关于微调概念这里不做介绍，网上百度有的是，这里就是实战，让你做第一微调，话不多说直接上实战。
1.第一步环境安装：资金有限我没有自己的环境，是使用了魔塔社区提供的环境，进入魔塔社区（https://www.modelscope.cn/）-我的Notebook，进入方式二GPU环境。
2.第二步数据处理：我使用的是魔塔社区的 delicate_medical_r1_data 数据集，该数据集主要被用于医学对话模型。本步骤需要执行数据处理代码，这里步显示，后续章节我统一导出来了顺序代码，按照顺序执行即可，执行完这部后代码目录下会出现训练集train.jsonl和验证集val.jsonl文件。
3.第三步加载模型：我使用modelscope下载Qwen3-1.7B模型。
4.第四步使用Swanlab工具：去https://swanlab.cn上注册一个账号，然后在Nootbook环境中打开一个Terminal，首先输入：swanlab login 输入后他会让你输入APIkey，这时候去swanlab设置中复制你的API输入，这里注意输入时候是没有显示的，不用管直接ctrl+C然后回车即可。
5.第五步完整代码：（前边的处理过程需要执行代码我都没与写，这里统一输出代码）我把我环境的完整流程从第一步需要输出的代码按照顺序都导出了，你按照我的顺序复制粘贴代码即可。
代码中的os.environ["SWANLAB_PROJECT"]="qwen3-sft-medical" qwen3-sft-medical是你在Swanlab工作区里的项目名称不用去Swanlab配置，自动生成的。
args = TrainingArguments(
output_dir="/root/autodl-tmp/output/Qwen3-1.7B", 这里是你最后微调模型输出的位置
...
report_to="swanlab",
run_name="qwen3-1.7B",
)
run_name="qwen3-1.7B"中的qwen3-1.7B是项目中实验名，这两个部分你自己想气起什么名字自己定即可。
https://modelscope.cn/notebook/share/ipynb/9e5e5b24/train.ipynb
这里是完全的代码，可以按照这个顺序执行。下图是执行的过程图
第6.六步训练演示：
代码：完整代码在https://modelscope.cn/notebook/share/ipynb/9e5e5b24/train.ipynb
实验显示过程：https://swanlab.cn/@woshisunwukong/qwen3-sft-medical/runs/i9px1vrsz4a93ywzkbd18/chart
模型：Modelscope
数据集：delicate_medical_r1_data
SwanLab：https://swanlab.cn
