# Configuración

`PeftConfigMixin` es la clase de configuración base para almacenar la configuración del adaptador de un [PeftModel](/docs/peft/v0.22.0/es/package_reference/peft_model#peft.PeftModel), y [PromptLearningConfig](/docs/peft/v0.22.0/es/package_reference/config#peft.PromptLearningConfig) es la clase de configuración base para los métodos de soft prompt (p-tuning, prefix tuning y prompt tuning). Estas clases base contienen métodos para guardar y cargar configuraciones de modelos desde el Hub, especificar el método PEFT a utilizar, el tipo de tarea a realizar y las configuraciones del modelo, como el número de capas y el número de cabezas de atención.

## PeftConfigMixin[[peft.config.PeftConfigMixin]]

#### peft.config.PeftConfigMixin[[peft.config.PeftConfigMixin]]

```python
peft.config.PeftConfigMixin(task_type: Optional[TaskType] = None, peft_type: Optional[PeftType] = None, auto_mapping: Optional[dict] = None, peft_version: Optional[str] = None)
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/config.py#L97)

**Parámetros:**

peft_type (Union[`~peft.utils.config.PeftType`, `str`]) : El tipo de método de Peft a utilizar.

Esta es la clase de configuración base para los modelos de adaptadores PEFT. Contiene todos los métodos comunes a todos los modelos de adaptadores PEFT. Esta clase hereda de [PushToHubMixin](https://huggingface.co/docs/transformers/v5.23.0/en/main_classes/model#transformers.utils.PushToHubMixin), que contiene los métodos para publicar tu modelo en el Hub. El método `save_pretrained` guardará la configuración de tu modelo de adaptador en un directorio. El método `from_pretrained` cargará la configuración de tu modelo de adaptador desde un directorio.

#### check_kwargs[[peft.config.PeftConfigMixin.check_kwargs]]

```python
check_kwargs(**kwargs)
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/config.py#L369)

Comprueba kwargs antes de inicializar la instancia de config.

Las subclases pueden sobrescribir este método para añadir comprobaciones específicas.

#### from_json_file[[peft.config.PeftConfigMixin.from_json_file]]

```python
from_json_file(path_json_file: str, **kwargs)
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/config.py#L304)

**Parámetros:**

path_json_file (`str`) : La ruta al archivo json.

Carga un archivo de configuración desde un archivo json.

#### from_peft_type[[peft.config.PeftConfigMixin.from_peft_type]]

```python
from_peft_type(**kwargs)
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/config.py#L194)

**Parámetros:**

kwargs (argumentos de palabra clave de la configuración) : Argumentos de palabra clave que se pasan a la inicialización de la configuración.

Este método carga la configuración de su modelo de adaptador a partir de un conjunto de kwargs.

El tipo de configuración adecuado se determina mediante el argumento `peft_type`. Si no se proporciona `peft_type`, se instancia el tipo de clase que realiza la llamada.

#### from_pretrained[[peft.config.PeftConfigMixin.from_pretrained]]

```python
from_pretrained(pretrained_model_name_or_path: str, subfolder: Optional[str] = None, **kwargs)
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/config.py#L259)

**Parámetros:**

pretrained_model_name_or_path (`str`) : El directorio o el id del repositorio del Hub donde se guarda la configuración.

subfolder (`str`, *opcional*) : Un subdirectorio opcional bajo `pretrained_model_name_or_path`.

kwargs (argumentos de palabra clave adicionales, *opcional*) : Argumentos de palabra clave reenviados a [huggingface_hub.hf_hub_download](https://huggingface.co/docs/huggingface_hub/v2.4.0/en/package_reference/file_download#huggingface_hub.hf_hub_download) (por ejemplo `token`, `revision`, `cache_dir`). Los argumentos específicos de la configuración de PEFT, como `task_type` o `r`, no se pueden pasar como reemplazos. Para cambiar los atributos, establécelos en la configuración devuelta después de cargarla.

Este método carga la configuración de su modelo de adaptador desde un directorio.

#### save_pretrained[[peft.config.PeftConfigMixin.save_pretrained]]

```python
save_pretrained(save_directory: str, **kwargs)
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/config.py#L160)

**Parámetros:**

save_directory (`str`) : El directorio donde se guardará la configuración.

kwargs (argumentos de palabra clave adicionales, *opcional*) : Argumentos de palabra clave adicionales que se pasan al método [push_to_hub](https://huggingface.co/docs/transformers/v5.23.0/en/main_classes/model#transformers.utils.PushToHubMixin.push_to_hub).

Este método guarda la configuración de tu modelo de adaptador en un directorio.

#### to_dict[[peft.config.PeftConfigMixin.to_dict]]

```python
to_dict()
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/config.py#L154)

Devuelve la configuración de tu modelo de adaptador como un diccionario.

## PeftConfig[[peft.PeftConfig]]

#### peft.PeftConfig[[peft.PeftConfig]]

```python
peft.PeftConfig(task_type: Optional[Union[str, TaskType]] = None, peft_type: Optional[Union[str, PeftType]] = None, auto_mapping: Optional[dict] = None, peft_version: Optional[str] = None, base_model_name_or_path: Optional[str] = None, revision: Optional[str] = None, inference_mode: bool = False)
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/config.py#L392)

**Parámetros:**

peft_type (Union[`~peft.utils.config.PeftType`, `str`]) : El tipo de método de Peft a utilizar.

task_type (Union[`~peft.utils.config.TaskType`, `str`]) : El tipo de tarea a realizar.

inference_mode (`bool`, por defecto `False`) : Si se debe usar el modelo Peft en modo de inferencia.

Esta es la clase de configuración base para almacenar la configuración de un [PeftModel](/docs/peft/v0.22.0/es/package_reference/peft_model#peft.PeftModel).

## PromptLearningConfig[[peft.PromptLearningConfig]]

#### peft.PromptLearningConfig[[peft.PromptLearningConfig]]

```python
peft.PromptLearningConfig(task_type: Optional[Union[str, TaskType]] = None, peft_type: Optional[Union[str, PeftType]] = None, auto_mapping: Optional[dict] = None, peft_version: Optional[str] = None, base_model_name_or_path: Optional[str] = None, revision: Optional[str] = None, inference_mode: bool = False, num_virtual_tokens: int = None, token_dim: int = None, num_transformer_submodules: Optional[int] = None, num_attention_heads: Optional[int] = None, num_layers: Optional[int] = None, modules_to_save: Optional[list[str]] = None)
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/config.py#L412)

**Parámetros:**

num_virtual_tokens (`int`) : El número de tokens virtuales a utilizar.

token_dim (`int`) : La dimensión de la incrustación oculta del modelo transformer base.

num_transformer_submodules (`int`) : El número de submódulos de transformador en el modelo de transformador base.

num_attention_heads (`int`) : El número de cabezas de atención en el modelo transformer base.

num_layers (`int`) : El número de capas en el modelo transformer base.

Esta es la clase de configuración base para almacenar la configuración de `PrefixTuning`, [PromptEncoder](/docs/peft/v0.22.0/es/package_reference/p_tuning#peft.PromptEncoder) o `PromptTuning`.

## get_peft_config[[peft.get_peft_config]]

#### peft.get_peft_config[[peft.get_peft_config]]

```python
peft.get_peft_config(config_dict: dict[str, Any])
```

[Fuente](https://github.com/huggingface/peft/blob/v0.22.0/src/peft/mapping.py#L36)

**Parámetros:**

config_dict (`Dict[str, Any]`) : Diccionario que contiene los parámetros de configuración.

Devuelve un objeto de configuración de Peft a partir de un diccionario.

