► KerasHub：預訓練模型 / API 文件 / 模型架構 / FNet / FNet文本分類預處理層

FNet文本分類預處理層

[來源]

FNetTextClassifierPreprocessor 類別

keras_hub.models.FNetTextClassifierPreprocessor(
    tokenizer, sequence_length=512, truncate="round_robin", **kwargs
)

一個 FNet 預處理層，用於分詞並封裝輸入。

此預處理層將執行三件事

  1. 使用 tokenizer 分詞任意數量的輸入片段。
  2. 使用 keras_hub.layers.MultiSegmentPacker 將輸入封裝在一起，並帶有適當的 "[CLS]"、"[SEP]" 和 "<pad>" 符記。
  3. 建構一個字典，其中包含可直接傳遞至 keras_hub.models.FNetBackbone 的鍵 "token_ids" 和 "segment_ids"。

此層可以直接與 tf.data.Dataset.map 一起使用，以預處理 keras.Model.fit 使用的 (x, y, sample_weight) 格式的字串資料。

參數

  • tokenizer：keras_hub.models.FNetTokenizer 實例。
  • sequence_length：封裝輸入的長度。
  • truncate：字串。將批次片段列表截斷以符合 sequence_length 的演算法。值可以是 round_robin 或 waterfall
    • "round_robin"：可用空間以循環分配的方式一次分配一個符記給仍需要空間的輸入，直到達到限制。
    • "waterfall"：預算的分配使用「瀑布式」演算法完成，該演算法以從左到右的方式分配配額並填滿儲存區，直到預算用完為止。它支援任意數量的片段。

呼叫參數

  • x：單個字串序列的張量，或要封裝在一起的多個張量序列的元組。輸入可以是批次的或非批次的。對於單個序列，原始 python 輸入將轉換為張量。對於多個序列，直接傳遞張量。
  • y：任何標籤資料。將保持不變地傳遞。
  • sample_weight：任何標籤權重資料。將保持不變地傳遞。

範例

直接呼叫 from_preset()。

preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
    "f_net_base_en"
)

# Tokenize and pack a single sentence.
preprocessor("The quick brown fox jumped.")

# Tokenize and a batch of single sentences.
preprocessor(["The quick brown fox jumped.", "Call me Ishmael."])

# Preprocess a batch of sentence pairs.
# When handling multiple sequences, always convert to tensors first!
first = tf.constant(["The quick brown fox jumped.", "Call me Ishmael."])
second = tf.constant(["The fox tripped.", "Oh look, a whale."])
preprocessor((first, second))

使用 tf.data.Dataset 進行映射。

preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
    "f_net_base_en"
)
first = tf.constant(["The quick brown fox jumped.", "Call me Ishmael."])
second = tf.constant(["The fox tripped.", "Oh look, a whale."])
label = tf.constant([1, 1])

# Map labeled single sentences.
ds = tf.data.Dataset.from_tensor_slices((first, label))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map unlabeled single sentences.
ds = tf.data.Dataset.from_tensor_slices(first)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map labeled sentence pairs.
ds = tf.data.Dataset.from_tensor_slices(((first, second), label))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map unlabeled sentence pairs.
ds = tf.data.Dataset.from_tensor_slices((first, second))

# Watch out for tf.data's default unpacking of tuples here!
# Best to invoke the `preprocessor` directly in this case.
ds = ds.map(
    lambda first, second: preprocessor(x=(first, second)),
    num_parallel_calls=tf.data.AUTOTUNE,
)

[來源]

from_preset 方法

FNetTextClassifierPreprocessor.from_preset(
    preset, config_file="preprocessor.json", **kwargs
)

從模型預設實例化 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

  1. 內建預設識別符，例如 'bert_base_en'
  2. Kaggle Models 句柄，例如 'kaggle://user/bert/keras/bert_base_en'
  3. Hugging Face 句柄，例如 'hf://user/bert_base_en'
  4. 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，因此此方法應在特定子類別上呼叫，例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()。

參數

  • preset：字串。內建預設識別符、Kaggle Models 句柄、Hugging Face 句柄或本地目錄的路徑。

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
f_net_base_en 82.86M 12 層 FNet 模型，其中保留大小寫。在 C4 資料集上訓練。
f_net_large_en 236.95M 24 層 FNet 模型，其中保留大小寫。在 C4 資料集上訓練。

tokenizer 屬性

keras_hub.models.FNetTextClassifierPreprocessor.tokenizer

用於分詞字串的分詞器。

FNet文本分類預處理層
FNetTextClassifierPreprocessor 類別
from_preset 方法
tokenizer 屬性