LLaMA-Factory 单卡后训练微调Qwen3完整脚本

flyfish

使用说明

1. 将下面代码保存为 train_single_gpu.sh

2. 修改脚本中的以下参数：
   MODEL_PATH：模型路径
   DS_CONFIG_PATH：DeepSpeed配置文件路径
   OUTPUT_PATH：输出目录路径
   --dataset erfen：替换为实际数据集名称 这里是erfen

3. 赋予执行权限并运行：

chmod +x train_single_gpu.sh
./train_single_gpu.sh

完整脚本如下

#!/bin/bash# 单显卡分布式训练脚本
# 确保您已安装所需依赖：torch, deepspeed, transformers 等# 颜色定义
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[0;33m'
NC='\033[0m' # 无颜色# 定义基础变量
NPROC_PER_NODE=1  # 单显卡
NNODES=1
NODE_RANK=0
MASTER_ADDR="localhost"
MASTER_PORT=29500  # 随机端口，确保未被占用# 模型和数据集配置
MODEL_PATH="/media/user/models/Qwen/Qwen3-8B/"  # 替换为您的模型路径
DS_CONFIG_PATH="examples/deepspeed/ds_z3_config.json"  # 替换为您的DeepSpeed配置文件路径
OUTPUT_PATH="./output/sft_qwen3_8b"  # 输出路径# 检查必要的文件和路径
check_prerequisites() {echo -e "${YELLOW}检查环境和文件...${NC}"# 检查GPU是否可用if ! command -v nvidia-smi &> /dev/null; thenecho -e "${RED}错误: 未找到nvidia-smi，可能没有可用的GPU。${NC}"exit 1fi# 检查模型路径if [ ! -d "$MODEL_PATH" ]; thenecho -e "${RED}错误: 模型路径 '$MODEL_PATH' 不存在。${NC}"exit 1fi# 检查DeepSpeed配置文件if [ ! -f "$DS_CONFIG_PATH" ]; thenecho -e "${RED}错误: DeepSpeed配置文件 '$DS_CONFIG_PATH' 不存在。${NC}"exit 1fi# 检查输出目录if [ ! -d "$(dirname "$OUTPUT_PATH")" ]; thenecho -e "${YELLOW}创建输出目录: $(dirname "$OUTPUT_PATH")${NC}"mkdir -p "$(dirname "$OUTPUT_PATH")"fiecho -e "${GREEN}环境检查完成，准备开始训练...${NC}"
}# 主训练函数
run_training() {echo -e "${YELLOW}开始单显卡分布式训练...${NC}"# 定义分布式参数DISTRIBUTED_ARGS="--nproc_per_node $NPROC_PER_NODE \--nnodes $NNODES \--node_rank $NODE_RANK \--master_addr $MASTER_ADDR \--master_port $MASTER_PORT"# 运行训练命令torchrun $DISTRIBUTED_ARGS src/train.py \--deepspeed $DS_CONFIG_PATH \--stage sft \--do_train \--use_fast_tokenizer \--flash_attn auto\--model_name_or_path $MODEL_PATH \--dataset erfen \--template qwen \--finetuning_type lora \--lora_target q_proj,v_proj \--output_dir $OUTPUT_PATH \--overwrite_cache \--overwrite_output_dir \--warmup_steps 100 \--weight_decay 0.1 \--per_device_train_batch_size 4 \--gradient_accumulation_steps 4 \--ddp_timeout 9000 \--learning_rate 5e-6 \--lr_scheduler_type cosine \--logging_steps 1 \--cutoff_len 4096 \--save_steps 1000 \--plot_loss \--num_train_epochs 3 \--bf16# 检查训练是否成功if [ $? -eq 0 ]; thenecho -e "${GREEN}训练成功完成！模型保存在: $OUTPUT_PATH${NC}"elseecho -e "${RED}训练过程中发生错误！${NC}"exit 1fi
}# 主函数
main() {# 显示系统信息echo -e "${YELLOW}===== 系统信息 ====${NC}"echo "GPU信息:"nvidia-smi | head -n 10echo -e "${YELLOW}=================${NC}"# 检查环境check_prerequisites# 开始训练run_training
}# 执行主函数
main