共 6 篇文章
在 Windows 11 与 AMD ROCm 环境下运行 LlamaFactory 0.9.4 时，因缺失分布式模块导致启动失败。通过伪造 `torch.distributed` 及其依赖子模块（如 `_shard`、`fsdp`、`_distributed_c10d` 等），构建完整 stub 环境，实现单机模式下的正常运行。配合简易批处理脚本，可快速绕过分布式相关报错，无需修改原项目代码，适用于无 GPU 多进程支持的开发与测试场景。
在 Windows 11 与 AMD AI Max 395 搭配 ROCm 环境下部署 LlamaFactory 0.9.4 时，因 Windows 版 PyTorch 缺失分布式支持，导致导入 `GatherOptions` 等符号失败。通过伪造 `torch.distributed` 及其子模块（如 `_c10d`、`fsdp`、`sharded_tensor`）的缺失类和方法，可绕过 import 错误，实现 WebUI 启动。该方案适用于单机运行，但不支持分布式训练与 FSDP 功能。建议有完整训练需求者优先采用 Linux + ROCm 环境，以获得更稳定可靠的支持。
在 Windows 11 上直接使用系统 Python 安装部署 Llama-Factory，需确保 Python 3.12 环境并升级 pip。通过命令行安装 Llama-Factory 及对应 PyTorch 版本，重点在于为 Windows 兼容性添加 `sitecustomize.py` 补丁，屏蔽不完整的分布式接口以避免报错。推荐使用 `python -m llamafactory.cli webui` 启动 WebUI，实现单机模式下的模型训练与管理。全程无需虚拟环境，适用于本地快速搭建大模型开发环境。
WSL 安装 Ubuntu 默认将系统文件存于 C 盘，对大模型训练等场景极不友好。通过先在 C 盘安装，再利用 `wsl --export` 和 `--import` 将系统迁移至 D 盘或其他大容量盘，可有效解决存储空间问题。迁移后需通过配置 `/etc/wsl.conf` 恢复初始用户名，确保后续操作便捷性。该方法为 WSL 无直接路径选择时的标准解决方案，保障开发环境稳定运行。
在 Ubuntu 22.04 上，可通过 `python3 -m venv myenv` 创建独立的 Python 虚拟环境。使用 `source myenv/bin/activate` 激活环境，命令行前将显示 `(myenv)`，此时执行的 Python 和 pip 均作用于该环境。完成操作后运行 `deactivate` 可退出。若未安装 `python3-venv`，需先通过 `sudo apt install python3-venv` 安装。也可直接调用虚拟环境中的解释器，如 `./myenv/bin/python script.py`，实现无需激活的运行方式。
本文介绍了Linux环境下查看网卡流量的五种常用方法：`iftop`与`nload`适用于实时监控，`sar`可分析历史流量数据，`/proc/net/dev`无需安装即可获取累计流量，而`ss`和`netstat`因不直接显示速率，不适合流量监控。推荐根据需求组合使用，如快速检查用`/proc/net/dev`，实时监控选`nload`或`iftop`，历史分析则依赖`sar`。部分工具需额外安装，建议启用EPEL仓库以确保可用性。