| 57 | return self.proj(self.embedding(token_ids)) |
| 58 | |
| 59 | |
| 60 | def parse_args() -> argparse.Namespace: |
| 61 | parser = argparse.ArgumentParser(description=__doc__) |
| 62 | parser.add_argument("--device", choices=("auto", "cuda", "cpu"), default="auto") |
| 63 | parser.add_argument("--steps", type=int, default=4) |
| 64 | parser.add_argument("--num-prompts", type=int, default=2) |
| 65 | parser.add_argument("--samples-per-prompt", type=int, default=4) |
| 66 | parser.add_argument("--prompt-len", type=int, default=8) |
| 67 | parser.add_argument("--completion-len", type=int, default=16) |
| 68 | parser.add_argument("--vocab-size", type=int, default=128) |
| 69 | parser.add_argument("--hidden-dim", type=int, default=64) |
| 70 | parser.add_argument("--valid-density", type=float, default=0.9) |
| 71 | parser.add_argument("--lr", type=float, default=1e-2) |
| 72 | parser.add_argument("--clip-eps", type=float, default=0.2) |
| 73 | parser.add_argument("--beta", type=float, default=0.01) |
| 74 | parser.add_argument("--seed", type=int, default=1234) |
| 75 | parser.add_argument( |
| 76 | "--logp-backend", |
| 77 | default="auto", |
| 78 | help=( |
| 79 | "Selected-token logp backend. Use 'deterministic' or " |
| 80 | "'batch_invariant' for the CUDA deterministic path." |
| 81 | ), |
| 82 | ) |