OPTCausalLMPreprocessor 層
OPTCausalLMPreprocessor 類別
keras_nlp.models.OPTCausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
OPT 因果語言模型預處理器。
這個預處理層主要用於 keras_nlp.models.OPTCausalLM。默認情況下，它將接收一批字串，並以 (x, y, sample_weight) 的格式返回輸出，其中 y 標籤是 x 序列中的下一個標記 ID。若要與生成一起使用，請傳遞 return_labels=False，在這種情況下，輸出將只是編碼的字串特徵。
參數
- tokenizer：一個
keras_nlp.models.OPTTokenizer實例。 - sequence_length：打包輸入的長度。
- add_start_token：如果為
True，則預處理器會將標記器的起始標記附加到每個輸入序列的開頭。 - add_end_token：如果為
True，則預處理器會將標記器的結束標記附加到每個輸入序列的結尾。
呼叫參數
- x：一個字串、
tf.Tensor或 Python 字串的列表。 - y：標籤數據。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：傳遞以覆寫層的已配置
sequence_length。 - add_start_token：傳遞以覆寫層上
add_start_token的已配置值。 - add_end_token：傳遞以覆寫層上
add_end_token的已配置值。 - return_labels：如果為
True，則輸出"token_ids"將偏移一個位置並作為標籤返回。如果為False，則只會返回特徵。
示例
# Load the preprocessor from a preset.
preprocessor = keras_nlp.models.OPTCausalLMPreprocessor.from_preset(
"opt_125m_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
OPTCausalLMPreprocessor.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用於儲存和加載預先訓練模型的配置、權重和其他檔案資產的目錄。preset 可以傳遞為以下其中一種：
- 一個內建的預設設定識別碼，例如
'bert_base_en' - Kaggle 模型的處理方式，例如
'kaggle://user/bert/keras/bert_base_en' - Hugging Face 的處理方式，例如
'hf://user/bert_base_en' - 本機預設目錄的路徑，例如
'./bert_base_en'
對於任何 Preprocessor 子類別，您可以執行 cls.presets.keys() 來列出類別上所有可用的內建預設值。
由於給定的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。內建預設值識別碼、Kaggle 模型處理方式、Hugging Face 處理方式或本機目錄的路徑。
示例
# 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",
)
| 預設值名稱 | 參數 | 說明 |
|---|---|---|
| opt_125m_en | 125.24M | 12 層 OPT 模型，保留大小寫。根據 BookCorpus、CommonCrawl、Pile 和 PushShift.io 語料庫進行訓練。 |
| opt_1.3b_en | 1.32B | 24 層 OPT 模型，保留大小寫。根據 BookCorpus、CommonCrawl、Pile 和 PushShift.io 語料庫進行訓練。 |
| opt_2.7b_en | 2.70B | 32 層 OPT 模型，保留大小寫。根據 BookCorpus、CommonCrawl、Pile 和 PushShift.io 語料庫進行訓練。 |
| opt_6.7b_en | 6.70B | 32 層 OPT 模型，保留大小寫。根據 BookCorpus、CommonCrawl、Pile 和 PushShift.io 語料庫進行訓練。 |
tokenizer 屬性
keras_nlp.models.OPTCausalLMPreprocessor.tokenizer
用於將字串標記化的標記器。