顺德网站建设价格正版google下载
1. 关键文件解析
| 文件名 | 作用 | 参数信息提取线索 |
|---|---|---|
adapter_model.safetensors | 存储微调后的适配器权重 | 直接反映可训练参数量 |
adapter_config.json | 记录LoRA/Adapter的配置参数 | 包含rank、target_modules等 |
2. 参数规模计算（以您的文件为例）
步骤1：检查safetensors文件
-
文件大小：139.51MB
如果是FP32精度（4字节/参数）：
参数量 ≈ 139.51 × 1024² ÷ 4 ≈ 36.6M 参数
如果是FP16精度（2字节/参数）：
参数量 ≈ 139.51 × 1024² ÷ 2 ≈ 73.2M 参数
步骤2：验证配置（adapter_config.json）
// 典型内容示例
{"r": 8, // LoRA秩"target_modules": ["q_proj", "v_proj"], // 目标模块"base_model_name_or_path": "llama-7b" // 基础模型
}
-
计算原理：
假设基础模型为LLaMA-7B（隐藏层维度=4096），LoRA仅作用于q_proj和v_proj两个模块：单个模块参数量 =
r × (d_input + d_output) = 8 × (4096 + 4096) = 65,536
总参数量 = 65,536 × 2模块 = 131,072 参数（约0.13M）与文件大小不符，说明实际可能是全参数微调适配器而非标准LoRA。