基于 GGUF 的 LoRA 训练把 Qwen3.5-35B-A3B 装进 16GB 显存
woct0rdho · reddit · 2026-07-21
一个 GitHub 项目演示了如何用 GGUF 作为基座格式，在 16GB 显存里训练 Qwen3.5-35B-A3B 的 LoRA。作者认为 GGUF 正在取代 bitsandbytes 成为低显存训练的更好底座，因为它能支持 MoE、线性注意力和新量化类型；配合 APEX quant，这个模型可压到 13.3 GiB，并通过 fused dequant-matmul/MoE kernel 跑通训练。在 Strix Halo 上，作者称 batch size 1、2048 token chunk、LoRA rank 4 时可达到 6.5 s/it，另一个副产物是提供这些 kernel 的 PyTorch 绑定 torch-ggml-ops。
「Infra」频道最新
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11
- PyTorch Day Korea 2026 首届线下大会启动,9月13日截止征集演讲 — PyTorch · 2026-09-11
- 本地跑 LLM 选卡:4 张 CMP-170HX 涨价 vs Mac Studio M5 — rumboll · 2026-09-11
- llama.cpp 为 RDNA4 调优 Flash Attention,大上下文提升明显 — pmttyji · 2026-09-11