XTuner项目模型支持查询方法详解

在XTuner项目实践中，了解当前支持的模型类型是进行微调任务的首要步骤。本文将系统介绍XTuner中查询支持模型的技术方案，帮助开发者快速掌握相关工具的使用方法。

核心查询命令

XTuner提供了简洁高效的命令行工具来查询支持的模型配置。通过执行以下命令即可获取完整配置列表：

xtuner list-cfg

该命令会输出所有可用的配置文件名称，这些名称采用结构化命名方式，包含了模型类型、算法参数等重要信息。

配置名称解析规则

配置文件名称遵循特定的命名规范，每个部分都承载着关键信息：

1. 模型标识部分：名称前缀直接表明支持的模型类型，例如：

   • internlm2_7b 表示InternLM2-7B模型
   • llama2_13b 表示Llama2-13B模型

2. 算法标识部分：紧接模型名称后的缩写表示采用的微调算法：

   • qlora 代表QLoRA算法
   • lora 代表标准LoRA算法
   • 无特殊标注时表示全参数微调

3. 数据集标识：表明该配置针对的数据集类型，如：

   • alpaca 使用Alpaca格式数据集
   • oasst1 使用OpenAssistant数据集

4. 训练参数：末尾数字通常表示训练周期数，如：

   • e3 表示3个epoch
   • e5 表示5个epoch

典型配置示例解析

以internlm2_7b_qlora_alpaca_e3为例：

• 模型类型：InternLM2-7B
• 微调方法：QLoRA高效微调
• 训练数据：Alpaca格式数据集
• 训练周期：3个epoch

这种结构化命名方式使用户无需查看配置文件内容即可快速掌握核心参数，极大提升了配置选择效率。

最佳实践建议

1. 版本兼容性检查：不同版本的XTuner可能支持不同模型，建议先确认XTuner版本号
2. 自定义配置：基于现有配置修改时，建议复制相近模型配置作为基础
3. 资源评估：7B/13B等参数规模标识可帮助预估显存需求

通过掌握这些查询技巧，开发者可以快速定位适合自己任务的模型配置，为后续微调工作奠定基础。