BloomBackbone 模型

[來源]

BloomBackbone 類別

keras_nlp.models.BloomBackbone(
    vocabulary_size,
    num_layers,
    num_heads,
    hidden_dim,
    intermediate_dim,
    dropout=0.0,
    layer_norm_epsilon=1e-05,
    dtype=None,
    **kwargs
)

一個 BLOOM 解碼器網路。

此網路實現了一個基於 Transformer 的解碼器網路，BigScience Language Open-science Open-access Multilingual (BLOOM)，如「BLOOM：一個 1760 億參數的開放存取多語言模型」中所述。

預設建構函數提供了一個完全可自訂的、隨機初始化的 Bloom 模型，具有任意數量的層數、頭數和嵌入維度。要載入預設架構和權重，請使用 from_preset() 建構函數。

免責聲明：預訓練模型按「原樣」提供，不提供任何形式的保證或條件。底層模型由第三方提供，並受獨立許可證約束，請參閱此處。

參數

• vocabulary_size：整數。標記詞彙表的大小。
• num_layers：整數。變換器層數。
• num_heads：整數。每個變換器的注意力頭數。隱藏大小必須可以被注意力頭數整除。
• hidden_dim：整數。嵌入和隱藏狀態的維度。
• intermediate_dim：整數。每個變換器 MLP 網路中第一個密集層的輸出維度。
• dropout：浮點數。Transformer 解碼器的丟棄機率。
• layer_norm_epsilon：浮點數。變換器解碼器中層歸一化層的 Epsilon 值。
• dtype：字串或 keras.mixed_precision.DTypePolicy。用於模型計算和權重的資料類型。請注意，某些計算（例如 softmax 和層歸一化）將始終以 float32 精度完成，而與資料類型無關。

範例

input_data = {
    "token_ids": np.ones(shape=(1, 12), dtype="int32"),
    "padding_mask": np.array([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0]]),
}

# Pretrained BLOOM decoder.
model = keras_nlp.models.BloomBackbone.from_preset("bloom_560m_multi")
model(input_data)

# Randomly initialized BLOOM decoder with a custom config.
model = keras_nlp.models.BloomBackbone(
    vocabulary_size=10,
    num_layers=2,
    num_heads=2,
    hidden_dim=32,
    intermediate_dim=32*4,
    dropout=0.0,
    layer_norm_epsilon=1e-5,
)
model(input_data)

[來源]

from_preset 方法

BloomBackbone.from_preset(preset, load_weights=True, **kwargs)

從模型預設值實例化 keras_nlp.models.Backbone。

預設集是由設定檔、權重和其他檔案資產組成的目錄，用於儲存和載入預先訓練的模型。可以將 preset 作為下列其中一項傳遞：

1. 內建的預設集識別碼，例如 'bert_base_en'
2. Kaggle 模型控點，例如 'kaggle://user/bert/keras/bert_base_en'
3. Hugging Face 控點，例如 'hf://user/bert_base_en'
4. 本機預設集目錄的路徑，例如 './bert_base_en'

可以透過兩種方式呼叫此建構函式。可以從基底類別呼叫，例如 keras_nlp.models.Backbone.from_preset()，也可以從模型類別呼叫，例如 keras_nlp.models.GemmaBackbone.from_preset()。如果從基底類別呼叫，則會從預設集目錄中的設定推斷出返回物件的子類別。

對於任何 Backbone 子類別，您可以執行 cls.presets.keys() 來列出類別上所有可用的內建預設集。

參數

• preset：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。
• load_weights：布林值。如果為 True，則會將權重載入模型架構中。如果為 False，則會隨機初始化權重。

範例

# Load a Gemma backbone with pre-trained weights.
model = keras_nlp.models.Backbone.from_preset(
    "gemma_2b_en",
)

# Load a Bert backbone with a pre-trained config and random weights.
model = keras_nlp.models.Backbone.from_preset(
    "bert_base_en",
    load_weights=False,
)

token_embedding 屬性

keras_nlp.models.BloomBackbone.token_embedding

用於嵌入權杖 ID 的 keras.layers.Embedding 執行個體。

此層會將整數權杖 ID 嵌入到模型的隱藏維度中。

[來源]

enable_lora 方法

BloomBackbone.enable_lora(rank)

在骨幹上啟用 Lora。

呼叫此方法會凍結骨幹上的所有權重，同時在注意力層的查詢和值 EinsumDense 層上啟用 Lora。