PEFT documentation

Fusión de modelos

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.21.0).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Fusión de modelos

PEFT ofrece varias utilidades internas para fusionar adaptadores LoRA con los métodos TIES y DARE.

peft.utils.merge_utils.prune

< >

( tensor: Tensordensity: floatmethod: typing.Literal['magnitude', 'random']rescale: bool = False ) → torch.Tensor

Parámetros

  • tensor (torch.Tensor) —El tensor que se va a podar.
  • density (float) —La fracción de valores a conservar. Debe estar en [0,1].
  • method (str) —El método a utilizar para la poda. Debe ser uno de [“magnitude”, “random”].
  • rescale (bool) —Si se debe reescalar el resultado para preservar el valor esperado del tensor original.

Devuelve

torch.Tensor

El tensor podado.

Recorta los valores de los tensores de tareas en función del method.

peft.utils.merge_utils.calculate_majority_sign_mask

< >

( tensor: Tensormethod: typing.Literal['total', 'frequency'] = 'total' ) → torch.Tensor

Parámetros

  • tensor (torch.Tensor) —El tensor del que se obtiene la máscara.
  • method (str) —El método a utilizar para obtener la máscara. Debe ser uno de [“total”, “frequency”].

Devuelve

torch.Tensor

La máscara de signo mayoritario.

Obtenga la máscara del signo mayoritario en los tensores de tareas. Los tensores de tareas se apilan en la dimensión 0.

peft.utils.merge_utils.disjoint_merge

< >

( task_tensors: Tensormajority_sign_mask: Tensor ) → torch.Tensor

Parámetros

  • task_tensors (torch.Tensor) — Los tensores de la tarea que se van a fusionar.
  • majority_sign_mask (torch.Tensor) —La máscara del signo mayoritario entre los tensores de la tarea.

Devuelve

torch.Tensor

El tensor fusionado.

Fusiona los tensores de la tarea mediante una fusión disjunta.

peft.utils.merge_utils.task_arithmetic

< >

( task_tensors: listweights: Tensor ) → torch.Tensor

Parámetros

  • task_tensors(List[torch.Tensor]) —Los tensores de la tarea que se van a fusionar.
  • weights (torch.Tensor) — Los pesos de los tensores de la tarea.

Devuelve

torch.Tensor

El tensor fusionado.

Fusiona los tensores de la tarea usando task arithmetic.

peft.utils.merge_utils.ties

< >

( task_tensors: listweights: Tensordensity: floatmajority_sign_method: typing.Literal['total', 'frequency'] = 'total' ) → torch.Tensor

Parámetros

  • task_tensors(List[torch.Tensor]) —Los tensores de la tarea que se van a fusionar.
  • weights (torch.Tensor) — Los pesos de los tensores de la tarea.
  • density (float) —La fracción de valores a conservar. Debe estar en [0,1].
  • majority_sign_method (str) — El método que se utilizará para obtener la máscara de signo mayoritario. Debe ser uno de [“total”, “frequency”].

Devuelve

torch.Tensor

El tensor fusionado.

Fusiona los tensores de la tarea usando ties.

peft.utils.merge_utils.dare_linear

< >

( task_tensors: listweights: Tensordensity: float ) → torch.Tensor

Parámetros

  • task_tensors(List[torch.Tensor]) —Los tensores de la tarea que se van a fusionar.
  • weights (torch.Tensor) — Los pesos de los tensores de la tarea.
  • density (float) —La fracción de valores a conservar. Debe estar en [0,1].

Devuelve

torch.Tensor

El tensor fusionado.

Fusiona los tensores de la tarea usando dare linear.

peft.utils.merge_utils.dare_ties

< >

( task_tensors: listweights: Tensordensity: floatmajority_sign_method: typing.Literal['total', 'frequency'] = 'total' ) → torch.Tensor

Parámetros

  • task_tensors(List[torch.Tensor]) —Los tensores de la tarea que se van a fusionar.
  • weights (torch.Tensor) — Los pesos de los tensores de la tarea.
  • density (float) —La fracción de valores a conservar. Debe estar en [0,1].
  • majority_sign_method (str) — El método que se utilizará para obtener la máscara de signo mayoritario. Debe ser uno de [“total”, “frequency”].

Devuelve

torch.Tensor

El tensor fusionado.

Fusiona los tensores de la tarea usando dare ties.

Update on GitHub