模型介绍
中文整理第一步：安装必要依赖
!pip install modelscope peft transformers accelerate bitsandbytes -q
第二步：加载基础模型（魔搭版）
from modelscope import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel, LoraConfig
替换成魔搭上的基础模型 ID（如通义千问、Llama）
base model id = "qwen/Qwen-7B-Chat"
lora path = "/home/model-user/work/your lora.safetensors" # 你的 LoRA 路径
加载基础模型和分词器
tokenizer = AutoTokenizer.from pretrained(base model id, trust remote code=True)
model = AutoModelForCausalLM.from pretrained(
base model id,
trust remote code=True,
device map="auto", # 自动分配显卡/CPU
load in 4bit=True, # 节省显存，可选
)
第三步：加载 LoRA（核心步骤）
try:
# 方式1：直接加载 LoRA 文件（推荐）
model = PeftModel.from pretrained(model, lora path)
print("LoRA 加载成功！")
except Exception as e:
print("直接加载失败，尝试用配置加载：", e)
# 方式2：手动配置 LoRA 后加载
lora config = LoraConfig.from pretrained(lora path)
model = PeftModel.from pretrained(model, lora path, config=lora config)
测试效果
inputs = tokenizer("你好", return tensors="pt").to("cuda")
outputs = model.generate(**inputs, max new tokens=50)
print(tokenizer.decode(outputs[0], skip special tokens=True))
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。