01环境与工具
02项目A·案例一 数据整理
03项目A·案例二 QLoRA微调
04项目A·案例三 量化压缩
05项目A·案例四 推理提交
06项目B·案例一 数据处理
07项目B·案例二 模型训练
08项目B·案例三 模型验证
09项目B·案例四 ONNX部署
10常用库速查
11时间分配与检查清单
一、教程总览与实战思路
本教程包含两大实战项目：项目A —— 大语言模型微调全流程；项目B —— 交通路牌目标检测与部署。两个项目本质上是同一条工程链路："数据 → 训练 → 验证 → 量化 → 部署提交"，只是项目A处理文本（LLM），项目B处理图像（目标检测）。
图 0-1 两个实战项目的链路总览
⏱️ 项目时间怎么分配？（通用策略）
- 0–15 分钟：通读需求文档，建好所有目录结构（
model_b/data、quantization、submission等），先把"保存与上传"这一步的心理预期定好。 - 数据环节优先做：项目A和项目B的案例一都是各自后续环节的地基，数据质量决定模型上限。
- 训练挂着、人别闲着：训练启动后趁等待写推理脚本、README、self_check 等纯文本交付物。
- 随时保存 + 边做边传：养成随手保存的习惯，每完成一个阶段就交付/备份一次成果。
- 允许上网查 API 文档（但不能用聊天工具），忘掉参数别慌，
--help和官方文档是你的朋友。
— AI训练师技术交流教程 · 仅供学习交流 —