TextClassifierPreprocessor
TextClassifierPreprocessor 類別
keras_nlp.models.TextClassifierPreprocessor(
tokenizer, sequence_length=512, truncate="round_robin", **kwargs
)
文字分類預處理層的基類。
TextClassifierPreprocessor 任務包裝了一個 keras_nlp.tokenizer.Tokenizer 來建立文字分類任務的預處理層。它旨在與 keras_nlp.models.TextClassifier 任務配對使用。
所有 TextClassifierPreprocessor 都接受三個有序的輸入：x、y 和 sample_weight。x 是第一個輸入，應該始終包含。它可以是單個字串、一批字串，或者是一組字串片段的元組，這些片段應該組合成一個序列。請參閱下面的範例。y 和 sample_weight 是可選的輸入，將不經修改地傳遞。通常，y 將是分類標籤，並且不會提供 sample_weight。
該層將輸出 x、如果提供了標籤，則輸出 (x, y) 元組，或者如果提供了標籤和樣本權重，則輸出 (x, y, sample_weight) 元組。x 將是一個包含分詞化輸入的字典，字典的確切內容將取決於所使用的模型。
所有 TextClassifierPreprocessor 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，將自動為您的模型例項化正確的類別。
範例。
preprocessor = keras_nlp.models.TextClassifierPreprocessor.from_preset(
"bert_base_en_uncased",
sequence_length=256, # Optional.
)
# Tokenize and pad/truncate a single sentence.
x = "The quick brown fox jumped."
x = preprocessor(x)
# Tokenize and pad/truncate a labeled sentence.
x, y = "The quick brown fox jumped.", 1
x, y = preprocessor(x, y)
# Tokenize and pad/truncate a batch of labeled sentences.
x, y = ["The quick brown fox jumped.", "Call me Ishmael."], [1, 0]
x, y = preprocessor(x, y)
# Tokenize and combine a batch of labeled sentence pairs.
first = ["The quick brown fox jumped.", "Call me Ishmael."]
second = ["The fox tripped.", "Oh look, a whale."]
labels = [1, 0]
x, y = (first, second), labels
x, y = preprocessor(x, y)
# Use a [`tf.data.Dataset`](https://tensorflow.dev.org.tw/api_docs/python/tf/data/Dataset).
ds = tf.data.Dataset.from_tensor_slices(((first, second), labels))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)
from_preset 方法
TextClassifierPreprocessor.from_preset(preset, **kwargs)
從模型預設集例項化一個 keras_nlp.models.Preprocessor。
預設集是一個包含用於儲存和載入預先訓練模型的配置、權重和其他檔案資源的目錄。preset 可以作為以下其中之一傳遞
- 一個內建的預設識別符號，例如
'bert_base_en' - 一個 Kaggle 模型控制代碼，例如
'kaggle://user/bert/keras/bert_base_en' - 一個 Hugging Face 控制代碼，例如
'hf://user/bert_base_en' - 一個指向本地預設目錄的路徑，例如
'./bert_base_en'
對於任何 Preprocessor 子類別，您可以執行 cls.presets.keys() 來列出類別中所有可用的內建預設值。
由於給定模型通常有多個預處理類別，因此應該在特定的子類別上呼叫此方法，例如 keras_nlp.models.BertTextClassifierPreprocessor.from_preset()。
參數
- preset: 字串。一個內建的預設識別符號、一個 Kaggle 模型控制代碼、一個 Hugging Face 控制代碼或一個指向本地目錄的路徑。
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",
)
save_to_preset 方法
TextClassifierPreprocessor.save_to_preset(preset_dir)
將預處理器儲存到預設目錄。
參數
- preset_dir: 本地模型預設目錄的路徑。
tokenizer 屬性
keras_nlp.models.TextClassifierPreprocessor.tokenizer
用於將字串標記化的標記器。