llama-factory || AutoDL || 如何使用自己的数据集进行微调

1.准备好json格式数据集

例如,FB15k-237-subset_train_size_1000.json

2.将数据集上传至LLaMA-Factory下的data文件夹

3.修改LLaMA-Factory下的data文件夹中dataset_info.json中的内容

增加如下信息:

bash 复制代码
 "FB15k-237-subset_train_size_1000":{
      "file_name":"FB15k-237-subset_train_size_1000.json"
  },

4.启动llama-factory的webui界面

bash 复制代码
llamafactory-cli webui

5.设置模型和数据集


相关推荐
Fzuim1 天前
Codex + llama.cpp + Qwen3.6-35B:零成本的本地 AI 编程方案,我把整套流程跑通了
人工智能·llama
元拓数智1 天前
跨库NL2SQL可信落地的核心:用IntaLink破解数据关系“迷雾”
数据库·人工智能·ai·nlp·agent·llama
硅谷茶馆2 天前
Codex+本地Qwen3.5无审查实用案例分享及llama对接踩坑。
llama
Soari2 天前
GitHub 开源项目解析:rk‑llama.cpp —— 基于 llama.cpp 的 Rockchip NPU 加速本地推理引擎
开源·github·llama·llm 推理·npu 本地模型推理·加速 c/c++ 开源项目
王天天(Bennet)2 天前
【从第一性原理来深入理解Transformer-更适合入门的理解(llama-3B模型为例)】
深度学习·transformer·llama
zhiSiBuYu05174 天前
llama.cpp 本地大模型部署与调用实战
llama
wangqiaowq4 天前
基于 LLaMA-Factory 的完整微调流程
llama
碳基硅坊5 天前
llama.cpp本地部署Qwen3.6-27B
人工智能·llama·推理加速·qwen3.6-27b
sleven fung6 天前
llama-cpp-python 本地部署入门
开发语言·python·算法·llama
碳基硅坊6 天前
Qwen3.6-27B 本地部署三大工具:Ollama、LM Studio、llama.cpp 谁更快?
人工智能·llama·大模型部署