Qwen3MoeBackbone 模型

[源代码]

Qwen3MoeBackbone 类

keras_hub.models.Qwen3MoeBackbone(
    vocabulary_size,
    num_layers,
    num_query_heads,
    num_key_value_heads,
    hidden_dim,
    intermediate_dim,
    moe_intermediate_dim,
    num_experts,
    head_dim=None,
    top_k=4,
    norm_top_k_prob=False,
    decoder_sparse_step=1,
    rope_max_wavelength=10000,
    rope_scaling_factor=1.0,
    layer_norm_epsilon=1e-06,
    dropout=0,
    dtype=None,
    tie_word_embeddings=False,
    sliding_window_size=32768,
    router_aux_loss_coefficient=0.001,
    mlp_only_layers=None,
    training=None,
    **kwargs
)

具有超参数的 Qwen MoE 核心网络。

此骨干网络实现了 Qwen MoE 模型的基础 Transformer 网络。它包括嵌入查找和带有专家混合 (MoE) 架构的 Transformer 层，其中每层使用稀疏的专家集合来进行高效计算。此骨干网络输出每个 token 的最终隐藏状态，而不是词汇空间上的生成预测。有关更高级别的文本生成对象，请参阅 keras_hub.models.Qwen3MoeCausalLM。

默认构造函数提供了一个完全可定制的、随机初始化的 Qwen MoE 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

• vocabulary_size：整数。词元词汇表的大小。
• num_layers：整数。Transformer 层的数量。
• num_query_heads: int。在注意力层中用于查询投影的头数。
• num_key_value_heads: int。在注意力层中用于键和值投影的头数。
• hidden_dim: int。每个Transformer层的末尾的Transformer隐藏状态的大小。
• intermediate_dim：int。每个 Transformer 的前馈网络中第一个 Dense 层的输出维度。
• moe_intermediate_dim：int。MoE 前馈网络中每个专家的中间维度。
• num_experts：int。每个 MoE 层中的专家数量。
• top_k：int。在 MoE 层中为每个 token 选择的顶部专家数量。
• head_dim: int。每个注意力头的尺寸。
• layer_norm_epsilon：float。Transformer 模型中每个层归一化使用的 epsilon 值。
• dropout：float。Transformer 编码器的 Dropout 概率。
• sliding_window_size: int。滑动局部窗口的大小。默认为4096。
• max_sequence_length：int。模型支持的最大序列长度。默认为 4096。
• dtype：str 或 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）始终以 float32 精度执行，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 Qwen MoE decoder__

.

model = keras_hub.models.Qwen3MoeBackbone.from_preset("qwen3_moe_a2_7b")
model(input_data)

__Randomly initialized Qwen MoE decoder with custom config__

.

model = keras_hub.models.Qwen3MoeBackbone(
    vocabulary_size=151936,
    num_layers=28,
    num_query_heads=16,
    num_key_value_heads=8,
    hidden_dim=2048,
    intermediate_dim=4096,
    moe_intermediate_dim=128,
    num_experts=60,
    top_k=4,
    head_dim=128,
    max_sequence_length=4096,
)
model(input_data)


----

<span style="float:right;">[[source]](https://github.com/keras-team/keras-hub/tree/v0.23.0/keras_hub/src/models/backbone.py#L117)</span>

### `from_preset` method


```python
Qwen3MoeBackbone.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：

1. 一个内置的预设标识符，如 'bert_base_en'
2. 一个 Kaggle Models 句柄，如 'kaggle://user/bert/keras/bert_base_en'
3. 一个 Hugging Face 句柄，如 'hf://user/bert_base_en'
4. 一个 ModelScope 句柄，例如 'modelscope://user/bert_base_en'。
5. 一个本地预设目录的路径，如 './bert_base_en'

此构造函数可以通过两种方式之一调用。要么从基类调用，如 keras_hub.models.Backbone.from_preset()，要么从模型类调用，如 keras_hub.models.GemmaBackbone.from_preset()。如果从基类调用，则返回对象的子类将根据预设目录中的配置进行推断。

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

• preset：字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。
• load_weights：布尔值。如果为 `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,
)

token_embedding 属性

keras_hub.models.Qwen3MoeBackbone.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。

[源代码]

enable_lora 方法

Qwen3MoeBackbone.enable_lora(rank, target_layer_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。

参数

• rank: LoRA 分解的秩。
• target_layer_names: 一个字符串列表，表示要应用 LoRA 的层的名称。如果为 None，则此列表将使用 backbone.default_lora_layer_names() 返回的默认 LoRA 层名称进行填充。