1. 进入华为云

华为云首页
点击右上角控制台

2.进入ModelArts

点击搜索框->搜索“ModelArts”->选择AI开发平台ModelArts->进入平台后点击开发者空间

3.创建Notebook

3.1在开发者空间中点击Notebook->在西南贵阳一下点击创建Notebook

3.2进入创建Notebook页面选择公共资源池中第2页的pytorch_2.1.0-cann_8.0.rc1-py_3.9-euler_2.10.7-aarch64-snt9b

3.3选择NPU与创建Notebook

4.打开服务器

等待创建完成后，单击后面的“打开”按钮将服务器打开。

5.安装Python

创建“python”版本的型号，点击上方的“+”，在展开的下拉菜单中选择“Notebook”
将以下代码放在Notebook中执行
conda create -n llamafactory python==3.10 -y

6.安装openMind Hub Client和openMind Library

切换到终端窗口，点击上方的“+”，在展开的下拉菜单中选择“Termianl”
在终端执行命令，激活或者启动昇腾资源服务。
source /usr/local/Ascend/ascend-toolkit/set_env.sh

查看创建的环境
conda env list
进入新建的python环境
conda activate llamafactory

安装“openMind Hub Client”（可能出现以下的错误，不影响下面的操作）
pip install openmind_hub

安装“openMind Library”，并安装“PyTorch”框架及其依赖（可能出现以下的错误，不影响下面的操作）
pip install openmind[pt]

安装和下载“LLaMa Factory”工具（报错没关系）
git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git
cd LLaMA-Factory
pip install -e ".[torch-npu,metrics]"
pip install numpy==1.23.5

7.安装符合Qwen3要求的transformers

请注意，这一点很重要，如果没安装，后面会报错没有qwen3模板

pip install --upgrade transformers==4.51.0

8.模型下载Qwen3

登录魔搭下载模型
魔搭官网
安装安装ModelScope
pip install modelscope
复制官网链接下载Qwen3模型，模型会下载在/home/ma-user/.cache/modelscope/hub/models/Qwen/Qwen3-8B下，可以使用mv命令移动到指定文件夹下
modelscope download --model Qwen/Qwen3-8B
进入模型下载路径
cd /home/ma-user/.cache/modelscope/hub/models/Qwen/Qwen3-8B
查看当前路径获取路径地址
pwd
/home/ma-user/.cache/modelscope/hub/models/Qwen/Qwen3-8B
使用mv命令移动到/home/ma-user/work/Model下，因为/home/ma-user/work下是进来显示的界面，是永久存储的（一开始选的100G云硬盘）
mv /home/ma-user/.cache/modelscope/hub/models/Qwen/Qwen3-8B /home/ma-user/work/Model

9.构造数据集，注册数据集，使用命令微调Qwen3

具体可以看llamafactory官网教程
llamafactory官网
llamafactory官网数据处理详解
在LLaMA-Factory/data 目录下的daraset_info.json中注册数据集，上传数据集到指定的位置

上传可以在要上传的文件夹下点击右上角上传，上传本地文件，如果文件过大，在弹出的提示中选择obs桶就行，默认就可以

10.使用命令微调Qwen3

查看npu，便于观察

npu-smi info

这是我的微调命令，根据自己的需求更改，其中NPU序列号是从0开始的，不用看别的，有几张卡都从0开始。

ASCEND_RT_VISIBLE_DEVICES=0,1 llamafactory-cli train
–stage sft
–do_train True
–model_name_or_path /home/ma-user/work/Model/Qwen3-8B
–preprocessing_num_workers $(nproc)
–finetuning_type lora
–template qwen3
–flash_attn auto
–dataset_dir data
–dataset Multimodal_stock_train_cot
–cutoff_len 3072
–learning_rate 5e-5
–num_train_epochs 3.0
–max_samples 100000
–per_device_train_batch_size 6
–gradient_accumulation_steps 4
–lr_scheduler_type cosine
–max_grad_norm 1.0
–logging_steps 5
–save_steps 100
–warmup_steps 0
–packing False
–enable_thinking True
–report_to none
–output_dir /home/ma-user/work/out/Qwen3-8B-text
–bf16 True
–plot_loss True
–trust_remote_code True
–ddp_timeout 180000000
–include_num_input_tokens_seen True
–optim adamw_torch
–lora_rank 8
–lora_alpha 16
–lora_dropout 0
–lora_target all