► Keras 3 API 文件 / KerasNLP / 預先訓練的模型 / FNet / FNetTextClassifierPreprocessor 層

FNetTextClassifierPreprocessor 層

[來源]

FNetTextClassifierPreprocessor 類別

keras_nlp.models.FNetTextClassifierPreprocessor(
    tokenizer, sequence_length=512, truncate="round_robin", **kwargs
)

一個用於對輸入進行分詞和打包的 FNet 預處理層。

此預處理層將執行三個步驟：

  1. 使用 tokenizer 對任意數量的輸入區段進行分詞。
  2. 使用 keras_nlp.layers.MultiSegmentPacker，並使用適當的 "[CLS]"、"[SEP]" 和 "<pad>" 標記，將輸入打包在一起。
  3. 建構一個包含鍵 "token_ids" 和 "segment_ids" 的字典，可以直接傳遞給 keras_nlp.models.FNetBackbone。

此層可以直接與 tf.data.Dataset.map 搭配使用，以預處理 (x, y, sample_weight) 格式的字串資料，這是 keras.Model.fit 使用的格式。

引數

  • tokenizer：一個 keras_nlp.models.FNetTokenizer 实例。
  • sequence_length：打包輸入的長度。
  • truncate：字串。用於截斷一批區段列表以符合 sequence_length 的演算法。此值可以是 round_robin 或 waterfall。
    • "round_robin"：可用空間以循環方式一次分配一個標記給仍然需要的輸入，直到達到限制為止。
    • "waterfall"：預算的分配使用「瀑布」演算法，以從左到右的方式分配配額，並填滿儲存桶，直到預算用盡為止。它支援任意數量的區段。

呼叫引數

  • x：單個字串序列的張量，或要打包在一起的多個張量序列的元組。輸入可以是批次或非批次的。對於單個序列，原始 Python 輸入將被轉換為張量。對於多個序列，請直接傳遞張量。
  • y：任何標籤資料。將照原樣傳遞。
  • sample_weight：任何標籤權重資料。將照原樣傳遞。

範例

直接呼叫 from_preset()。

preprocessor = keras_nlp.models.TextClassifierPreprocessor.from_preset(
    "f_net_base_en"
)

# Tokenize and pack a single sentence.
preprocessor("The quick brown fox jumped.")

# Tokenize and a batch of single sentences.
preprocessor(["The quick brown fox jumped.", "Call me Ishmael."])

# Preprocess a batch of sentence pairs.
# When handling multiple sequences, always convert to tensors first!
first = tf.constant(["The quick brown fox jumped.", "Call me Ishmael."])
second = tf.constant(["The fox tripped.", "Oh look, a whale."])
preprocessor((first, second))

使用 tf.data.Dataset 進行映射。

preprocessor = keras_nlp.models.TextClassifierPreprocessor.from_preset(
    "f_net_base_en"
)
first = tf.constant(["The quick brown fox jumped.", "Call me Ishmael."])
second = tf.constant(["The fox tripped.", "Oh look, a whale."])
label = tf.constant([1, 1])

# Map labeled single sentences.
ds = tf.data.Dataset.from_tensor_slices((first, label))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map unlabeled single sentences.
ds = tf.data.Dataset.from_tensor_slices(first)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map labeled sentence pairs.
ds = tf.data.Dataset.from_tensor_slices(((first, second), label))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map unlabeled sentence pairs.
ds = tf.data.Dataset.from_tensor_slices((first, second))

# Watch out for tf.data's default unpacking of tuples here!
# Best to invoke the `preprocessor` directly in this case.
ds = ds.map(
    lambda first, second: preprocessor(x=(first, second)),
    num_parallel_calls=tf.data.AUTOTUNE,
)

[來源]

from_preset 方法

FNetTextClassifierPreprocessor.from_preset(preset, **kwargs)

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

預設集是配置、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 可以作為以下其中之一傳遞

  1. 內建預設集識別碼，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'

對於任何 Preprocessor 子類別，您可以執行 cls.presets.keys() 來列出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()。

引數

  • preset：字串。內建預設集識別碼、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",
)
預設集名稱 參數 說明
f_net_base_en 82.86M 12 層 FNet 模型，其中保留大小寫。在 C4 資料集上訓練。
f_net_large_en 236.95M 24 層 FNet 模型，其中保留大小寫。在 C4 資料集上訓練。

tokenizer 屬性

keras_nlp.models.FNetTextClassifierPreprocessor.tokenizer

用於將字串標記化的標記器。

FNetTextClassifierPreprocessor 層
FNetTextClassifierPreprocessor 類別
from_preset 方法
tokenizer 屬性