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]¶
构建一个带有附加分类层的基础mistral模型。 有关基础mistral分类器模型的详细信息，请参见
mistral_classifier()。- Parameters:
num_classes (int) – 分类层的类别数量。
vocab_size (int) – 词汇表中的标记数量。
num_layers (int) – transformer解码器中的层数。
num_heads (int) – 查询头的数量。对于MHA来说，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。对于标准的MHA，设置num_kv_heads == num_heads， 对于GQA，设置num_kv_heads < num_heads，对于MQA，设置num_kv_heads == 1。
embed_dim (int) – 自注意力的嵌入维度
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 范数中的 epsilon
rope_base (int) – 旋转位置嵌入的基础值。默认值：10_000
- Returns:
Mistral分类模型的实例化。
- Return type:
