下载lora或大模型前须先确认gpu型号与显存：第一步查清真实gpu型号及可用vram；第二步用llmfit估算显存需求；第三步按官方组合设batch size与梯度累积；第四步禁用混合精度、统一正方形分辨率、规范文件名。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在LiblibAI社区下载LoRA或大模型前，不先确认显卡能否承载就直接下载，轻则加载失败卡死，重则训练中断、显存溢出报错后连日志都来不及保存。
第一步：查清你的GPU型号和显存容量
打开Windows设备管理器→显示适配器，或Linux下执行 nvidia-smi，看清楚型号全称——不是“RTX 4090”，而是“NVIDIA A100-PCIE-40GB”或“NVIDIA RTX 4090D”。【A100(40GB)和A100(80GB)在LiblibAI当前训练页中不被识别为独立选项，平台会自动降级匹配到V100策略】。显存大小必须是真实可用VRAM，不是系统报告的“共享内存”或“已分配”值。
这一步跳过会导致后续所有参数设置失效。比如把RTX 4070（12GB）当成A10（24GB）去设Batch Size=4，训练第2轮就会触发OOM。
第二步：用llmfit命令快速估算模型显存需求
在终端执行：llmfit --model 7b --quant 4bit --vram 12（将7b换成你要下载的模型参数量，12换成你显卡真实显存GB数）。
它会返回类似“✅ 可运行：最大上下文长度=2048，推荐batch_size=1”的结论。如果返回❌符号，说明该模型在你当前硬件上无法启动推理，更别提训练。这个工具算的是运行时显存，不是模型文件体积——【一个4.2GB的Qwen2-7B-4bit模型，实际运行需占用约6.8GB显存，额外开销来自KV Cache和CUDA Context】。
没装llmfit？用这条命令一键安装：pip install llmfit。它不依赖GPU，CPU上就能跑。
第三步：对照LiblibAI官方GPU参数组合表
进入LiblibAI“赛博丹炉”训练页→拉到最下方“设备信息”栏，确认当前分配的GPU型号后，严格按以下组合设置：
方法一：A10(24GB) → Batch Size=2，梯度累积=4；
方法二：V100(32GB) → Batch Size=4，梯度累积=3；
方法三：RTX 4090(24GB) → Batch Size=3，梯度累积=3（需手动关闭混合精度，否则第4轮必出NaN Loss）。
这三个乘积均为8～12，是LiblibAI云端验证过的稳定吞吐窗口。低于8训练极慢，高于12极易Loss突变为nan且无法恢复。
第四步：检查三项致命禁忌
① 禁用混合精度训练：勾选框必须处于未激活状态。LiblibAI丹炉对fp16支持不稳定，启用后第3～5轮loss必然归零，日志仅显示loss=nan，无其他提示。
② 图片分辨率必须为正方形：上传前用画图工具统一裁切为512×512或768×768。非正方形如800×600不会报错，但LoRA输出图像必定形变，且训练完成后无法回溯修正。
③ 文件名禁止含中文标点、空格、全角字符：把“01-水墨人物.jpg”改为“01_shuimo_renwu.jpg”。否则系统静默跳过该图，最终有效训练图不足20张，Repeat再高也救不回特征坍缩。
