mistral_classifier¶
- torchtune.models.mistral.mistral_classifier(num_classes: int, *, 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]¶
构建一个添加了分类层的基础 mistral 模型。有关基础 mistral 分类器模型的详细信息，请参阅
mistral_classifier()。- 参数:
num_classes (int) – 分类层的类别数。
vocab_size (int) – 词汇表中的标记数。
num_layers (int) – Transformer 解码器中的层数。
num_heads (int) – 查询头数。对于 MHA，这也是键和值的头数
num_kv_heads (int) – 键和值头数。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 归一化中的 epsilon 值
rope_base (int) – 旋转位置嵌入的基。默认值: 10_000
- 返回:
mistral 分类模型的实例。
- 返回类型:
