先讲核心结论：V100 32G 几乎无法做主流大模型全参数训练，仅能极小参数量模型裸训；7B/13B/30B 只能 LoRA 微调，不能全量训练一、基础概念区分全参数训练（全量训练）冻结任何层，模型所有权重、梯度、优化器参数全部存入显存，显存占用极高。LoRA 微调冻结基座大模型，仅训练少量低秩矩阵，显存需求大幅降低（前文方案）。二、显存占用参考（单卡 V100 32G，不含梯度累积、梯度检查点）FP16/BF16 全参数裸训，显存三部分构成：模型权重 + 梯度缓存 + 优化器缓存（AdamW 占用最大）1B 以内小模型（几百 M 参数） 权重≈2GB，全量训练总占用≈8~12GB ✅V100 32G 可完整全参数训练适用：小型分类模型、简易 TextCNN、单层 LSTM、微型对话模型3B 模型 权重≈6GB，Adam 全量训练总占用≈22~28GB 勉强塞下，但无显存余量，无法加数据集缓存、无法开长上下文，极易 OOM7B 模型 FP16 权重 13GB，Adam 全参数训练总需求 45G + 显存 ❌32G 显存完全不够，无法单卡全参数训练13B/30B 全参数训练显存需求 60G/130G 起步，单卡 V100 完全不具备条件三、V100 32G 能做的「全参数训练」细分场景1、完全无压力（推荐）：1B