LLaMA-Factory *** Docker 镜像

简介

这是 LLaMA-Factory 的*** Docker 镜像，旨在简化 LLaMA-Factory 的环境配置流程。LLaMA-Factory 是一个功能全面的大模型微调/推理工具（项目地址：[***]），而该镜像已预装所有依赖组件，可帮助用户跳过复杂的环境配置步骤，直接上手模型微调、推理、评估等核心任务。

核心优势

• 环境一致性：镜像内已集成 Python、PyTorch、Transformers、Accelerate 等所有必要依赖，避免因系统环境差异导致的“配置失败”问题。
• 部署简单高效：无需手动安装依赖，通过一条 Docker 命令即可启动完整运行环境，新手也能快速上手。
• 灵活适配场景：支持自定义数据挂载、端口映射和启动参数，可根据实际需求调整（如微调不同模型、启用 Web UI 等）。

快速使用指南

1. 拉取镜像

首先确保本地已安装 Docker，然后通过以下命令拉取最新版镜像：

bash
docker pull hiyouga/llama-factory:latest

（如需指定版本，可替换 latest 为具体标签，如 v0.9.0，标签列表可在项目 GitHub 查看）

2. 启动容器

启动容器时，建议挂载本地目录以持久化数据（如模型文件、微调数据、输出结果等），并映射必要端口（如需使用 Web UI）。

示例命令（基础用法）：

bash
docker run -it --rm \
  -v /path/to/your/data:/app/data  # 挂载本地数据目录到容器内 /app/data  
  -p 7860:7860  # 映射 Web UI 端口（如使用 gradio 界面）  
  hiyouga/llama-factory:latest  

• -v /path/to/your/data:/app/data：将本地的 /path/to/your/data 目录挂载到容器内的 /app/data，确保数据持久化（如存放模型、数据集）。
• -p 7860:7860：如需使用 Web UI，映射容器内的 7860 端口到本地，启动后可通过 `[***] 访问。
• --rm：容器退出后自动删除，如需保留容器，可去掉此参数。

3. 开始使用

容器启动后，会自动进入 LLaMA-Factory 的工作目录（/app），此时可直接运行相关命令：

• 微调模型：python src/train_bash.py --config configs/train/llama2/llama2-7b-sft.yaml
• 启动 Web UI：python src/webui.py
• 模型推理：python src/cli_demo.py --model_path /app/data/llama-2-7b --load_in_4bit

注意事项

• 数据持久化：本地数据（如模型、数据集）需通过 -v 参数挂载，否则容器内数据会在退出后丢失。
• 资源需求：模型微调/推理需足够的 CPU 内存或 GPU 显存，建议根据模型大小配置硬件（如 7B 模型微调需至少 16GB GPU 显存）。
• 镜像更新：定期通过 docker pull hiyouga/llama-factory:latest 更新镜像，获取最新功能和依赖修复。

相关链接

• LLaMA-Factory 项目主页：[***]
• Docker 镜像仓库：[***]（可查看所有镜像标签和版本信息）