【自然语言处理与大模型】使用Xtuner进行模型合并与导出

        在上一篇文章中我为大家介绍了Xtuner框架如何进行QLoRA微调，这个框架在微调过后会得到适配器权重文件，它的后缀是.pth。但原模型都是huggingface模型，其后缀是safetensors。所以呢我们在使用这个框架导出模型之前要合并，合并之前要做数据转换。

（1）数据转换

        Xtuner使用 PyTorch 训练出来的模型权重文件保存为 pth 格式（例如 iter_2000.pth；如果使用了 DeepSpeed，则会保存为一个文件夹）。为了便于后续使用，我们需要将其转换为 HuggingFace 模型格式，可以使用命令 xtuner convert pth_to_hf 来完成转换。具体命令如下：

xtuner convert pth_to_hf ${FINETUNE_CFG} ${PTH_PATH} ${SAVE_PATH}
# 例如：xtuner convert pth_to_hf internlm2_chat_7b_qlora_custom_sft_e1_copy.py ./iter_2000.pth ./iter_2000_hf

 这里涉及的三个参数分别是：

• ${FINETUNE_CFG}：这是微调配置文件的路径。这个配置文件包含了关于如何加载原始模型、adapter层以及如何进行转换的相关信息。它通常是 Python 脚本的形式，例如 internlm2_chat_7b_qlora_custom_sft_e1_copy.py。

• ${PTH_PATH}：这是要转换的 PyTorch 模型权重文件的路径。这通常是在训练过程中保存下来的检查点文件（checkpoint），例如 ./iter_2000.pth，表示经过 2000 步迭代后保存的模型权重。

• ${SAVE_PATH}：这是转换后的 Hugging Face 格式的模型将要保存的位置。您可以指定一个目录，转换后的模型文件将会被存储在这个目录下。例如 ./iter_2000_hf 表示在当前目录下创建一个名为 iter_2000_hf 的文件夹，并将转换后的模型存放在里面。

（2）模型合并导出

        若使用了 LoRA 或 QLoRA 进行微调，模型转换后将仅包含 adapter 参数，而不包含原始的 LLM 参数。如果你希望获得合并后的模型权重（例如用于后续评测）可以使用 xtuner convert merge 命令来完成这一操作：

# xtuner convert merge ${LLM} ${LLM_ADAPTER} ${SAVE_PATH}
xtuner convert merge /root/InternLM/models/Qwen3-0.6B /root/InternLM/models/Qwen3-0.6B_adapter /root/InternLM/models/merged_Qwen3-0.6B

其中参数为：

• ${LLM}:原始 Qwen3-0.6B 模型位于 /root/InternLM/models/Qwen3-0.6B。
• ${LLM_ADAPTER}:微调后得到的 adapter 层（即训练好的额外层）位于 /root/InternLM/models/Qwen3-0.6B_adapter。
• ${SAVE_PATH}:我们希望将合并后的模型保存到 /root/InternLM/models/merged_Qwen3-0.6B。