llama2

torchtune.models.llama2.llama2(vocab_size: int, num_layers: int, num_heads: int, num_kv_heads: int, embed_dim: int, max_seq_len: int, attn_dropout: float = 0.0, intermediate_dim: Optional[int] = None, norm_eps: float = 1e-05, rope_base: float = 10000.0) → TransformerDecoder

构建与 Llama2 模型关联的解码器。 这包括：- 令牌嵌入- num_layers 个 TransformerSelfAttentionLayer 块- 应用于变换器输出的 RMS 规范化层- 最终投影到令牌空间

参数:

• vocab_size (int) – 词汇表中的令牌数。

• num_layers (int) – 变换器解码器中的层数。

• num_heads (int) – 查询头的数量。 对于 MHA，这也是键和值的头的数量

• num_kv_heads (int) – 键和值的头的数量。 用户应确保 num_heads % num_kv_heads == 0。 对于标准 MHA，将 num_kv_heads 设置为 num_heads，对于 GQA，num_kv_heads < num_heads，对于 MQA，将 num_kv_heads 设置为 1。

• embed_dim (int) – 自注意力的嵌入维数

• max_seq_len (int) – 模型将运行的最大序列长度，如 KVCache() 中使用

• attn_dropout (float) – 传递给 scaled_dot_product_attention 的 dropout 值。 默认值：0.0

• intermediate_dim (Optional[int]) – MLP 的中间维数。 如果未指定，则使用 scale_hidden_dim_for_mlp() 计算。

• norm_eps (float) – RMS 规范化中的 epsilon。

• rope_base (float) – 旋转嵌入的基础。 默认值：10000.0

返回值:

Llama2 模型的实例化。

返回类型:

TransformerDecoder