MistralCausalLM 模型

[來源]

MistralCausalLM 類別

keras_nlp.models.MistralCausalLM(backbone, preprocessor=None, **kwargs)

一個用於因果語言建模的端到端 Mistral 模型。

因果語言模型 (LM) 會根據先前的詞彙預測下一個詞彙。此任務設定可用於在純文字輸入上以非監督方式訓練模型，或自動遞迴地生成類似於用於訓練的資料的純文字。這個任務可以用於預先訓練或微調 GPT-NeoX 模型，只需呼叫 fit() 即可。

此模型具有 generate() 方法，可以根據提示生成文字。所使用的生成策略由 compile() 上的額外 sampler 參數控制。您可以使用不同的 keras_nlp.samplers 物件重新編譯模型來控制生成。預設情況下，將使用 "top_k" 取樣。

參數

• backbone：一個 keras_nlp.models.MistralBackbone 實例。
• preprocessor：一個 keras_nlp.models.MistralCausalLMPreprocessor 或 None。如果為 None，則此模型將不應用預處理，並且應該在呼叫模型之前對輸入進行預處理。

[來源]

from_preset 方法

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

從模型預設集實例化一個 keras_nlp.models.Task。

預設集是一個包含用於儲存和載入預先訓練模型的配置、權重和其他檔案資產的目錄。preset 可以作為以下其中之一傳遞

1. 內建的預設集識別碼，例如 'bert_base_en'
2. Kaggle 模型控制代碼，例如 'kaggle://user/bert/keras/bert_base_en'
3. Hugging Face 控制代碼，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 Task 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。

這個建構函式可以用兩種方式之一來呼叫。 可以從特定任務的基類（例如 keras_nlp.models.CausalLM.from_preset()）呼叫，也可以從模型類別（例如 keras_nlp.models.BertTextClassifier.from_preset()）呼叫。 如果從基類呼叫，則會從預設集目錄中的設定推斷出返回物件的子類別。

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，則會將儲存的權重載入模型架構中。 如果為 False，則會將所有權重隨機初始化。

範例

# Load a Gemma generative task.
causal_lm = keras_nlp.models.CausalLM.from_preset(
    "gemma_2b_en",
)

# Load a Bert classification task.
model = keras_nlp.models.TextClassifier.from_preset(
    "bert_base_en",
    num_classes=2,
)

[來源]

generate 方法

MistralCausalLM.generate(inputs, max_length=None, stop_token_ids="auto")

根據提示 inputs 產生文字。

這個方法會根據給定的 inputs 產生文字。 用於產生的取樣方法可以透過 compile() 方法設定。

如果 inputs 是 tf.data.Dataset，則會「逐批」產生輸出並進行串聯。 否則，所有輸入都將作為單一批次處理。

如果 preprocessor 附加到模型，則會在 generate() 函式內部對 inputs 進行預處理，並且應符合 preprocessor 圖層預期的結構（通常是原始字串）。 如果沒有附加 preprocessor，則輸入應符合 backbone 預期的結構。 如需每個範例的示範，請參閱上面的範例用法。

參數

• inputs：Python 資料、張量資料或 tf.data.Dataset。 如果 preprocessor 附加到模型，則 inputs 應符合 preprocessor 圖層預期的結構。 如果沒有附加 preprocessor，則 inputs 應符合 backbone 模型預期的結構。
• max_length：可選。 整數。 產生序列的最大長度。 預設值為 preprocessor 設定的最大 sequence_length。 如果 preprocessor 為 None，則應將 inputs 填充到所需的最大長度，並且會忽略此參數。
• stop_token_ids：可選。 None、「自動」或權杖 ID 的元組。 預設值為「自動」，它使用 preprocessor.tokenizer.end_token_id。 未指定處理器將會產生錯誤。 None 會在產生 max_length 個權杖後停止產生。 您也可以指定模型應停止的權杖 ID 列表。 請注意，權杖序列將各自被解釋為停止權杖，不支援多個權杖的停止序列。

backbone 屬性

keras_nlp.models.MistralCausalLM.backbone

具有核心架構的 keras_nlp.models.Backbone 模型。

preprocessor 屬性

keras_nlp.models.MistralCausalLM.preprocessor

用於預處理輸入的 keras_nlp.models.Preprocessor 圖層。