大模型干货 | 微调框架Llama-factory和Unsloth：应该选择哪个？

### 微调后的 LLaMA-Factory 模型存储位置 对于微调后的 LLaMA-Factory 模型，通常情况下，模型会被保存到指定的目录下。具体路径取决于所使用的框架和配置文件设置。 当使用 PyTorch 进行训练时，默认会将模型权重和其他元数据保存至当前工作目录下的 `output_dir` 文件夹内[^1]。如果指定了其他路径，则会在该路径创建相应的子文件夹来存放这些资源。 为了确认具体的存储位置，在代码实现部分应当查看如下参数： ```python training_args = TrainingArguments( output_dir='./results', # 输出目录用于保存检查点和最终模型 overwrite_output_dir=True, # 覆盖输出目录中的现有内容 num_train_epochs=3, # 训练轮数 per_device_train_batch_size=8, # 每个设备上的批量大小 save_steps=500, # 每多少步保存一次模型 save_total_limit=2 # 保留最近几次保存的模型数量 ) ``` 上述代码片段展示了如何通过设定 `TrainingArguments` 来控制模型保存的位置以及其他相关选项。其中 `output_dir` 参数决定了微调后模型的具体存储位置。 此外，根据不同的云服务提供商或本地环境的不同，可能还需要考虑额外的因素如权限管理、网络驱动器映射等问题。因此建议查阅官方文档获取最准确的信息并遵循最佳实践指南。