一个显卡显存占用率是7个G，另一个能跑满，此情况调整ModelScope哪个地方？

在这种情况下，您可能需要调整ModelScope中与显存管理相关的设置。以下是一些建议：

1. 使用QLoRA技术：QLoRA是一种能够减少显存占用的大模型高效微调方法，当模型过大导致显存不够时可以考虑使用4bit或8bit QLoRA。
2. 检查内存泄漏：可能存在内存泄漏导致GPU显存无法正确释放。您可以检查代码并确保在每个问题回答后释放不再需要的资源，特别是模型和中间计算结果。
3. 优化模型加载：如果在每次提问时都重新加载模型，这会导致GPU显存占用较高。尝试将模型加载操作移至整个问答过程的开始，而不是每次提问时都重新加载。
4. 调整批处理大小：如果批处理大小设置过大，可能会导致显存耗尽。尝试减小批处理大小，以降低对显存的需求。
5. 手动清理显存：在每次回答问题后，可以尝试手动清理GPU显存，以释放不再使用的内存空间。
6. 调整训练策略：ModelScope的回调机制允许您根据不同的训练策略进行调整，例如选择单卡训练或DDP训练，或者使用deepspeed进行多机多卡训练等。
7. 监控显存使用情况：定期监控两块显卡的显存使用情况，以便及时发现潜在的不平衡或异常情况。
8. 更新软件版本：确保ModelScope和相关依赖库（如TensorFlow）是最新版本，以便获得最新的性能优化和bug修复。
9. 咨询社区支持：如果上述方法仍然无法解决问题，可以在ModelScope的官方论坛或社区寻求帮助，可能有其他用户遇到过类似的问题并找到了解决方案。

总的来说，通过上述步骤，您应该能够找到合适的方法来调整ModelScope的设置，以解决一块显卡显存占用率是7个G，而另一块。