Programmes d'IA et d'ingénierie›📖 Comprendre les modèles open-source›Leçons›Free Resources for Open-Source Models

🆓

Comprendre les modèles open-source • Débutant⏱️ 10 min de lecture

Free Resources for Open-Source Models

Pas de ressources ? Jouez quand même aux modèles open source — tout est gratuit ici

Le modèle est trouvé, les données sont prêtes, mais vous êtes bloqué sur le dernier problème — pas de ressources pour exécuter,

Votre ordinateur n'a pas de GPU, ou pas assez de VRAM, ou même pas assez de RAM — c'est déchirant~

Pas de souci, vous pouvez d'abord utiliser les ressources gratuites de ModelScope,

ModelScope Notebook place l'environnement de développement dans le cloud. Ouvrez un navigateur pour écrire du code, traiter des données et essayer l'inférence de modèles et le fine-tuning à petite échelle dans les quotas GPU gratuits.

Pour commencer à apprendre les modèles open source, pas besoin d'acheter un nouvel ordinateur. Lancez une petite expérience pour voir de combien de ressources vous avez besoin.

Combien de Ressources Gratuites ? Vérifiez Avant d'Utiliser

ModelScope offre des environnements CPU gratuits et des environnements GPU avec limite de temps. Les ressources gratuites incluent,

Ressource	Configuration et quota	Utilisation recommandée
Environnement CPU	8 cœurs CPU, 32 Go de RAM, durée d'utilisation illimitée	Télécharger des fichiers, traiter des données, déboguer le code
Environnement GPU	NVIDIA A10, 24 Go de VRAM, 36 heures gratuites	Inférence de modèles et fine-tuning à petite échelle adaptés à cette VRAM
Espace de stockage	100 Go de stockage persistant	Sauvegarder le code, les modèles, les données et les résultats d'expérience

Ouvrez un Navigateur et Démarrez le Notebook

Connectez-vous à ModelScope, allez dans Mon Notebook. Si la page vous demande de lier ou authentifier votre compte, suivez les instructions, puis sélectionnez l'environnement CPU ou GPU. Après sélection, cliquez sur 'Démarrer'.

Après le démarrage de l'instance, cliquez pour voir le Notebook et entrer la page de développement. Une invitation à découvrir la nouvelle version apparaîtra.

Où Sont Stockés les Fichiers — À Retenir

Après être entré dans l'environnement, vous pouvez télécharger votre code et vos données dans la zone de fichiers à gauche, et télécharger les résultats en local.

Les fichiers à conserver doivent être placés dans le répertoire Le stockage persistant de 100 Go fourni par ModelScope est monté ici. Les fichiers dans d'autres chemins ne seront pas conservés après la fermeture de l'instance.

Leçon 4 sur 40% terminé

←Data: The Foundation of Fine-Tuning

Discussion

Se connecter pour rejoindre la discussion

/mnt/workspace

Vous pouvez créer des dossiers modèles, données et sorties dans ce répertoire. Exécutez la commande suivante dans le terminal.

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

Lors du téléchargement de modèles, vous pouvez également spécifier directement l'emplacement de sauvegarde.

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 vous voulez voir combien de stockage a été utilisé, exécutez la commande suivante dans le terminal.

du -sh /mnt/workspace

Les fichiers de modèles prennent beaucoup de place. Les versions plus nécessaires peuvent être nettoyées. Le code important et les résultats peuvent être téléchargés régulièrement en local.

Exécutez une Ligne de Code d'Abord, Ensuite C'est Plus Facile

Créez un nouveau fichier test.ipynb dans la zone de fichiers, ouvrez-le et ajoutez une cellule de code. Pour la première fois, écrivez une ligne Python simple.

print('Bonjour, ModelScope Notebook !')

Cliquez sur le bouton d'exécution à gauche de la cellule de code, et la sortie s'affichera ci-dessous. Voir ce message signifie que vous avez exécuté du code avec succès dans le cloud.

Lorsque vous devez installer ModelScope, exécutez la commande suivante dans une cellule de code.

%pip install -U modelscope

Puis créez une nouvelle cellule et collez le code de téléchargement de modèle précédent. Pour lire des données, ajoutez des exemples MsDataset.load.

La commodité du Notebook est que code, explications et résultats peuvent être dans le même fichier — modifiez une section, exécutez-la, et revenez aux erreurs.

Expérience Terminée ? Ne Laissez Pas le GPU Allumé

Les GPU gratuits ont une limite de temps. N'oubliez pas d'arrêter l'instance après votre tâche. Quitter la page ou fermer le navigateur n'arrête pas la machine cloud. Retournez à la page Notebook pour vérifier le quota restant.

Pour les tâches longues, arrangez de sauvegarder la progression à l'avance. Les fichiers d'entraînement doivent être écrits dans /mnt/workspace. Après épuisement du quota GPU, continuez avec l'environnement CPU gratuit ; pour plus de puissance, choisissez des ressources promotionnelles ou payantes.

Pour la première fois, ne surchargez pas les tâches. Ouvrez l'environnement, créez un Notebook, téléchargez un petit modèle et lancez les exemples,

Vous pouvez consulter le chapitre 'Premiers Résultats en 30 Minutes'.

Fondations IA

Maîtrise IA

Pratique IA

Claude Académie

Labo

Développement de carrière