modules_to_save解析

还有一个配置参数可用于指定你希望保持 “活跃且可训练” 的层列表 —— 也就是说，这些层会被设为可训练状态。更便捷的是，你无需提供完整的层全称列表；该参数会通过正则表达式，将你列表中的名称与模型中的层进行匹配。因此，若我们确实希望让层归一化层（layer norm）保持可训练，只需在列表中添加 “layer_norm” 即可。

PEFT 模型中卸载适配器

我们应始终将配置应用于 “全新的” 模型。get_peft_model()函数会在原地修改底层模型，因此若我们使用多个不同的配置对象重复调用该函数，这些配置会相互混淆。我们固然可以重新加载量化模型并重新准备，但更简单的方法是直接从现有的 PEFT 模型中卸载（移除）适配器。有关unload()方法的更多细节，请参阅 “Managing Adapters”（适配器管理）章节。

_ = peft_model.unload()

在典型的工作流程中，我们只需加载一次配置，这样就无需采用这种变通方法了。

以下是完全实现该操作的示例：