012、实战：在单卡/多卡上完成大模型全参数微调
一、从OOM报错说起
昨天深夜，实验室的师弟跑来找我，屏幕上一行刺眼的CUDA out of memory。他试图在24G显存的3090上微调一个7B模型，加载完模型显存就爆了。“师兄，我不是只做微调吗，为什么比推理还吃显存？” 这个问题问得好，也是很多初学者第一次尝试全参数微调时会踩的坑。
全参数微调（Full Parameter Fine-tuning）和推理最大的区别在于梯度计算和优化器状态。每个可训练参数都需要存储梯度，优化器（比如Adam）还要维护动量和方差两个状态。简单算笔账：7B模型用FP16加载，基础显存14GB，加上梯度14GB，Adam优化器状态28GB（每个参数需要2个FP32状态），还没算激活值就已经56GB了。这就是为什么单卡微调大模型需要技巧。
二、单卡微调的生存法则
先看一个能实际跑起来的单卡微调框架。我们以Hugging Face Transformers为例，但会加入一些工程上的调整：
importtorchfromtransformersimportAutoModelForCausalLM,AutoTokenizer,TrainingArguments,Trainer# 关键技巧1：梯度累积# 单卡显存不够时，用时间换空间training_args=TrainingArguments(output_dir="./results",per_device_train_batch_size=2,# 调小batch sizegradient_accumulation_steps=8,# 累积8步相当于batch_size=16num_train_epochs=3,logging_dir="./logs",save_steps=500,fp16=True,# 混合精度训练，省显存还能加速gradient_checkpointing=True,# 用计算换显存，重要！)# 关键技巧2：梯度检查点# 这个功能会让前向传播中间结果不保存，反向时重新计算model=AutoModelForCausalLM.from_pretrained("model_name",use_cache=False,# 训练时必须关掉cach
