► Keras 3 API 文件 / KerasNLP / 模型 API / MaskedLMPreprocessor

MaskedLMPreprocessor

`MaskedLMPreprocessor` 類別

keras_nlp.models.MaskedLMPreprocessor(
    tokenizer,
    sequence_length=512,
    truncate="round_robin",
    mask_selection_rate=0.15,
    mask_selection_length=96,
    mask_token_rate=0.8,
    random_token_rate=0.1,
    **kwargs
)

遮罩語言模型預處理層的基類。

MaskedLMPreprocessor 任務會包裝一個 keras_nlp.tokenizer.Tokenizer 來建立一個用於遮罩語言模型任務的預處理層。它旨在與 keras.models.MaskedLM 任務配對使用。

所有 MaskedLMPreprocessor 都會接收單一輸入。這可以是單一字串、一批字串，或是一個應該組合成單一序列的字串片段批次元組。請參閱以下範例。這些輸入將會被分詞、組合，並沿著序列隨機遮罩。

此層將始終輸出一個 (x, y, sample_weight) 元組，其中 x 是一個包含遮罩過的、分詞後的輸入的字典，y 包含在 x 中被遮罩的詞彙，而 sample_weight 標記 y 中包含填充值的位置。x 的確切內容將會根據所使用的模型而有所不同。

所有 MaskedLMPreprocessor 任務都包含一個 from_preset() 建構函數，可用於載入預先訓練的配置和詞彙表。您可以直接在此基類上呼叫 from_preset() 建構函數，在這種情況下，將會自動為您的模型實例化正確的類別。

範例。

preprocessor = keras_nlp.models.MaskedLMPreprocessor.from_preset(
    "bert_base_en_uncased",
    sequence_length=256, # Optional.
)

# Tokenize, mask and pack a single sentence.
x = "The quick brown fox jumped."
x, y, sample_weight = preprocessor(x)

# Preprocess a batch of labeled sentence pairs.
first = ["The quick brown fox jumped.", "Call me Ishmael."]
second = ["The fox tripped.", "Oh look, a whale."]
x, y, sample_weight = preprocessor((first, second))

# With a [`tf.data.Dataset`](https://tensorflow.dev.org.tw/api_docs/python/tf/data/Dataset).
ds = tf.data.Dataset.from_tensor_slices((first, second))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

[來源]

`from_preset` 方法

MaskedLMPreprocessor.from_preset(preset, **kwargs)

從模型預設集實例化一個 keras_nlp.models.Preprocessor。

預設集是一個包含配置、權重和其他檔案資產的目錄，用於儲存和載入預先訓練的模型。preset 可以作為以下其中一種方式傳遞

內建預設集識別碼，例如 'bert_base_en'
Kaggle 模型控點，例如 'kaggle://user/bert/keras/bert_base_en'
Hugging Face 控點，例如 'hf://user/bert_base_en'
本地預設集目錄的路徑，例如 './bert_base_en'

對於任何 Preprocessor 子類別，您可以執行 cls.presets.keys() 來列出該類別上可用的所有內建預設集。

由於給定模型通常有多個預處理類別，因此應該在特定子類別上呼叫此方法，例如 keras_nlp.models.BertTextClassifierPreprocessor.from_preset()。

參數

預設集：字串。內建的預設集識別碼、Kaggle 模型控點、Hugging Face 控點或本機目錄的路徑。

範例

# Load a preprocessor for Gemma generation.
preprocessor = keras_nlp.models.GemmaCausalLMPreprocessor.from_preset(
    "gemma_2b_en",
)

# Load a preprocessor for Bert classification.
preprocessor = keras_nlp.models.BertTextClassifierPreprocessor.from_preset(
    "bert_base_en",
)

[來源]

`save_to_preset` 方法

MaskedLMPreprocessor.save_to_preset(preset_dir)

將預處理器儲存到預設集目錄。

參數

preset_dir：本機模型預設集目錄的路徑。

`tokenizer` 屬性

keras_nlp.models.MaskedLMPreprocessor.tokenizer

用於將字串標記化的標記器。

MaskedLMPreprocessor

MaskedLMPreprocessor 類別

from_preset 方法

save_to_preset 方法

tokenizer 屬性

MaskedLMPreprocessor