lora_llama3_1_8b¶
- torchtune.models.llama3_1.lora_llama3_1_8b(lora_attn_modules: 列表[字面量['q_proj', 'k_proj', 'v_proj', 'output_proj']], apply_lora_to_mlp: 布尔值 = False, apply_lora_to_output: 布尔值 = False, lora_rank: 整型 = 8, lora_alpha: 浮点型 = 16, lora_dropout: 浮点型 = 0.0, use_dora: 布尔值 = False, quantize_base: 布尔值 = False) TransformerDecoder[源]¶
用于创建启用了 LoRA 的 Llama3.1 8B 模型的构建器。
Llama3.1 的默认设置与
llama3_1_8b()中相同，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 (列表[LORA_ATTN_MODULES]) – 在每个自注意力块中应用 LoRA 的线性层列表。选项包括
{"q_proj", "k_proj", "v_proj", "output_proj"}。apply_lora_to_mlp (布尔值) – 是否在每个 transformer 层中将 LoRA 应用于 MLP。默认值：False
apply_lora_to_output (布尔值) – 是否将 LoRA 应用于模型的最终输出投影。默认值：False
lora_rank (整型) – 每个低秩近似的秩
lora_alpha (浮点型) – 低秩近似的缩放因子
lora_dropout (浮点型) – 低秩近似的 dropout 概率
use_dora (布尔值) – 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 (布尔值) – 是否量化基础模型权重
- 返回:
应用了 LoRA 的 Llama3.1 8B 模型实例
- 返回类型:
