulation_steps = 4, # 梯度累積的步數
warmup_steps = 5,
# num_train_epochs = 1, # 如果需要完整訓練1個周期，可以設置這個參數
max_steps = 120, # 最大訓練步數
learning_rate = 2e-4, # 初始學習率
fp16 = not is_bfloat16_supported(),
bf16 = is_bfloat16_supported(),
logging_steps = 1,
optim = "adamw_8bit", # 更新權重時使用的優化器
weight_decay = 0.01,
lr_scheduler_type = "linear",
seed = 3407,
output_dir = "outputs",
report_to = "none", # 如需使用 WandB 等工具可修改此項
),
)初始化完成后，我們只需調用訓練命令即可開始訓練：
trainer_stats = trainer.train()這樣訓練過程就會開始運行，訓練過程中在 Colab 的日志中會顯示每一步的訓練損失。
模型推理
當訓練結束后，我們可以利用微調后的模型進行推理，看看它的回答效果如何。下面這段代碼演示了如何使用微調后的模型進行推理：
FastLanguageModel.for_inference(model) # 開啟原生 2 倍加速推理
inputs = tokenizer(
[
alpaca_prompt.format(
"Continue the fibonnaci sequence.", # 指令
"1, 1, 2, 3, 5, 8", # 輸入
"", # 輸出：留空表示需要模型生成答案
)
], return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=64, use_cache=True)
tokenizer.batch_decode(outputs)下面用通俗易懂的方式解釋一下這段代碼的作用：
- 我們調用了unsloth包中的FastLanguageModel，目的是加載已經微調好的模型用于推理。這種方式可以讓推理速度更快。
- 在進行推理前，首先需要將查詢內容（也就是問題）按照預先設定的格式組織成一個結構化的文本（prompt），然后使用分詞器將這個 prompt 轉換為模型可以識別的格式。
- 為了讓分詞器輸出 PyTorch 的張量，我們設置了參數return_tensors="pt"。接著，用.to("cuda")把張量加載到 GPU 上，這樣處理速度會大大提高。
- 接下來，我們調用model.generate()方法生成回答。
- 在生成回答時，我們設置了max_new_tokens=64，這表示模型最多生成 64 個新 token。
- 同時，參數use_cache=True可以加速生成過程，特別是在生成長序列時效果更明顯。
- 最后，我們使用分詞器的batch_decode()方法將生成的張量結果解碼成我們能看懂的文本。
保存微調模型
訓練完畢后，最后一步就是保存我們的微調模型，以便日后使用或部署。記得同時保存模型和分詞器。下面提供了兩種保存方式，分別對應 4bit 和 16bit 精度：
# 以 4bit 精度保存
model.push_to_hub_merged("<YOUR_HF_ID>/<MODEL_NAME>", tokenizer, save_method="merged_4bit", token="<YOUR_HF_TOKEN>")
# 以 16bit 精度保存
model.push_to_hub_merged("<YOUR_HF_ID>/<MODEL_NAME>", tokenizer, save_method="merged_16bit", token="<YOUR_HF_TOKEN>")這里只需將<YOUR_HF_ID>、<MODEL_NAME>和<YOUR_HF_TOKEN>替換成你在 Hugging Face 的相關信息即可。
