► Keras 3 API 文件 / KerasNLP / 預訓練模型 / Llama / LlamaCausalLMPreprocessor 層

LlamaCausalLMPreprocessor 層

[來源]

LlamaCausalLMPreprocessor 類別

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

Llama 因果語言模型預處理器。

此預處理層旨在與 keras_nlp.models.LlamaCausalLM 搭配使用。 根據預設，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 序列中的下一個權杖 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.LlamaCausalLM 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所需的預處理輸入）。

參數

  • tokenizer：一個 keras_nlp.models.LlamaTokenizer 實例。
  • sequence_length：打包輸入的長度。
  • add_start_token：如果為 True，則預處理器會將分詞器的起始權杖添加到每個輸入序列的前面。 默認為 True。
  • add_end_token：如果為 True，則預處理器會將分詞器的結束權杖添加到每個輸入序列的後面。 默認為 False。

調用參數

  • 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.LlamaCausalLMPreprocessor.from_preset(
    "llama_base_en"
)

# 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

LlamaCausalLMPreprocessor.from_preset(preset, **kwargs)

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

預設值是一個包含配置、權重和其他文件資源的目錄，用於儲存和載入預先訓練的模型。 preset 可以傳遞為以下其中一種：

  1. 內建的預設值識別碼，例如 'bert_base_en'
  2. Kaggle 模型控點，例如 'kaggle://user/bert/keras/bert_base_en'
  3. 例如 'hf://user/bert_base_en' 的 Hugging Face 句柄
  4. 例如 './bert_base_en' 的本地預設目錄路徑

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。

由於給定模型通常有多個預處理類別，因此應在特定子類別（例如 keras_nlp.models.BertTextClassifierPreprocessor.from_preset()）上呼叫此方法。

參數

  • preset：字串。內建預設識別碼、Kaggle 模型句柄、Hugging Face 句柄或本地目錄的路徑。

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",
)
預設名稱 參數 說明
llama2_7b_en 6.74B 70 億參數、32 層、基礎 LLaMA 2 模型。
llama2_7b_en_int8 6.74B 70 億參數、32 層、基礎 LLaMA 2 模型，其激活和權重量化為 int8。
llama2_instruct_7b_en 6.74B 70 億參數、32 層、指令微調的 LLaMA 2 模型。
llama2_instruct_7b_en_int8 6.74B 70 億參數、32 層、指令微調的 LLaMA 2 模型，其激活和權重量化為 int8。
vicuna_1.5_7b_en 6.74B 70 億參數、32 層、指令微調的 Vicuna v1.5 模型。

tokenizer 屬性

keras_nlp.models.LlamaCausalLMPreprocessor.tokenizer

用於將字串標記化的標記器。

LlamaCausalLMPreprocessor 層
LlamaCausalLMPreprocessor 類別
from_preset 方法
tokenizer 屬性