Académicos de IA e Ingeniería›📖 Entendiendo modelos open-source›Lecciones›Free Resources for Open-Source Models

🆓

Entendiendo modelos open-source • Principiante⏱️ 10 min de lectura

Free Resources for Open-Source Models

¿Sin recursos? Aún puedes usar modelos open source - Recursos gratuitos aquí

El modelo está encontrado, los datos listos, pero estás atascado en el último problema — sin recursos para ejecutar,

Tu computadora no tiene GPU, o no tiene suficiente VRAM, o incluso no tiene suficiente RAM — es desgarrador~

No te preocupes, puedes usar primero los recursos gratuitos de ModelScope,

ModelScope Notebook pone el entorno de desarrollo en la nube. Abre un navegador y puedes escribir código, procesar datos e intentar inferencia de modelos y fine-tuning a pequeña escala dentro de cuotas GPU gratuitas.

Al empezar a aprender sobre modelos open source, no necesitas comprar una nueva computadora primero. Ejecuta un pequeño experimento para ver cuántos recursos necesitas realmente.

¿Cuántos Recursos Gratuitos Hay? Verifica Antes de Usar

ModelScope ofrece entornos CPU gratuitos y entornos GPU con límite de tiempo. Los recursos gratuitos incluyen,

Recurso	Configuración y cuota	Para qué puedes usarlo primero
Entorno CPU	CPU de 8 núcleos, 32GB de RAM, duración de uso gratuita ilimitada	Descargar archivos, procesar datos, depurar código
Entorno GPU	NVIDIA A10, 24GB de VRAM, 36 horas de uso gratuito	Inferencia de modelos y fine-tuning a pequeña escala adecuados para esta escala de VRAM
Espacio de almacenamiento	100GB de almacenamiento persistente	Guardar código, modelos, datos y resultados de experimentos

Abre un Navegador y Primero Inicia el Notebook

Inicia sesión en ModelScope, ve a Mi Notebook. Si la página te pide vincular o autenticar la cuenta, sigue las instrucciones, luego selecciona el entorno CPU o GPU. Después, haz clic en 'Iniciar'.

Después de que la instancia esté lista, haz clic para ver el Notebook y entrar a la página de desarrollo. Aparecerá una invitación a probar la nueva versión.

Dónde Se Almacenan los Archivos — Recuerda Esto

Al entrar al entorno, puedes subir tu código y datos en el área de archivos a la izquierda, y descargar resultados a tu máquina local.

Los archivos que necesitas conservar deben colocarse en el directorio /mnt/workspace El almacenamiento persistente de 100GB proporcionado por ModelScope está montado aquí. Los archivos en otras rutas no se conservarán después del cierre.

Lección 4 de 40% completado

←Data: The Foundation of Fine-Tuning

Discusión

Iniciar sesión unirse a la discusión

Puedes crear carpetas de modelos, datos y salidas en este directorio. Ejecuta el siguiente comando en la terminal.

mkdir -p /mnt/workspace/models /mnt/workspace/data /mnt/workspace/outputs

Al descargar modelos, también puedes especificar directamente la ubicación de guardado.

from modelscope import snapshot_download

model_dir = snapshot_download(
    'Qwen/Qwen3-0.6B',
    local_dir='/mnt/workspace/models/Qwen3-0.6B',
)
print(model_dir)

Si quieres ver cuánto almacenamiento se ha usado, ejecuta el siguiente comando en la terminal.

du -sh /mnt/workspace

Los archivos de modelos pueden ocupar mucho espacio. Las versiones que ya no necesitas se pueden limpiar. El código importante y los resultados pueden descargarse periódicamente.

Ejecuta Una Línea de Código Primero, Luego Es Más Fácil

Crea un nuevo archivo test.ipynb en el área de archivos, ábrelo y añade una celda de código. Escribe una línea simple de Python.

print('¡Hola, ModelScope Notebook!')

Haz clic en el botón de ejecutar a la izquierda de la celda de código, y la salida se mostrará abajo.

Cuando necesites instalar ModelScope, ejecuta el siguiente comando en una celda de código.

%pip install -U modelscope

Luego crea una nueva celda y pega el código de descarga de modelo anterior. Para leer datos, añade ejemplos de MsDataset.load.

La conveniencia del Notebook es que código, explicaciones y resultados pueden estar en el mismo archivo.

Experimento Terminado? No Dejes el GPU Encendido

Los GPU gratuitos tienen límite de tiempo. Recuerda detener la instancia después de tu tarea. Salir de la página no detiene la máquina cloud. Vuelve a la página del Notebook para verificar el saldo.

Para tareas largas, organiza guardar la progreso por adelantado. Los archivos de entrenamiento deben escribirse en /mnt/workspace. Agotado el quota GPU, continúa con CPU gratuito; para más poder, elige recursos promocionales o de pago.

Por primera vez, no sobrecargues las tareas. Abre el entorno, crea un Notebook, descarga un modelo pequeño y ejecuta los ejemplos,

Puedes consultar el capítulo 'Primeros Resultados en 30 Minutos'.

Fundamentos de IA

Maestría en IA

Práctica de IA

Claude Academia

Laboratorio

Desarrollo profesional