LlamaCausalLM預處理層
LlamaCausalLMPreprocessor 類別
keras_hub.models.LlamaCausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
Llama 因果語言模型預處理器。
此預處理層旨在與keras_hub.models.LlamaCausalLM一起使用。預設情況下，它將接收成批的字串，並以 (x, y, sample_weight) 格式傳回輸出，其中 y 標籤是 x 序列中的下一個詞符 ID。
為了用於生成，此層還公開了兩個方法 generate_preprocess() 和 generate_postprocess()。當此預處理器附加到 keras_hub.models.LlamaCausalLM 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預處理輸入）。
參數
- tokenizer: `keras_hub.models.LlamaTokenizer` 實例。
- sequence_length: 打包輸入的長度。
- add_start_token: 如果為
True，預處理器將把分詞器開始詞符添加到每個輸入序列的前面。預設值為True。 - add_end_token: 如果為
True，預處理器將把分詞器結束詞符添加到每個輸入序列的後面。預設值為False。
調用參數
- x: 字串、
tf.Tensor或 Python 字串列表。 - y: 標籤資料。應始終為
None，因為該層會生成標籤。 - sample_weight: 標籤權重。應始終為
None，因為該層會生成標籤權重。 - sequence_length: 傳遞此參數以覆寫層配置的
sequence_length。
範例
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.LlamaCausalLMPreprocessor.from_preset(
"llama_base_en"
)
# 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
LlamaCausalLMPreprocessor.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 可以作為以下之一傳遞
- 一個內建的預設識別符，例如
'bert_base_en' - 一個 Kaggle Models 句柄，例如
'kaggle://user/bert/keras/bert_base_en' - 一個 Hugging Face 句柄，例如
'hf://user/bert_base_en' - 一個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() 來列出該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。一個內建的預設識別符、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 |
|---|---|---|
| llama2_7b_en | 6.74B | 70 億參數、32 層、基礎 LLaMA 2 模型。 |
| llama2_instruct_7b_en | 6.74B | 70 億參數、32 層、指令微調 LLaMA 2 模型。 |
| vicuna_1.5_7b_en | 6.74B | 70 億參數、32 層、指令微調 Vicuna v1.5 模型。 |
| llama2_7b_en_int8 | 6.74B | 70 億參數、32 層、基礎 LLaMA 2 模型，其激活和權重量化為 int8。 |
| llama2_instruct_7b_en_int8 | 6.74B | 70 億參數、32 層、指令微調 LLaMA 2 模型，其激活和權重量化為 int8。 |
| llama3_8b_en | 8.03B | 80 億參數、32 層、基礎 LLaMA 3 模型。 |
| llama3_instruct_8b_en | 8.03B | 80 億參數、32 層、指令微調 LLaMA 3 模型。 |
| llama3_8b_en_int8 | 8.03B | 80 億參數、32 層、基礎 LLaMA 3 模型，其激活和權重量化為 int8。 |
| llama3_instruct_8b_en_int8 | 8.03B | 80 億參數、32 層、指令微調 LLaMA 3 模型，其激活和權重量化為 int8。 |
tokenizer 屬性
keras_hub.models.LlamaCausalLMPreprocessor.tokenizer
用於詞符化字串的分詞器。