---
base_model: Qwen/Qwen2.5-0.5B-Instruct
library_name: peft
tags:
- lora
- qwen
- customer-service
- chinese
- conversational
license: mit
language:
- zh
---

# Qwen2.5-0.5B-Instruct 客服微调模型

这是一个基于 Qwen2.5-0.5B-Instruct 使用 LoRA 方法微调的客服对话模型。

## 模型详情

- **基础模型**: [Qwen/Qwen2.5-0.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct)
- **微调方法**: LoRA (Low-Rank Adaptation)
- **参数量**: 基础模型 0.5B + LoRA 适配器 ~2MB
- **语言**: 中文
- **用途**: 客服对话、智能问答

## 使用方法

### 安装依赖

```bash
pip install transformers peft torch
```

### 加载和使用模型

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

# 加载基础模型
base_model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen2.5-0.5B-Instruct",
    torch_dtype="auto",
    device_map="auto"
)

# 加载 LoRA 适配器
model = PeftModel.from_pretrained(
    base_model,
    "pplboy/test"
)

# 加载分词器
tokenizer = AutoTokenizer.from_pretrained("pplboy/test")

# 使用模型
prompt = "你好，我想咨询一下产品"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=100,
    temperature=0.7,
    top_p=0.9,
    do_sample=True
)

response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)
```

### 使用 Transformers Pipeline

```python
from transformers import pipeline
from peft import PeftModel, PeftConfig
from transformers import AutoModelForCausalLM, AutoTokenizer

# 加载模型
config = PeftConfig.from_pretrained("pplboy/test")
base_model = AutoModelForCausalLM.from_pretrained(
    config.base_model_name_or_path,
    torch_dtype="auto",
    device_map="auto"
)
model = PeftModel.from_pretrained(base_model, "pplboy/test")
tokenizer = AutoTokenizer.from_pretrained("pplboy/test")

# 创建 pipeline
pipe = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    device_map="auto"
)

# 生成回复
result = pipe("你好，我想咨询一下产品", max_new_tokens=100)
print(result[0]['generated_text'])
```

## 模型信息

### LoRA 配置

- **LoRA rank (r)**: 8
- **LoRA alpha**: 16
- **LoRA dropout**: 0.1
- **Target modules**: q_proj, v_proj

### 训练信息

- **训练框架**: PEFT 0.16.0
- **训练方法**: LoRA 微调
- **基础模型**: Qwen2.5-0.5B-Instruct

## 使用场景

- 智能客服系统
- 自动问答
- 对话机器人
- 客户支持

## 限制和注意事项

1. **需要基础模型**: 这是一个 LoRA 适配器，使用前需要先加载基础模型 `Qwen/Qwen2.5-0.5B-Instruct`
2. **模型大小**: 基础模型约 1GB，LoRA 适配器约 2MB
3. **内存要求**: 建议至少 4GB 内存（使用 GPU 可减少内存占用）
4. **语言支持**: 主要支持中文，英文能力有限

## 示例

```python
# 完整示例
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

# 加载
base_model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen2.5-0.5B-Instruct")
model = PeftModel.from_pretrained(base_model, "pplboy/test")
tokenizer = AutoTokenizer.from_pretrained("pplboy/test")

# 测试对话
conversations = [
    "你好，我想咨询一下产品",
    "这个产品有什么特点？",
    "如何退货？",
    "客服工作时间是什么时候？"
]

for prompt in conversations:
    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
    outputs = model.generate(**inputs, max_new_tokens=100, temperature=0.7)
    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
    print(f"Q: {prompt}")
    print(f"A: {response}\n")
```

## 引用

如果使用本模型，请引用：

```bibtex
@misc{pplboy-test-2024,
  title={Qwen2.5-0.5B-Instruct 客服微调模型},
  author={pplboy},
  year={2024},
  howpublished={\url{https://huggingface.co/pplboy/test}}
}
```

## 许可证

本模型基于 Qwen2.5-0.5B-Instruct，遵循 MIT 许可证。

## 相关链接

- [基础模型](https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct)
- [PEFT 文档](https://huggingface.co/docs/peft)
- [Transformers 文档](https://huggingface.co/docs/transformers)