unsloth

Unsloth 项目介绍

Unsloth 是一个面向人工智能爱好者和开发者的开源项目，专注于高效、快速地微调各种大型语言模型如 Llama 3.2、Mistral、Phi-3.5 等。它旨在减少显存占用并加快模型训练速度，使得用户可以更轻松地在有限的硬件资源下进行机器学习实验。

项目特色

• 免费微调：Unsloth 提供多种免费可用的 Jupyter 笔记本，用户只需简单地添加数据集并点击“运行全部”，便可获取速度提高 2 倍的微调模型。
• 资源高效利用：在训练模型时，Unsloth 可以减少高达 80% 的显存使用，这对于资源有限的用户非常有帮助。
• 开源与开放：Unsloth 完全开源，且支持在多个硬件平台上运行，包括自 2018 年以来推出的 NVIDIA GPU。
• 广泛兼容性：项目支持 Linux 和 Windows 运行环境，并提供对多个数据集格式的支持，极大地增加了适用性。

性能和支持

Unsloth 提供了一系列优化和加速的工具来提升模型的性能。用户可以选择在 OpenAI 的 Triton 语言中编写的内核，这些内核使用手动反向传播引擎，实现了无精度损失的方法。对于不同的用户需求，Unsloth 提供了 4bit 和 16bit 的模型微调。

例如，在一块 A100 40GB GPU 上，与传统的训练方法相比，使用 Unsloth 开源工具可以实现 1.98 倍的训练加速，而使用 Unsloth Pro 则可以达到 15 倍以上的加速效率。此外，Unsloth 还提供了一系列预优化的 Kaggle 笔记本文件和细致的文档支持，帮助用户更好地上手。

用户体验

Unsloth 带来易于使用的体验，用户可以通过以下简单步骤开始微调：

1. 选择相应的 Colab 笔记本（如 Llama 3.1、Gemma 2 等）并加载自己选择的训练数据集。
2. 按下“全部运行”按钮，软件将自动处理数据并完成微调。
3. 完成后的微调模型可以被导出，并上传到 Hugging Face 等平台进行进一步使用或分享。

最近更新

Unsloth 团队不断改进和更新项目功能，最近的更新包括修复了多个梯度累积的问题、引入新的会话型笔记本、以及新增对多个模型版本的支持如 Mistral Small 22B 和 Phi-3.5 mini 等。

项目愿景

Unsloth 致力于让更多人能够轻松地接触和使用先进的机器学习技术，将微调大型语言模型变得高效且亲民。通过减少硬件限制，任何人都可以在自己已有的设备上体验高效的 AI 模型训练。

以上就是关于 Unsloth 项目的详细介绍。您可以通过访问 Unsloth 官网 获取更多信息和使用教程。