canonical_url: https://bebechien.github.io/cozy-corner-future/posts/master-local-fine-tuning-with-gemma-trainer/
cover_image: https://bebechien.github.io/cozy-corner-future/images/master-local-fine-tuning-with-gemma-trainer.png
description: 掌控你的 AI 模型，透過我們最新的技能，讓本機微調更有效率。
published: true
tags:
- gemma
- finetuning
- ai
-
agents
title: 透過「gemma-trainer」掌握本機微調還記得五月我介紹
gemma-skills儲存庫的時候嗎？看到有這麼多人使用我上一篇文章來簡化工作流程，真的很令人欣慰。（話說，就算我們目前在 GitHub 星星數還沒爆量，我覺得也算是有個很好的開始了！😉）
但當我建立更多客製化應用時，我一直遇到同樣的瓶頸：如何將一個很棒的基礎模型，調整成符合我的特定需求。
微調模型通常需要翻閱複雜的設定與令人困惑的指南。為了讓這個流程更直接、更快速，我們打造了最新的技能：gemma-trainer
什麼是 gemma-trainer？
gemma-trainer 是你在本機硬體上訓練與調整 Gemma 模型的藍圖。它會處理那些「怎麼做」的部分，讓你能專注在自己的專案目標上，不論你是在教模型一個新的領域，還是在把它的行為對齊到你的偏好。
為什麼你會用到它
-
更快、更輕量的訓練：我們建議在單 GPU 訓練時使用 Unsloth，它速度快、記憶體用量更低，因此能輕鬆在個人硬體上執行。
-
三種關鍵方法：它會引導你使用監督式微調（SFT）來教模型新資訊、直接偏好最佳化（DPO）來對齊偏好，以及獎勵模型（RM）來評分回應。
-
讓模型學會看與聽：它也提供清楚的指引，教你如何結合文字來訓練含有影像與音訊的模型（多模態學習）。
-
到哪都能跑：你可以快速將模型轉換成輕量格式（例如 GGUF），並使用 LiteRT-LM 在手機或智慧裝置（IoT）上執行。
-
最新的最佳實務：這個技能會持續更新最新的最佳化設定與訓練技巧，確保你始終使用最好的方法。
實際使用案例
要看它如何實際運作，可以回想一下我們在我上一篇文章中，如何把 Gemma 4 變成《古朝鮮語》文學的專業翻譯員。使用 gemma-trainer，你不需要手動拼湊整個流程。你只要直接告訴你的代理人：
「使用資料集 bebechien/HongGildongJeon，對 Gemma 4 E2B 進行微調。」
有了 gemma-trainer 技能，你的代理人會和你一起完成以下工作：
-
驗證你的資料：使用驗證腳本，確保你的訓練資料符合範本需求。
-
設定參數：選擇最適合的 LoRA 設定，在不讓顯示記憶體（VRAM）耗盡的情況下，教模型學會語言細微差異。
-
開始訓練：使用最佳化、資源效率高的預設值啟動訓練流程。
-
評估並迭代：檢視模型表現，並調整設定以獲得你需要的精準結果。
以下是代理人在 Gemma 4 12B 模型上開始音訊任務微調的範例：
完成設定後，代理人就會使用你指定的資料集啟動訓練程序：
即使你犯了錯，代理人也會幫你把關。舉例來說，當我不小心要求訓練 Gemma 4 31B 模型（它是文字與視覺模型，沒有音訊能力）時，它反而建議改用 Gemma 4 E2B 或 12B 來進行音訊微調：
訓練完成後，代理人會呈現結果並說明下一步：
你也可以請你的代理人根據你的特定需求撰寫自訂評估腳本。在這個例子中，我請代理人建立一個用來檢查轉錄相似度的腳本：
最後，你會收到一份完整報告，摘要訓練表現，讓你清楚知道下一輪可以從哪些地方改進：
來試試吧！
gemma-trainer 是一份持續演進、結構化的文件。把它放進你代理人的技能目錄中，你的 AI 助理就會立刻知道如何引導你完成整個流程。
看看這個儲存庫，把這個技能加進你的工具箱，讓我們一起打造一些很棒的東西吧！
感謝閱讀，祝你訓練順利！
原文出處：https://dev.to/googleai/master-local-fine-tuning-with-gemma-trainer-3ipp
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
