QwenBackbone
类keras_hub.models.QwenBackbone(
vocabulary_size,
num_layers,
num_query_heads,
num_key_value_heads,
hidden_dim,
intermediate_dim,
rope_max_wavelength=10000,
rope_scaling_factor=1.0,
layer_norm_epsilon=1e-06,
dropout=0,
dtype=None,
tie_word_embeddings=True,
use_sliding_window_attention=False,
sliding_window_size=32768,
**kwargs
)
具有超参数的 Qwen Transformer 核心架构。
此网络实现了基于 Transformer 的解码器网络 Qwen,如 Qwen 模型架构中所述。它包括嵌入查找和 Transformer 层。
默认构造函数提供了一个完全可定制的、随机初始化的 Qwen 模型,具有任意数量的层、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
。0
。keras.mixed_precision.DTypePolicy
。用于模型计算和权重的 dtype。请注意,某些计算(例如 softmax 和层归一化)将始终以 float32 精度完成,无论 dtype 如何。True
。False
。32768
。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 Qwen decoder.
model = keras_hub.models.QwenBackbone.from_preset("qwen2.5_0.5b_en")
model(input_data)
# Randomly initialized Qwen decoder with custom config.
model = keras_hub.models.QwenBackbone(
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QwenBackbone.from_preset(preset, load_weights=True, **kwargs)
从模型预设实例化一个 keras_hub.models.Backbone
。
预设是一个包含配置、权重和其他文件资源的目录,用于保存和加载预训练模型。preset
可以作为以下之一传递:
'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:从基类,例如 keras_hub.models.Backbone.from_preset()
,或者从模型类,例如 keras_hub.models.GemmaBackbone.from_preset()
。如果从基类调用,返回对象的子类将根据预设目录中的配置推断。
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
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 |
---|---|---|
qwen2.5_0.5b_en | 4.9403 亿 | 24 层 Qwen 模型,参数为 5 亿。 |
qwen2.5_instruct_0.5b_en | 4.9403 亿 | 指令微调 24 层 Qwen 模型,参数为 5 亿。 |
qwen2.5_3b_en | 30.9 亿 | 36 层 Qwen 模型,参数为 31 亿。 |
qwen2.5_7b_en | 69.9 亿 | 48 层 Qwen 模型,参数为 70 亿。 |
qwen2.5_instruct_32b_en | 327.6 亿 | 指令微调 64 层 Qwen 模型,参数为 320 亿。 |
qwen2.5_instruct_72b_en | 727.1 亿 | 指令微调 80 层 Qwen 模型,参数为 720 亿。 |
token_embedding
属性keras_hub.models.QwenBackbone.token_embedding
一个用于嵌入词元 ID 的 keras.layers.Embedding
实例。
该层将整数词元 ID 嵌入到模型的隐藏维度。
enable_lora
方法QwenBackbone.enable_lora(rank, target_names=None)
在骨干网络上启用 LoRA。
调用此方法将冻结骨干网络上的所有权重,同时在注意力层的查询和值 EinsumDense
层上启用 LoRA。