PEFT 文档
配置
并获得增强的文档体验
开始使用
配置
PeftConfigMixin
是用于存储 PeftModel 适配器配置的基础配置类,而 PromptLearningConfig 是用于软提示方法(p-tuning、prefix tuning 和 prompt tuning)的基础配置类。这些基础类包含从 Hub 保存和加载模型配置、指定要使用的 PEFT 方法、要执行的任务类型以及模型配置(如层数和注意力头数)的方法。
PeftConfigMixin
class peft.config.PeftConfigMixin
< 源码 >( task_type: typing.Optional[peft.utils.peft_types.TaskType] = None peft_type: typing.Optional[peft.utils.peft_types.PeftType] = None auto_mapping: typing.Optional[dict] = None )
这是 PEFT 适配器模型的基础配置类。它包含了所有 PEFT 适配器模型通用的方法。该类继承自 PushToHubMixin
,其中包含将模型推送到 Hub 的方法。save_pretrained
方法会将适配器模型的配置保存在一个目录中。from_pretrained
方法会从一个目录加载适配器模型的配置。
从 json 文件加载配置文件。
此方法从一组 kwargs 加载适配器模型的配置。
适当的配置类型由 peft_type
参数确定。如果未提供 peft_type
,则实例化调用类的类型。
from_pretrained
< 源码 >( pretrained_model_name_or_path: str subfolder: typing.Optional[str] = None **kwargs )
此方法从目录加载适配器模型的配置。
save_pretrained
< 源码 >( save_directory: str **kwargs )
此方法将适配器模型的配置保存在一个目录中。
以字典形式返回适配器模型的配置。
PeftConfig
class peft.PeftConfig
< 源码 >( task_type: typing.Union[str, peft.utils.peft_types.TaskType, NoneType] = None peft_type: typing.Union[str, peft.utils.peft_types.PeftType, NoneType] = None auto_mapping: typing.Optional[dict] = None base_model_name_or_path: typing.Optional[str] = None revision: typing.Optional[str] = None inference_mode: bool = False )
这是用于存储 PeftModel 配置的基础配置类。
PromptLearningConfig
class peft.PromptLearningConfig
< 源码 >( task_type: typing.Union[str, peft.utils.peft_types.TaskType, NoneType] = None peft_type: typing.Union[str, peft.utils.peft_types.PeftType, NoneType] = None auto_mapping: typing.Optional[dict] = None base_model_name_or_path: typing.Optional[str] = None revision: typing.Optional[str] = None inference_mode: bool = False num_virtual_tokens: int = None token_dim: int = None num_transformer_submodules: typing.Optional[int] = None num_attention_heads: typing.Optional[int] = None num_layers: typing.Optional[int] = None modules_to_save: typing.Optional[list[str]] = None )
这是用于存储 PrefixTuning
、PromptEncoder 或 PromptTuning
配置的基础配置类。