通过模型文件估算模型参数量大小

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。