► Keras 3 API 文件 / KerasNLP / 預訓練模型 / Gemma / GemmaCausalLMPreprocessor 層

GemmaCausalLMPreprocessor 層

[來源]

GemmaCausalLMPreprocessor 類別

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

Gemma 因果語言模型預處理器。

此預處理層旨在與 keras_nlp.models.GemmaCausalLM 搭配使用。預設情況下，它會接收字串批次，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。

為了用於生成，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.GemmaCausalLM 實例時，這些方法將在 generate() 中隱式調用。它們也可以獨立調用（例如，在單獨的進程中預先計算生成的預處理輸入）。

參數

  • tokenizer：一個 keras_nlp.models.GemmaTokenizer 實例。
  • sequence_length：打包輸入的長度。
  • add_start_token：如果為 True，預處理器會將分詞器的起始詞彙預先添加到每個輸入序列中。
  • add_end_token：如果為 True，預處理器會將分詞器的結束詞彙附加到每個輸入序列中。

呼叫參數

  • x：一個字串、tf.Tensor 或 Python 字串列表。
  • y：標籤資料。應始終為 None，因為該層會生成標籤。
  • sample_weight：標籤權重。應始終為 None，因為該層會生成標籤權重。
  • sequence_length：傳遞以覆蓋該層配置的 sequence_length。

範例

# Load the preprocessor from a preset.
preprocessor = keras_nlp.models.GemmaCausalLMPreprocessor.from_preset(
    "gemma_2b_en"
)

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

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

# Apply tokenization to a [`tf.data.Dataset`](https://tensorflow.dev.org.tw/api_docs/python/tf/data/Dataset).
features = tf.constant(["The quick brown fox.", "Call me Ishmael."])
ds = tf.data.Dataset.from_tensor_slices(features)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Prepare tokens for generation (no end token).
preprocessor.generate_preprocess(["The quick brown fox jumped."])

# Map generation outputs back to strings.
preprocessor.generate_postprocess({
    'token_ids': np.array([[2, 714, 4320, 8426, 25341, 32292, 235265, 0]]),
    'padding_mask': np.array([[ 1,  1,  1,  1,  1,  1,  1, 0]]),
})

[來源]

from_preset 方法

GemmaCausalLMPreprocessor.from_preset(preset, **kwargs)

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

預設設定是一個包含預先訓練模型的設定檔、權重和其他檔案資源的目錄。preset 可以傳遞為以下其中一種：

  1. 內建的預設設定識別碼，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. 指向本機預設設定目錄的路徑，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設定。

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。內建的預設設定識別碼、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",
)
預設設定名稱 參數 說明
gemma_2b_en 2.51B 20 億參數、18 層、基礎 Gemma 模型。
gemma_instruct_2b_en 2.51B 20 億參數、18 層、指令微調 Gemma 模型。
gemma_1.1_instruct_2b_en 2.51B 20 億參數、18 層、指令微調 Gemma 模型。1.1 更新提高了模型品質。
code_gemma_1.1_2b_en 2.51B 20 億參數、18 層、CodeGemma 模型。此模型已針對程式碼完成的填空任務進行訓練。1.1 更新提高了模型品質。
code_gemma_2b_en 2.51B 20 億參數、18 層、CodeGemma 模型。此模型已針對程式碼完成的填空任務進行訓練。
gemma_7b_en 8.54B 70 億參數、28 層、基礎 Gemma 模型。
gemma_instruct_7b_en 8.54B 70 億參數、28 層、指令微調 Gemma 模型。
gemma_1.1_instruct_7b_en 8.54B 70 億參數、28 層、指令微調 Gemma 模型。1.1 更新提高了模型品質。
code_gemma_7b_en 8.54B 70 億參數、28 層、CodeGemma 模型。此模型已針對程式碼完成的填空任務進行訓練。
code_gemma_instruct_7b_en 8.54B 70 億參數、28 層、指令微調 CodeGemma 模型。此模型已針對與程式碼相關的聊天用例進行訓練。
code_gemma_1.1_instruct_7b_en 8.54B 70 億參數、28 層、指令微調 CodeGemma 模型。此模型已針對與程式碼相關的聊天用例進行訓練。1.1 更新提高了模型品質。
gemma2_2b_en 2.61B 20 億參數、26 層、基礎 Gemma 模型。
gemma2_instruct_2b_en 2.61B 20 億參數、26 層、指令微調 Gemma 模型。
gemma2_9b_en 9.24B 90 億參數、42 層、基礎 Gemma 模型。
gemma2_instruct_9b_en 9.24B 90 億參數、42 層、指令微調 Gemma 模型。
gemma2_27b_en 27.23B 270 億參數、42 層、基礎 Gemma 模型。
gemma2_instruct_27b_en 27.23B 270 億參數、42 層、指令微調 Gemma 模型。
shieldgemma_2b_en 2.61B 20 億參數、26 層、ShieldGemma 模型。
shieldgemma_9b_en 9.24B 90 億參數、42 層、ShieldGemma 模型。
shieldgemma_27b_en 27.23B 270 億參數、42 層、ShieldGemma 模型。

tokenizer 屬性

keras_nlp.models.GemmaCausalLMPreprocessor.tokenizer

用於將字串標記化的標記器。

GemmaCausalLMPreprocessor 層
GemmaCausalLMPreprocessor 類別
from_preset 方法
tokenizer 屬性