Phi3Tokenizer

[來源]

Phi3Tokenizer 類別

keras_nlp.tokenizers.Phi3Tokenizer(proto, **kwargs)

基於 SentencePiece 的 Phi3 分詞器層。

這個分詞器類別會將原始字串分詞為整數序列，並且基於 keras_nlp.tokenizers.SentencePieceTokenizer。與底層分詞器不同，它會檢查 Phi3 模型所需的所有特殊標記，並提供 from_preset() 方法來自動下載 Phi3 預設值的相符詞彙表。

如果輸入是一批字串（階數 > 0），則該層將輸出 tf.RaggedTensor，其中輸出的最後一個維度是不規則的。

如果輸入是純量字串（階數 == 0），則該層將輸出具有靜態形狀 [None] 的密集 tf.Tensor。

參數

• proto：SentencePiece proto 檔案的 string 路徑，或具有序列化 SentencePiece proto 的 bytes 物件。如需格式的詳細資訊，請參閱 SentencePiece 儲存庫。

範例

# Unbatched input.
tokenizer = keras_nlp.models.Phi3Tokenizer.from_preset(
    "phi3_mini_4k_instruct_en",
)
tokenizer("The quick brown fox jumped.")

# Batched input.
tokenizer(["The quick brown fox jumped.", "The fox slept."])

# Detokenization.
tokenizer.detokenize(tokenizer("The quick brown fox jumped."))

[來源]

from_preset 方法

Phi3Tokenizer.from_preset(preset, **kwargs)

從模型預設值實例化 keras_nlp.models.Tokenizer。

預設值是設定、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 可以作為以下其中一項傳遞

1. 內建預設值識別碼，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. 本機預設值目錄的路徑，例如 './bert_base_en'

對於任何 Tokenizer 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值。

這個建構函數可以使用兩種方式之一來呼叫。可以從基類（如 keras_nlp.models.Tokenizer.from_preset()）呼叫，也可以從模型類（如 keras_nlp.models.GemmaTokenizer.from_preset()）呼叫。如果從基類呼叫，則返回對象的子類將從預設目錄中的配置推斷出來。

參數

• preset：字串。內建的預設識別碼、Kaggle 模型控點、Hugging Face 控點或本地目錄的路徑。
• load_weights：布林值。如果為 True，則權重將載入到模型架構中。如果為 False，則權重將被隨機初始化。

範例

# Load a preset tokenizer.
tokenizer = keras_nlp.tokenizer.Tokenizer.from_preset("bert_base_en")

# Tokenize some input.
tokenizer("The quick brown fox tripped.")

# Detokenize some input.
tokenizer.detokenize([5, 6, 7, 8, 9])