快捷方式

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[source]

用于创建启用 LoRA 的 Qwen2.5 32B 指令模型的构建器。

Qwen2.5 的默认值与 qwen2_5_32b_instruct() 中的相同,而 LoRA 的默认参数基于 https://github.com/tloen/alpaca-lora/blob/8bb8579e403dc78e37fe81ffbb253c413007323f/finetune.py#L41-L43

参数:
  • lora_attn_modules (List[LORA_ATTN_MODULES]) – 在每个自注意力块中应应用 LoRA 的线性层列表。选项包括 {"q_proj", "k_proj", "v_proj", "output_proj"}

  • apply_lora_to_mlp (bool) – 是否在每个 Transformer 层中对 MLP 应用 LoRA。默认值:False

  • apply_lora_to_output (bool) – 是否对模型的最终输出映射应用 LoRA。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) – 是否对基础模型权重进行量化

返回值:

应用了 LoRA 的 Qwen2.5 32B 模型实例

返回类型:

TransformerDecoder

注意

除 0.5B 和 3B 外,所有 Qwen2.5 模型大小的基础版和指令版架构略有不同。请确保为权重选择正确的模型构建器。

文档

查阅 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题解答

查看资源