► KerasHub：預訓練模型 / API 文件 / 模型架構 / Gemma / GemmaCausalLMPreprocessor 層

GemmaCausalLMPreprocessor 層

[原始碼]

GemmaCausalLMPreprocessor 類別

keras_hub.models.GemmaCausalLMPreprocessor(
    tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)

Gemma 因果語言模型預處理器。

此預處理層旨在與 keras_hub.models.GemmaCausalLM 一起使用。預設情況下，它將接收字串批次，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，此層也公開了兩個方法 generate_preprocess() 和 generate_postprocess()。當此預處理器附加到 keras_hub.models.GemmaCausalLM 實例時，這些方法將在 generate() 中隱式呼叫。它們也可以獨立呼叫（例如，在另一個程序中預先計算生成用的預處理輸入）。

引數

  • tokenizer: 一個 keras_hub.models.GemmaTokenizer 實例。
  • sequence_length: 已封裝輸入的長度。
  • add_start_token: 如果為 True，預處理器將在每個輸入序列前面加上 tokenizer 開始 token。
  • add_end_token: 如果為 True，預處理器將在每個輸入序列後面加上 tokenizer 結束 token。

呼叫引數

  • x: 字串、tf.Tensor 或 python 字串列表。
  • y: 標籤資料。應始終為 None，因為此層會生成標籤。
  • sample_weight: 標籤權重。應始終為 None，因為此層會生成標籤權重。
  • sequence_length: 傳遞以覆寫此層已設定的 sequence_length。

範例

# Load the preprocessor from a preset.
preprocessor = keras_hub.models.GemmaCausalLMPreprocessor.from_preset(
    "gemma_2b_en"
)

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

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

# Apply tokenization to a [`tf.data.Dataset`](https://tensorflow.dev.org.tw/api_docs/python/tf/data/Dataset).
features = tf.constant(["The quick brown fox.", "Call me Ishmael."])
ds = tf.data.Dataset.from_tensor_slices(features)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Prepare tokens for generation (no end token).
preprocessor.generate_preprocess(["The quick brown fox jumped."])

# Map generation outputs back to strings.
preprocessor.generate_postprocess({
    'token_ids': np.array([[2, 714, 4320, 8426, 25341, 32292, 235265, 0]]),
    'padding_mask': np.array([[ 1,  1,  1,  1,  1,  1,  1, 0]]),
})

[原始碼]

from_preset 方法

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

從模型預設實例化一個 keras_hub.models.Preprocessor。

預設是一個組態、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. 內建預設識別碼，例如 'bert_base_en'
  2. Kaggle Models 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() 來列出此類別上所有可用的內建預設。

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()。

引數

  • preset: 字串。內建預設識別碼、Kaggle Models 控制代碼、Hugging Face 控制代碼或本機目錄的路徑。

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
gemma_2b_en 2.51B 20 億參數、18 層、基礎 Gemma 模型。
gemma_instruct_2b_en 2.51B 20 億參數、18 層、指令調整 Gemma 模型。
gemma_1.1_instruct_2b_en 2.51B 20 億參數、18 層、指令調整 Gemma 模型。1.1 更新提升了模型品質。
code_gemma_1.1_2b_en 2.51B 20 億參數、18 層、CodeGemma 模型。此模型已針對程式碼完成的填空中間 (FIM) 任務進行訓練。1.1 更新提升了模型品質。
code_gemma_2b_en 2.51B 20 億參數、18 層、CodeGemma 模型。此模型已針對程式碼完成的填空中間 (FIM) 任務進行訓練。
gemma2_2b_en 2.61B 20 億參數、26 層、基礎 Gemma 模型。
gemma2_instruct_2b_en 2.61B 20 億參數、26 層、指令調整 Gemma 模型。
shieldgemma_2b_en 2.61B 20 億參數、26 層、ShieldGemma 模型。
gemma_7b_en 8.54B 70 億參數、28 層、基礎 Gemma 模型。
gemma_instruct_7b_en 8.54B 70 億參數、28 層、指令調整 Gemma 模型。
gemma_1.1_instruct_7b_en 8.54B 70 億參數、28 層、指令調整 Gemma 模型。1.1 更新提升了模型品質。
code_gemma_7b_en 8.54B 70 億參數、28 層、CodeGemma 模型。此模型已針對程式碼完成的填空中間 (FIM) 任務進行訓練。
code_gemma_instruct_7b_en 8.54B 70 億參數、28 層、指令調整 CodeGemma 模型。此模型已針對與程式碼相關的聊天用例進行訓練。
code_gemma_1.1_instruct_7b_en 8.54B 70 億參數、28 層、指令調整 CodeGemma 模型。此模型已針對與程式碼相關的聊天用例進行訓練。1.1 更新提升了模型品質。
gemma2_9b_en 9.24B 90 億參數、42 層、基礎 Gemma 模型。
gemma2_instruct_9b_en 9.24B 90 億參數、42 層、指令調整 Gemma 模型。
shieldgemma_9b_en 9.24B 90 億參數、42 層、ShieldGemma 模型。
gemma2_27b_en 27.23B 270 億參數、42 層、基礎 Gemma 模型。
gemma2_instruct_27b_en 27.23B 270 億參數、42 層、指令調整 Gemma 模型。
shieldgemma_27b_en 27.23B 270 億參數、42 層、ShieldGemma 模型。

tokenizer 屬性

keras_hub.models.GemmaCausalLMPreprocessor.tokenizer

用於 token 化字串的 tokenizer。

GemmaCausalLMPreprocessor 層
GemmaCausalLMPreprocessor 類別
from_preset 方法
tokenizer 屬性