mistral¶
- torchtune.models.mistral.mistral(vocab_size: int, num_layers: int, num_heads: int, num_kv_heads: int, embed_dim: int, intermediate_dim: int, max_seq_len: int, attn_dropout: float = 0.0, norm_eps: float = 1e-05, rope_base: int = 10000) TransformerDecoder[source]¶
构建与 mistral 模型关联的解码器。这包括： - Token 嵌入 - num_layers 个 TransformerSelfAttentionLayer 块 - 应用于 Transformer 输出的 RMS Norm 层 - 最终投影到 token 空间
目前不包含推理时间优化，例如滑动窗口注意力
- 参数：
vocab_size (int) – 词汇表中的 token 数量。
num_layers (int) – Transformer 解码器中的层数。
num_heads (int) – query 头的数量。对于 MHA，这同时也是 key 和 value 头的数量
num_kv_heads (int) – key 和 value 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) – 自注意力机制的嵌入维度
intermediate_dim (int) – MLP 的中间维度
max_seq_len (int) – 模型将运行的最大序列长度，
attn_dropout (float) – 传递给 scaled_dot_product_attention 的 dropout 值。默认值：0.0
norm_eps (float) – RMS 范数中的 epsilon 值
rope_base (int) – 旋转位置嵌入的基数。默认值：10_000
- 返回值：
mistral 模型的实例化。
- 返回类型：
