Transformers documentation
Unsloth
快速入门
基类
模型
预处理器
推理
Pipeline API
生成 API
优化
与模型对话
服务
训练
硬件
量化
生态系统集成
资源
API
Unsloth
Unsloth 是一个用于大语言模型的微调与强化学习框架,能够加速训练并降低内存占用。它支持以 4 位、8 位和 16 位精度进行训练,并采用自定义的 RoPE 和 Triton 内核。Unsloth 兼容 Llama、Mistral、Gemma、Qwen 及其他模型系列。
from datasets import load_dataset
from transformers import TrainingArguments
from unsloth import FastLanguageModel
from unsloth.trainer import UnslothTrainer
model, tokenizer = FastLanguageModel.from_pretrained(
model_name="unsloth/Llama-3.2-1B-Instruct",
max_seq_length=2048,
load_in_4bit=True,
)
model = FastLanguageModel.get_peft_model(
model,
r=16,
lora_alpha=16,
target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
)
dataset = load_dataset("trl-lib/Capybara", split="train[:500]")
dataset = dataset.map(lambda x: {"text": x["conversations"][0]["value"]})
trainer = UnslothTrainer(
model=model,
tokenizer=tokenizer,
train_dataset=dataset,
dataset_text_field="text",
max_seq_length=2048,
args=TrainingArguments(
output_dir="outputs",
per_device_train_batch_size=2,
num_train_epochs=1,
),
)
trainer.train()Transformers 集成
Unsloth 封装了 Transformers API,并对内部方法进行了补丁以加速。
FastLanguageModel.from_pretrainedloads config with AutoConfig.from_pretrained(). It then loads a base model with AutoModelForCausalLM.from_pretrained(). Before loading, Unsloth patches attention, decoder layer, and rotary embedding classes inside a Transformers model.UnslothTrainer扩展了 TRL 的 SFTTrainer。Unsloth 通过修补 compute_loss() 和 training_step(),修复了旧版 Transformers 中的梯度累积问题。