lora_qwen2_5_32b_instruct

torchtune.models.qwen2_5.lora_qwen2_5_32b_instruct(lora_attn_modules: List[Literal['q_proj', 'k_proj', 'v_proj', 'output_proj']], apply_lora_to_mlp: bool = False, apply_lora_to_output: 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 Qwen2.5 32B instruct 模型的构建器。

Qwen2.5 的默认设置与 qwen2_5_32b_instruct() 中的相同，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]) – 列表，指示 LoRA 应应用于每个自注意力模块中的哪些线性层。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

• apply_lora_to_output (bool) – 是否将 LoRA 应用于模型的最终输出投影。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 dropout 概率。默认值：0.0

• quantize_base (bool) – 是否量化基础模型权重

返回:

应用 LoRA 的 Qwen2.5 32B 模型的实例化

返回类型:

TransformerDecoder

注意

除了 0.5B 和 3B 之外，所有 Qwen2.5 模型大小的基础版本和 instruct 版本都具有略微不同的架构。请确保为权重选择正确的模型构建器。