BloomCausalLMPreprocessor 層
BloomCausalLMPreprocessor 類別
keras_hub.models.BloomCausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
BLOOM 因果語言模型預處理器。
此預處理層旨在與 keras_hub.models.BloomCausalLM 一起使用。預設情況下，它會接收字串批次，並以 (x, y, sample_weight) 格式傳回輸出，其中 y 標籤是 x 序列中的下一個 token id。
為了用於生成，此層也公開了兩種方法 generate_preprocess() 和 generate_postprocess()。當此預處理器附加到 keras_hub.models.BloomCausalLM 實例時，這些方法將在 generate() 中隱式調用。它們也可以獨立調用（例如，在單獨的進程中預先計算生成用的預處理輸入）。
參數
- tokenizer：
keras_hub.models.BloomTokenizer實例。 - sequence_length：封裝輸入的長度。
- add_start_token：如果為
True，預處理器將把 tokenizer 的開始 token 前置到每個輸入序列。 - add_end_token：如果為
True，預處理器將把 tokenizer 的結束 token 附加到每個輸入序列。
呼叫參數
- x：字串、
tf.Tensor或 python 字串列表。 - y：標籤資料。應始終為
None，因為此層生成標籤。 - sample_weight：標籤權重。應始終為
None，因為此層生成標籤權重。 - sequence_length：傳遞以覆蓋此層配置的
sequence_length。
範例
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.BloomCausalLMPreprocessor.from_preset(
"bloom_560m_multi"
)
# 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
BloomCausalLMPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
從模型預設實例化一個 keras_hub.models.Preprocessor。
預設是一個配置、權重和其他檔案資產的目錄，用於儲存和載入預訓練模型。preset 可以作為以下其中之一傳遞
- 內建預設識別符，例如
'bert_base_en' - Kaggle Models handle，例如
'kaggle://user/bert/keras/bert_base_en' - Hugging Face handle，例如
'hf://user/bert_base_en' - 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() 以列出此類別上可用的所有內建預設。
由於給定模型通常有多個預處理類別，因此應在特定的子類別上調用此方法，例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()。
參數
- preset：字串。內建預設識別符、Kaggle Models handle、Hugging Face handle 或本地目錄的路徑。
範例
# Load a preprocessor for Gemma generation.
preprocessor = keras_hub.models.CausalLMPreprocessor.from_preset(
"gemma_2b_en",
)
# Load a preprocessor for Bert classification.
preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
"bert_base_en",
)
| 預設 | 參數 | 描述 |
|---|---|---|
| bloom_560m_multi | 559.21M | 24 層 Bloom 模型，隱藏層維度為 1024。在 45 種自然語言和 12 種程式語言上訓練。 |
| bloomz_560m_multi | 559.21M | 24 層 Bloom 模型，隱藏層維度為 1024。在跨語言任務混合 (xP3) 資料集上微調。 |
| bloom_1.1b_multi | 1.07B | 24 層 Bloom 模型，隱藏層維度為 1536。在 45 種自然語言和 12 種程式語言上訓練。 |
| bloomz_1.1b_multi | 1.07B | 24 層 Bloom 模型，隱藏層維度為 1536。在跨語言任務混合 (xP3) 資料集上微調。 |
| bloom_1.7b_multi | 1.72B | 24 層 Bloom 模型，隱藏層維度為 2048。在 45 種自然語言和 12 種程式語言上訓練。 |
| bloomz_1.7b_multi | 1.72B | 24 層 Bloom 模型，隱藏層維度為 2048。在跨語言任務混合 (xP3) 資料集上微調。 |
| bloom_3b_multi | 3.00B | 30 層 Bloom 模型，隱藏層維度為 2560。在 45 種自然語言和 12 種程式語言上訓練。 |
| bloomz_3b_multi | 3.00B | 30 層 Bloom 模型，隱藏層維度為 2560。在跨語言任務混合 (xP3) 資料集上微調。 |
tokenizer 屬性
keras_hub.models.BloomCausalLMPreprocessor.tokenizer
用於 token 化字串的 tokenizer。