llama-factory源码详解——以DPO为例

由于原文提供的代码已经相对完整,我们可以直接以DPO为例来解释其中的关键部分。




class DPO(nn.Module):
    """Decentralized Q-function for DQN agents.
 
    The DPO module is a feedforward neural network that maps from state and
    action to Q-value.
 
    Attributes:
        state_dim (int): Dimension of states.
        action_dim (int): Dimension of actions.
        hidden_dim (int): Dimension of hidden layers in network.
        num_hidden_layers (int): Number of hidden layers in network.
        use_batch_norm (bool): Whether to use batch normalization or not.
        q_func_type (str): The type of the Q-function.
        activation (torch.nn.Module): Activation function.
    """
 
    def __init__(self, state_dim, action_dim, hidden_dim=256, num_hidden_layers=2,
                 use_batch_norm=True, q_func_type='mean', activation=torch.nn.ReLU):
        super(DPO, self).__init__()
 
        self.state_dim = state_dim
        self.action_dim = action_dim
        self.hidden_dim = hidden_dim
        self.num_hidden_layers = num_hidden_layers
        self.use_batch_norm = use_batch_norm
        self.q_func_type = q_func_type
 
        if self.q_func_type == 'mean':
            self.q_func = MeanQFunction(state_dim=state_dim,
                                       action_dim=action_dim,
                                       hidden_dim=hidden_dim,
                                       num_hidden_layers=num_hidden_layers,
                                       use_batch_norm=use_batch_norm,
                                       activation=activation)
        elif self.q_func_type == 'qr':
            self.q_func = QRQFunction(state_dim=state_dim,
                                     action_dim=action_dim,
                                     hidden_dim=hidden_dim,
                                     num_hidden_layers=num_hidden_layers,
                                     use_batch_norm=use_batch_norm,
                                     activation=activation)
        else:
            raise ValueError('Invalid q_func_type: {}'.format(self.q_func_type))
 
    def forward(sel

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日