MistralCausalLMPreprocessor 層
MistralCausalLMPreprocessor 類別
keras_nlp.models.MistralCausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
Mistral 因果語言模型預處理器。
這個預處理層旨在與 keras_nlp.models.MistralCausalLM 一起使用。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 序列中的下一個標記 ID。
為了用於生成，該層還公開了兩個方法 generate_preprocess() 和 generate_postprocess()。當這個預處理器附加到 keras_nlp.models.MistralCausalLM 實例時，這些方法將在 generate() 中被隱式呼叫。它們也可以獨立呼叫（例如，在單獨的程序中預先計算生成所需的預處理輸入）。
參數
- tokenizer：一個
keras_nlp.models.MistralTokenizer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的開頭添加標記器起始標記。預設值為True。 - add_end_token：如果為
True，則預處理器會在每個輸入序列的結尾添加標記器結束標記。預設值為False。
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.MistralCausalLMPreprocessor.from_preset(
"mistral_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)
from_preset 方法
MistralCausalLMPreprocessor.from_preset(preset, **kwargs)
從模型預設設定實例化一個 keras_nlp.models.Preprocessor。
預設設定是一個包含配置、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 可以傳遞為以下其中之一
- 一個內建的預設設定識別碼，例如
'bert_base_en' - 一個 Kaggle 模型控點，例如
'kaggle://user/bert/keras/bert_base_en' - 一個 Hugging Face 識別碼，例如
'hf://user/bert_base_en' - 一個指向本地預設目錄的路徑，例如
'./bert_base_en'
對於任何 Preprocessor 子類別，您可以執行 cls.presets.keys() 來列出該類別上所有可用的內建預設。
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上呼叫此方法，例如 keras_nlp.models.BertTextClassifierPreprocessor.from_preset()。
參數
- preset：字串。一個內建預設識別碼、一個 Kaggle 模型識別碼、一個 Hugging Face 識別碼或一個指向本地目錄的路徑。
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 | 描述 |
|---|---|---|
| mistral_7b_en | 7.24B | Mistral 7B 基礎模型 |
| mistral_instruct_7b_en | 7.24B | Mistral 7B 指令模型 |
| mistral_0.2_instruct_7b_en | 7.24B | Mistral 7B 指令版本 0.2 模型 |
tokenizer 屬性
keras_nlp.models.MistralCausalLMPreprocessor.tokenizer
用於將字串標記化的標記器。