llama3_1¶
- torchtune.models.llama3_1.llama3_1(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, rope_base: int = 500000, intermediate_dim: Optional[int] = None, norm_eps: float = 1e-05, scale_factor: int = 8) TransformerDecoder[源代码]¶
构建与 Llama3.1 模型关联的解码器。这包括：- 令牌嵌入 - num_layers 个 TransformerSelfAttentionLayer 块 - 应用于转换器输出的 RMS Norm 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) – 变压器解码器中的层数。
num_heads (int) – 查询头的数量。对于 MHA，这同时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，设置 num_kv_heads == num_heads，对于 GQA，num_kv_heads < num_heads，对于 MQA，设置 num_kv_heads == 1。
embed_dim (int) – 自注意力嵌入维度
rope_base (int) – 回转位置嵌入的基础。默认值：500_000
attn_dropout (float) – 传递到 scaled_dot_product_attention 的 dropout 值。默认值：0.0
intermediate_dim (Optional[int]) – MLP 的中间维度。如果未指定，则使用
scale_hidden_dim_for_mlp()计算norm_eps (float) – RMS 规范中的 epsilon。
scale_factor (int) – RoPE 的缩放因子。默认值：8
- 返回值：
Llama3.1 模型的实例化。
- 返回类型：
