PaliGemmaCausalLMPreprocessor 層
PaliGemmaCausalLMPreprocessor 類別
keras_nlp.models.PaliGemmaCausalLMPreprocessor(
tokenizer,
image_converter=None,
sequence_length=1024,
add_start_token=True,
add_end_token=True,
**kwargs
)
因果語言建模預處理層的基類。
CausalLMPreprocessor 任務會包裝一個 keras_nlp.tokenizer.Tokenizer 來建立因果語言建模任務的預處理層。它旨在與 keras.models.CausalLM 任務配對使用。
所有 CausalLMPreprocessor 都會接收單一輸入。這可以是單一字串或一批字串。請參閱以下範例。這些輸入將會被分詞並填充/截斷為固定的序列長度。
此層將始終輸出一個 (x, y, sample_weight) 元組，其中 x 是一個包含分詞輸入的字典，y 包含從 x 偏移 1 的詞彙，而 sample_weight 則標記 y 中包含填充值的位置。x 的確切內容會因使用的模型而異。
CausalLMPreprocessor 包含兩個額外的方法，generate_preprocess 和 generate_postprocess，用於生成。請參閱以下範例。
所有 CausalLMPreprocessor 任務都包含一個 from_preset() 建構函數，可用於載入預先訓練的配置和詞彙表。您可以直接在此基類上呼叫 from_preset() 建構函數，在這種情況下，將會自動為您的模型實例化正確的類別。
範例。
preprocessor = keras_nlp.models.CausalLMPreprocessor.from_preset(
"bert_base_en_uncased",
sequence_length=256, # Optional.
)
# Tokenize, mask and pack a single sentence.
x = "The quick brown fox jumped."
x, y, sample_weight = preprocessor(x)
# Tokenize and pad/truncate a batch of labeled sentences.
x = ["The quick brown fox jumped.", "Call me Ishmael."]
x, y, sample_weight = preprocessor(x)
# With a [`tf.data.Dataset`](https://tensorflow.dev.org.tw/api_docs/python/tf/data/Dataset).
ds = tf.data.Dataset.from_tensor_slices(x)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)
# Generate preprocess and postprocess.
x = preprocessor.generate_preprocess(x) # Tokenized numeric inputs.
x = preprocessor.generate_postprocess(x) # Detokenized string outputs.
from_preset 方法
PaliGemmaCausalLMPreprocessor.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：
- 內建的預設設定識別碼，例如
'bert_base_en' - Kaggle 模型控點，例如
'kaggle://user/bert/keras/bert_base_en' - Hugging Face 控點，例如
'hf://user/bert_base_en' - 本地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() 來列出該類別可用的所有內建預設集。
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。內建預設集識別碼、Kaggle 模型控點、Hugging Face 控點或本機目錄的路徑。
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",
)
| 預設集名稱 | 參數 | 說明 |
|---|---|---|
| pali_gemma_3b_mix_224 | 2.92B | 影像大小 224，混合微調，文字序列長度為 256 |
| pali_gemma_3b_mix_448 | 2.92B | 影像大小 448，混合微調，文字序列長度為 512 |
| pali_gemma_3b_224 | 2.92B | 影像大小 224，預先訓練，文字序列長度為 128 |
| pali_gemma_3b_448 | 2.92B | 影像大小 448，預先訓練，文字序列長度為 512 |
| pali_gemma_3b_896 | 2.93B | 影像大小 896，預先訓練，文字序列長度為 512 |
tokenizer 屬性
keras_nlp.models.PaliGemmaCausalLMPreprocessor.tokenizer
用於將字串標記化的標記器。