► Keras 3 API 文件 / KerasNLP / 預訓練模型 / Bloom / BloomCausalLMPreprocessor 層

BloomCausalLMPreprocessor 層

[來源]

BloomCausalLMPreprocessor 類別

keras_nlp.models.BloomCausalLMPreprocessor(
    tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)

BLOOM 因果語言模型預處理器。

這個預處理層旨在與 keras_nlp.models.BloomCausalLM 搭配使用。預設情況下，它會接收一批字串，並以 (x, y, sample_weight) 格式返回輸出，其中 y 標籤是 x 序列中的下一個詞彙 ID。

為了配合生成任務，該層還公開了兩個方法：generate_preprocess() 和 generate_postprocess()。當此預處理器附加到 keras_nlp.models.BloomCausalLM 實例時，這些方法將在 generate() 中隱式呼叫。它們也可以單獨呼叫（例如，在單獨的進程中預先計算生成任務的預處理輸入）。

參數

  • tokenizer：一個 keras_nlp.models.BloomTokenizer 實例。
  • sequence_length：打包輸入的長度。
  • add_start_token：如果為 True，則預處理器會在每個輸入序列前面加上分詞器的起始詞彙。
  • add_end_token：如果為 True，則預處理器會在每個輸入序列後面加上分詞器的結束詞彙。

呼叫參數

  • x：一個字串、tf.Tensor 或 Python 字串列表。
  • y：標籤資料。由於該層會產生標籤，因此應始終為 None。
  • sample_weight：標籤權重。由於該層會產生標籤權重，因此應始終為 None。
  • sequence_length：傳遞以覆寫該層配置的 sequence_length。

範例

# Load the preprocessor from a preset.
preprocessor = keras_nlp.models.BloomCausalLMPreprocessor.from_preset(
    "bloom_560m_multi"
)

# Tokenize and pack a single sentence.
sentence = tf.constant("League of legends")
preprocessor(sentence)
# Same output.
preprocessor("League of legends")

# Tokenize a batch of sentences.
sentences = tf.constant(["Taco tuesday", "Fish taco please!"])
preprocessor(sentences)
# Same output.
preprocessor(["Taco tuesday", "Fish taco please!"])

# Map a dataset to preprocess a single sentence.
features = tf.constant(
    [
        "Avatar 2 is amazing!",
        "Well, I am not sure.",
    ]
)
labels = tf.constant([1, 0])
ds = tf.data.Dataset.from_tensor_slices((features, labels))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map a dataset to preprocess unlabled sentences.
ds = tf.data.Dataset.from_tensor_slices(features)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

[來源]

from_preset 方法

BloomCausalLMPreprocessor.from_preset(preset, **kwargs)

從模型預設值實例化一個 keras_nlp.models.Preprocessor。

預設集 (Preset) 是一個包含配置、權重和其他檔案資源的目錄，用於儲存和載入預先訓練的模型。您可以將 preset 傳遞為以下其中一種：

  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. 指向本機預設集目錄的路徑，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

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

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",
)
預設集名稱 參數 說明
bloom_560m_multi 559.21M 具有 1024 個隱藏維度的 24 層 Bloom 模型，使用 45 種自然語言和 12 種程式語言進行訓練。
bloom_1.1b_multi 1.07B 具有 1536 個隱藏維度的 24 層 Bloom 模型，使用 45 種自然語言和 12 種程式語言進行訓練。
bloom_1.7b_multi 1.72B 具有 2048 個隱藏維度的 24 層 Bloom 模型，使用 45 種自然語言和 12 種程式語言進行訓練。
bloom_3b_multi 3.00B 具有 2560 個隱藏維度的 30 層 Bloom 模型，使用 45 種自然語言和 12 種程式語言進行訓練。
bloomz_560m_multi 559.21M 具有 1024 個隱藏維度的 24 層 Bloom 模型，在跨語言任務混合 (xP3) 資料集上進行微調。
bloomz_1.1b_multi 1.07B 具有 1536 個隱藏維度的 24 層 Bloom 模型，在跨語言任務混合 (xP3) 資料集上進行微調。
bloomz_1.7b_multi 1.72B 具有 2048 個隱藏維度的 24 層 Bloom 模型，在跨語言任務混合 (xP3) 資料集上進行微調。
bloomz_3b_multi 3.00B 具有 2560 個隱藏維度的 30 層 Bloom 模型，在跨語言任務混合 (xP3) 資料集上進行微調。

tokenizer 屬性

keras_nlp.models.BloomCausalLMPreprocessor.tokenizer

用於將字串標記化的標記器。

BloomCausalLMPreprocessor 層
BloomCausalLMPreprocessor 類別
from_preset 方法
tokenizer 屬性