Java 开发者从零实操 Qwen LoRA 微调：Mac 虚拟机环境搭建、训练、踩坑与验证

文章目录一、为什么我要写这篇Java 开发者为什么要懂一点 LoRA阅读建议二、先说结论：Mac 虚拟机不适合直接训 Qwen-7B三、准备 Ubuntu 基础环境四、创建项目目录和 Python 虚拟环境Python 虚拟环境是干什么的？五、安装依赖六、依赖验证时踩的坑1. `IndentationError: unexpected indent`2. `transformers.version` 报错七、HuggingFace 不通怎么办八、准备训练数据九、LoRA 训练脚本十、LoRA adapter 是什么十一、训练时的几个坑1. `no_cuda` 参数报错2. 训练到一半 `Killed`3. 训练完回答还是胡编十二、epoch 和过拟合十三、验证 LoRA 结果十四、这次实操到底学到了什么十五、总结一、为什么我要写这篇最近我在学习大模型微调，目标很简单：不是一上来训练一个能上生产的模型，而是先把LoRA 微调的完整流程跑通。我手头环境比较普通：Mac 电脑Ubuntu 虚拟机没有 NVIDIA CUDA GPU没有完整深度学习环境所以这篇不是那种“上来 A100 跑 Qwen-7B”的教程，而是一篇更贴近日常学习的实操记录：在没有 GPU 的 Ubuntu 虚拟机里，如何从零搭环境，跑通 Qwen 小模型的 LoRA 微调流程。整个过程包括：安装 Ubuntu 基础环境创建 Python 虚拟环境安装 PyTorch、Transformers、PEFT 等依赖准备训练数据使用 LoRA 训练 Qwen2.5-0.5B-Instruct生成 adapter加载 adapter 推理验证记录过程中遇到的坑这篇文章适合：Java 后端想了解大模型微调做 AI 应用层开发，但想补一点模型训练常识想理解 LoRA / adapter / epoch / 过拟合这些概念没有 GPU，只想先把流程跑通