0 MAC

前几天经过学生优惠以及国补17K入手了mac studio,然后这两天亲自测试其模型行运用能力如何，是否支持微调、推理速度等能力。下面进入正文。

1 mac 与 unsloth

按照下面的进行安装以及测试，是可以跑通文章里面的代码。训练速度也是很快的。

注意：一定要切换分支！python版本不要太高！

mac安装unsloth_mac unsloth-CSDN博客

下载模型：我下载速度好慢！

from modelscope import snapshot_download
model_dir = snapshot_download('LLM-Research/Llama-3.2-3B-Instruct')

训练一下看看如何：跑通没有障碍，后面的文章我会继续介绍unsloth～

推理测试

文件名称换成自己的即可！

from mlx_lm import load, stream_generate

repo = "/Users/****/.cache/modelscope/hub/models/LLM-Research/Llama-3.2-3B-Instruct"
model, tokenizer = load(repo)

prompt = "你会做什么，请用100字回答"

messages = [{"role": "user", "content": prompt}]
prompt = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True
)

for response in stream_generate(model, tokenizer, prompt, max_tokens=512):
    print(response.text, end="", flush=True)
print()

 结果：我可以提供信息、答案和建议。我们可以在许多领域交流，如教育、科技、娱乐、生活tips等。您有什么问题或想讨论的主题？我会尽力帮助您。

2 总结

可以看到，经过mac可以满足微调以及推理测试，后面我会继续使用unsloth测试mac的能力。内容包含：获取文本数据、拉取大模型、使用不同的策略进行微调、对齐等过程！