工具对照

不存在「更高级」的框架,只有更贴你现状的入口。LoRA、数据、检查点在哪边都一样。v2 把 Desktop 的单文件限制和评测分工写清楚。

AutoDL 命令行Unsloth DesktopLLaMA-Factory
适合谁要复现原文、习惯终端、愿意租两块钱的 4090想在本机点按钮,图像和对话都想试要换很多开源模型,或已经有 WebUI 镜像
安装账号 + SSH + 起步包脚本官方安装包,像普通软件git clone + pip,在仓库根目录起 WebUI
人物 LoRA原文完整路线,SDXL + Juggernaut走 Images → Train,不要走 Dataset 虚线框不是这条课的重点
对话 LoRA可自建,但本课不走这条一个 JSONL + 可选 eval 文件,导出 GGUFSFT / DPO 全家桶,模型列表最广
本地数据文件夹 + 同名 txt,脚本读目录Dataset 拖放区一次一个文件;多图走 Images 或 Hubdataset_info.json 指向目录或文件
训后评测出图网格 + 检查点黄金集主考;EvalScope 只用于知识/解题可接 EvalScope / 自备 eval
你仍要亲自做的caption、对照、关机打包、训练前快照、别连点下载dataset_info、chat template、对照

v2 深修

人物 LoRA 深修 · Unsloth v2

先定义失败,再走对入口,训完用网格和人脸向量验收,而不是「看起来还行」。

打开课程

对话微调深修 · Unsloth v2

单文件 JSONL、黄金集、遗忘抽检。EvalScope 只在任务真的是知识/解题时请上场。

打开课程

v1 入门(保留)

人物写真 LoRA · AutoDL 命令行

原文路线:租一张 4090,用起步包把 24 张图训成可反复加载的人物权重。

打开课程

人物写真 LoRA · Unsloth Desktop

同一套人物训练,改用本机图形界面:导入图片、写 caption、点 Train。

打开课程

对话模型微调 · Unsloth Desktop

用自己的口吻、客服话术或角色设定,给 Instruct 模型打一份文字 LoRA。

打开课程

对话模型微调 · LLaMA-Factory

开源 WebUI:覆盖模型最多,适合以后要换 Qwen / Llama / GLM 全家桶的人。

打开课程