lora_qwen2_0_5b

torchtune.models.qwen2.lora_qwen2_0_5b(lora_attn_modules: List[Literal['q_proj', 'k_proj', 'v_proj', 'output_proj']], apply_lora_to_mlp: bool = False, lora_rank: int = 8, lora_alpha: float = 16, lora_dropout: float = 0.0, use_dora: bool = False, quantize_base: bool = False) → TransformerDecoder

用于创建启用 LoRA 的 Qwen2 0.5B 模型的构建器。

Qwen2 默认值与 qwen2_0_5b() 中相同，而 LoRA 默认参数基于 https://github.com/tloen/alpaca-lora/blob/8bb8579e403dc78e37fe81ffbb253c413007323f/finetune.py#L41-L43.

参数:

• lora_attn_modules (List[LORA_ATTN_MODULES]) – 每个自注意力块中 LoRA 应应用于哪些线性层的列表。选项为 {"q_proj", "k_proj", "v_proj", "output_proj"}。

• apply_lora_to_mlp (bool) – 是否将 LoRA 应用于每个 Transformer 层中的 MLP。默认值：False

• lora_rank (int) – 每个低秩近似的秩

• lora_alpha (float) – 低秩近似的缩放因子

• lora_dropout (float) – 低秩近似的丢弃概率。默认值：0.0

• quantize_base (bool) – 是否量化基本模型权重

返回:

应用了 LoRA 的 Qwen2 0.5B 模型的实例化

返回类型:

TransformerDecoder

注意

Qwen2 0.5B 和 Qwen2 1.5B 模型构建器默认情况下将启用 tie_word_embeddings 并返回 TransformerDecoder 的实例。