qwen2¶
- torchtune.models.qwen2.qwen2(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: float = 1000000.0, tie_word_embeddings: bool = False) TransformerDecoder[源代码]¶
构建与 Qwen2 模型相关的解码器。这包括： - 令牌嵌入 - num_layers 个 TransformerSelfAttentionLayer 块 - 应用于 transformer 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) – 变形器解码器中的层数。
num_heads (int) – 查询头的数量。对于 MHA，这也是键和值的头的数量
num_kv_heads (int) – 键和值头的数量。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) – 自注意的嵌入维度
attn_dropout (float) – 传递到 scaled_dot_product_attention 的 dropout 值。默认值：0.0
intermediate_dim (可选[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。
rope_base (float) – RoPE 嵌入的基本周期。
tie_word_embeddings (bool) – 模型的输入和输出词嵌入是否应该绑定。
- 返回值：
Qwen2 模型的实例化。
- 返回类型：
