工程实战课程进阶中文3–6 周★ 32k80 章可站内阅读
Self-LLM（开源大模型食用指南）
Datawhale：部署、微调国内外开源 LLM/MLLM
Datawhale · 31,628 stars
Datawhale《开源大模型食用指南》：针对国内学习者整理的开源 LLM/MLLM 部署与微调实操教程。强调 Linux 环境下的可复制步骤，覆盖推理部署与 LoRA 等常见微调路径。适合原理课之后、真正要在自己机器上「跑起来」的人。
为什么收录 · 中文开源模型实操指南的高星代表，步骤可跟练，补齐站内「部署/微调动手」层的关键缺口。
开源模型部署LoRA微调MLLMLinux中文实操
这本书强在哪
- 面向国内环境的「食用指南」，强调可跟练命令与流程
- 同时覆盖 LLM 与多模态开源模型
- 与 happy-llm（原理）形成「学完原理就来部署」的自然衔接
- 社区持续更新模型清单与步骤
建议怎么学
- 01先选一个小模型把推理部署跑通，再谈微调
- 02LoRA 成功后再尝试更重的全参数路径
- 03每完成一个模型就记录显存、速度与失败日志
- 04原理不熟时回 happy-llm；应用编排回 llm-universe
适合谁 / 前置
- Linux 基础与命令行
- Python 与基础深度学习环境经验
- 有 GPU 机器或云实例更佳
学完得到什么
- 能在 Linux 环境完成常见开源模型的部署
- 掌握 LoRA / 全参数微调等常见路径的操作流程
- 了解多模态开源模型的入门部署差异
- 建立「选模型→部署→微调→验证」的实操清单
目录
来自站内阅读器镜像；点击章节直接阅读
examples5 章
models75 章
- 06Atom-7B-chatmarkdown
- 07Atom-7B-Chat 的 Lora 指令微调markdown
- 08Atom-7B-Chat 接入langchain搭建知识库助手markdown
- 0903 Atom 7B Chat 接入langchain搭建知识库助手markdown
- 10Atom-7B-chat 全量微调markdown
- 11Baichuan2-7B-chat FastApi 部署调用markdown
- 12Baichuan-7B-chat WebDemo 部署调用markdown
- 13Baichuan2-7B-chat langchain 接入markdown
另有 67 章 · 进入站内阅读查看完整目录
策展亮点章节
环境与模型选型推理部署LoRA / 全参数微调多模态模型线索常见问题与踩坑
仓库数据
Stars31,628
Forks3,074
主要语言Jupyter Notebook
协议Apache-2.0
创建2023/11/16
更新2026/7/30
baf3b690（master）· 许可证 Apache License 2.0 (Apache-2.0)。 上游更新后可通过同步脚本刷新。