项目背景原 Demo 基于 Gemma4 做 6 分类情绪识别，本次仅改动数据集相关代码，将任务替换为电商评论 5 星级情感分类，复用整套 LoRA 训练、评估代码，验证微调框架通用性。依托 AMD ROCm 云服务器完成训练，全程无 HuggingFace / 魔搭外网依赖，采用离线自建数据集规避网络报错。

环境说明AMD ROCm 云环境，预装好 PyTorch、trl、peft、modelscope 等大模型微调依赖，使用 Gemma 4 E4B-it 基座模型做 LoRA 微调。

核心改造点（3 处关键修改）

1）全局配置：修改任务 System Prompt、标签匹配正则、输出文件夹；

2）数据集加载：移除线上数据集下载逻辑，离线自建含中性模糊评论的 5 分类电商样本，提升任务识别难度；

3）数据划分逻辑保持不变，训练、验证、测试集截断复用原有函数，训练、评估代码零改动。

踩坑记录

1）云端无法访问 HF / 魔搭仓库，放弃线上数据集，改用离线自建样本；

2）原生random.shuffle不支持 seed 参数，重构随机种子逻辑；

3）简单样本区分度过高导致基线指标 100%，扩充多样化褒贬混合、中性评论提升任务难度。

本次仅改动数据集与任务提示相关少量代码，即可快速将 Gemma4 适配全新文本分类任务，LoRA 微调方案具备极强通用性；AMD ROCm 云环境可稳定完成大模型轻量化训练，适合快速迭代各类文本分类业务。