北京
大家好，我是Ai学习的老章
分享一篇文章，我用Gemini做了精翻
本地微调Gemma 3 270M模型
谷歌发布了Gemma 3 270M，这是一个用于超高效本地AI的新模型！
只需0.5GB内存就可以在本地运行它。
今天，来学习如何微调这个模型，让它在下棋和预测下一步棋方面变得智能。
技术栈：
使用Unsloth进行高效微调。
使用HuggingFace transformers在本地运行。
首先使用Unsloth加载Gemma 3 270M及其分词器。
定义LoRA配置
将使用LoRA进行高效微调。
为此，使用Unsloth的PEFT并指定：
模型
LoRA低秩（r）
用于微调的层（target_modules）
将微调Gemma 3，使其在下棋方面非常智能。
给定一系列先前的棋步（缺少一步）和最终结果，它必须预测出缺少的那一步。
为了做到这一点，使用了来自HuggingFace的ChessInstruct数据集。
准备数据集
接下来，使用对话式数据集来微调Gemma 3。
standardize_data_formats方法将数据集转换为用于微调的正确格式！
定义训练器
在这里，通过指定训练配置（如学习率、模型、分词器等）来创建一个训练器对象。
训练
完成这些后，开始训练。
损失通常会随着步骤的增加而减少，这意味着模型正在被正确地微调。
最后，这张图片展示了在微调前后提示LLM的情况：
经过微调后，模型能够找到确切的缺失棋步，而不是随机生成一些棋步。
很简单，不是吗？
原文：https://blog.dailydoseofds.com/p/fine-tuning-gemma-3-270m-locally
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
