本文档详细介绍了在WSL环境下，如何准备环境、安装conda和llama-factory，并使用预置数据集进行模型训练的完整流程。从安装WSL和Ubuntu，到下载llama-factory，再到使用conda管理Python环境，每一步都提供了清晰的指导。文章还演示了如何选择模型、调整训练参数，最终完成模型的初步训练，为用户提供了快速搭建大模型训练环境的实用指南。

💻 首先，文章指导用户安装WSL及Ubuntu，为后续的训练环境做准备。安装完成后，用户可以在应用目录中找到并打开Ubuntu。

📦 接下来，用户需要下载llama-factory，这是一个零代码大模型训练平台，提供丰富的模型训练功能。用户需要从github下载llama-factory项目的压缩包，并将其解压到任意目录，例如D:\llama-factory。

🐍 然后，文章详细介绍了conda的安装和使用。conda是Python的包管理工具，用户可以通过conda安装、管理Python环境。具体步骤包括安装miniconda3、创建Python运行环境（例如eogee2，python=3.10），以及激活和管理Python环境。

⚙️ 随后，文章指导用户在llama-factory目录下安装llama-factory。安装过程中，用户需要使用pip安装llama-factory及其依赖包，并注意使用清华镜像加速下载。安装完成后，用户可以通过llamafactory-cli webui启动llama-factory。

🚀 最后，文章演示了如何进行模型训练。用户需要选择被训练模型（例如QWEN1.5-0.5B），调整训练参数（例如训练轮数、梯度），并选择数据集。完成设置后，点击开始训练按钮，即可进行模型训练。

目的

本文档介绍如何准备环境，以及如何安装conda和Llama-factory等工具。
使用llama-factory预置的数据集进行模型的简单训练。

1. wsl环境准备

1.1 安装wsl及ubantu

安装完成后，你的应用目录中可以查询到Ubuntu图标，点击打开。

2. 下载llama-factory

llama-factory是一个零代码大模型训练平台，可以快速搭建模型训练环境，并提供丰富的模型训练功能。

前往github下载llama-factory项目的压缩包。

网盘压缩包内文件名：llama-factory.zip

拿到安装包后，可以将其解压到任意目录，如D:\llama-factory。

3. 安装conda

conda是Python的包管理工具，可以方便地安装、管理Python环境。

3.1 安装

在D:\llama-factory目录下，linuxshell下打开命令提示符，依次输入以下命令安装conda，此处安装miniconda3：

#安装miniconda3wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh#运行安装脚本bash Miniconda3-latest-Linux-x86_64.sh#激活source ~/.bashrc#验证安装conda --version

安装过程注意按键盘上的Enter键，并在最后输入yes确认安装，直到安装完成，过程中你也可以切换安装路径，默认在/home/用户名目录下。至最终显示版本号，表示安装成功。

3.2 新增python运行环境

你可以使用conda创建多个Python运行环境，每个环境可以有不同的Python版本、依赖包等。

conda create -n eogee2 python=3.10

表示创建了一个名为eogee2的Python运行环境，版本为3.10。

安装过程较慢，如果发现报错，可以尝试重新运行安装命令。

3.3 激活环境

输入以下命令来激活刚刚创建的环境：

conda activate eogee2

3.4 其他python环境命令

#查看已创建的环境conda env list#删除环境conda remove -n eogee2 --all

4. 安装llama-factory

4.1 安装llama-factory

在llama-factory目录下，linuxshell下打开命令提示符，输入以下命令安装llama-factory：

#安装llama-factorypip install -e ".[torch,metrics]" -i https://pypi.tuna.tsinghua.edu.cn/simple

注意过程中需要按y键确认安装。

-e表示安装llama-factory为开发模式，可以实时更新代码。".[torch,metrics]"表示安装llama-factory所需的依赖包，包括torch和metrics两个包。torch是Python的深度学习框架metrics是llama-factory的评估指标库。

如果你是AMD显卡且支持rocm，可以尝试安装llama-factory的rocm版本：

pip install -e ".[rocm,metrics]"

-i后的内容表示使用过清华镜像，已解决下载安装过程过慢的问题。

直至最终明确显示successfully built llamafactory字样，表示环境安装成功。

4.2 启动llama-factory

执行以下命令启动llama-factory：

llamafactory-cli webui

在浏览器中打开http://localhost:7860，进入llama-factory的界面。

5. 模型训练

5.1 选择被训练模型

你可以提前在hf-mirror下载得到QWEN1.5-0.5B模型，我们选取已知最小的模型用于测试。
网盘内文件名为：Qwen1.5-0.5B.zip

下载完成后，解压压缩包，得到Qwen1.5-0.5B文件夹。你可以将其拷贝到D:\models目录下。

由于我们在ubantu环境下进行训练，需要在模型路径中填写ubantu系统中的相对路径，如：

/mnt/d/models/Qwen1.5-0.5B

你可以在右上角将语言设置为zh中文，以便阅读。

注意
如果你载入Qwen3系列模型报transformers的错，表示当前安装的 transformers 库不支持 qwen3 这个模型架构。这通常是因为：你使用的 transformers 版本太旧，不支持这个新模型或者这个模型非常新，还没有被正式版本的 transformers 收录

解决方案：首先尝试升级 transformers 库
在你的对应的python环境下，更新transformers：

pip install --upgrade transformers

5.2 调整训练参数，选择数据集

我们在界面下方选择llama-factory的自带的数据集identity，选择训练轮数为1，选择梯度为1，以加快训练速度（这种训练参数的设置会造成训练效果不好的状况，此处仅作演示）。设置完成后，点击开始训练按钮。

当界面中提示训练完成，即表示我们本次模型训练初体验成功。

6. 下节预告

数据集的准备。