lora_gemma2_9b¶
- torchtune.models.gemma2.lora_gemma2_9b(lora_attn_modules: List[Literal['q_proj', 'k_proj', 'v_proj', 'output_proj']], apply_lora_to_mlp: bool = False, lora_rank: int = 8, lora_alpha: float = 16, lora_dropout: float = 0.0, use_dora: bool = False, quantize_base: bool = False) TransformerDecoder[source]¶
用于构建启用 LoRA 的 Gemma 9B 模型。
Gemma 的默认参数与
gemma_7b()相同，而 LoRA 的默认参数基于 https://github.com/tloen/alpaca-lora/blob/8bb8579e403dc78e37fe81ffbb253c413007323f/finetune.py#L41-L43。- 参数:
lora_attn_modules (List[LORA_ATTN_MODULES]) – 指定 LoRA 应应用于每个自注意力块中哪些线性层的列表。选项包括
{"q_proj", "k_proj", "v_proj", "output_proj"}。apply_lora_to_mlp (bool) – 是否将 LoRA 应用于每个 transformer 层中的 MLP。默认值：False
lora_rank (int) – 每个低秩近似的秩
lora_alpha (float) – 低秩近似的缩放因子
lora_dropout (float) – 低秩近似的 dropout 概率。默认值：0.0
use_dora (bool) – 将 LoRA 权重分解为幅度和方向，如“DoRA: Weight-Decomposed Low-Rank Adaptation”(https://arxiv.org/abs/2402.09353) 中所述。
quantize_base (bool) – 是否量化基础模型权重
- 返回:
应用 LoRA 的 Gemma2 9B 模型实例
- 返回类型:
