Llama3Backbone
类keras_hub.models.Llama3Backbone(
vocabulary_size,
num_layers,
num_query_heads,
hidden_dim,
intermediate_dim,
num_key_value_heads,
rope_max_wavelength=10000,
rope_scaling_factor=1.0,
layer_norm_epsilon=1e-06,
dropout=0,
dtype=None,
tie_word_embeddings=False,
**kwargs
)
具有超参数的 Llama Transformer 核心架构。
该网络实现了基于 Transformer 的解码器网络 Llama,如"Llama 7B"中所述。它包含嵌入查找和 Transformer 层。
默认构造函数提供了一个完全可定制、随机初始化的 Llama 模型,可以设置任意数量的层、注意力头和嵌入维度。要加载预设架构和权重,请使用 from_preset
构造函数。
参数
10000
。1.0
。1e-6
。keras.mixed_precision.DTypePolicy
。用于模型计算和权重的 dtype。请注意,某些计算(如 softmax 和层归一化)将始终以 float32 精度完成,无论 dtype 如何。示例
input_data = {
"token_ids": np.ones(shape=(1, 12), dtype="int32"),
"padding_mask": np.array([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0]]),
}
# Pretrained Llama decoder.
model = keras_hub.models.Llama3Backbone.from_preset("llama3_8b_en")
model(input_data)
# Randomly initialized Llama decoder with custom config.
model = keras_hub.models.Llama3Backbone(
vocabulary_size=10,
hidden_dim=512,
num_layers=2,
num_query_heads=32,
num_key_value_heads=8,
intermediate_dim=1024,
layer_norm_epsilon=1e-6,
dtype="float32"
)
model(input_data)
from_preset
方法Llama3Backbone.from_preset(preset, load_weights=True, **kwargs)
从模型预设实例化一个keras_hub.models.Backbone
。
预设是用于保存和加载预训练模型的配置文件、权重和其他文件资产的目录。preset
可以是以下形式之一:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
此构造函数可以通过两种方式调用。可以从基类调用,例如 keras_hub.models.Backbone.from_preset()
,或者从模型类调用,例如 keras_hub.models.GemmaBackbone.from_preset()
。如果从基类调用,返回对象的子类将从预设目录中的配置推断出来。
对于任何 Backbone
子类,您可以运行 cls.presets.keys()
来列出该类上所有可用的内置预设。
参数
True
,权重将被加载到模型架构中。如果为 False
,权重将被随机初始化。示例
# Load a Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
"gemma_2b_en",
)
# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
"bert_base_en",
load_weights=False,
)
预设 | 参数 | 描述 |
---|---|---|
llama3_8b_en | 8.03B | 80 亿参数,32 层,基础 LLaMA 3 模型。 |
llama3_instruct_8b_en | 8.03B | 80 亿参数,32 层,指令微调 LLaMA 3 模型。 |
llama3_8b_en_int8 | 8.03B | 80 亿参数,32 层,激活和权重量化为 int8 的基础 LLaMA 3 模型。 |
llama3_instruct_8b_en_int8 | 8.03B | 80 亿参数,32 层,激活和权重量化为 int8 的指令微调 LLaMA 3 模型。 |
token_embedding
属性keras_hub.models.Llama3Backbone.token_embedding
一个用于嵌入 token ID 的 keras.layers.Embedding
实例。
此层将整数 token ID 嵌入到模型的隐藏维度。
enable_lora
方法Llama3Backbone.enable_lora(rank, target_names=None)
在 backbone 上启用 Lora。
调用此方法将冻结 backbone 上的所有权重,同时在注意力层的查询和值 EinsumDense
层上启用 Lora。