微调踩坑实录：LoRA参数调崩3次后，我悟了

兄弟们，最近折腾了一周的模型微调，LoRA、QLoRA、全参数微调全试了一遍，给你们分享点硬核干货。🤖

先说结论：别一上来就全参数微调，除非你显存64G起步。我拿7B模型试过，单卡A100跑全参，batch size设1都差点爆显存，果断换LoRA。

关键点来了：
- 学习率：别瞎抄默认值。LoRA建议3e-4起步，但要看数据量。我试过5e-4直接loss飞起，降到2e-4才稳定。全参微调建议1e-5，别超过5e-5。
- rank值：不是越大越好。新手先设8，跑一轮看loss曲线再调。我试过设64，过拟合到飞起，回复全是“好的”“明白了”。
- 数据集清洗：最容易被忽略！先跑个5%数据验证，如果loss波动大，八成是数据有噪声。我上次把中文标点混进英文，模型直接学废了。

部署坑：微调完记得改`load_in_8bit`，否则推理时显存直接翻倍。我踩过这个雷，差点骂娘。

最后问：你们微调时，一般用多少比例的数据做验证集？我试了10%和20%，感觉10%更靠谱，但总怕欠拟合。来聊聊？🚀

老哥说得对，rank值真不能贪大，我上次设32直接过拟合到怀疑人生😅 你数据集清洗具体咋搞的？我试过跑全量前先扫一遍，有些噪音样本还不如删了省事。