MistralCausalLM 模型

[來源]

MistralCausalLM 類別

keras_hub.models.MistralCausalLM(backbone, preprocessor=None, **kwargs)

用於因果語言建模的端對端 Mistral 模型。

因果語言模型 (LM) 根據先前的符記預測下一個符記。此任務設定可用於對純文字輸入進行無監督模型訓練，或自動迴歸地產生類似於用於訓練資料的純文字。此任務可用於預訓練或微調 GPT-NeoX 模型，只需呼叫 fit() 即可。

此模型具有 generate() 方法，可根據提示產生文字。使用的產生策略由 compile() 上的額外 sampler 引數控制。您可以使用不同的 keras_hub.samplers 物件重新編譯模型，以控制產生方式。預設情況下，將使用 "top_k" 採樣。

引數

• backbone：keras_hub.models.MistralBackbone 實例。
• preprocessor：keras_hub.models.MistralCausalLMPreprocessor 或 None。如果為 None，則此模型將不套用預處理，且輸入應在呼叫模型之前進行預處理。

[來源]

from_preset 方法

MistralCausalLM.from_preset(preset, load_weights=True, **kwargs)

從模型預設實例化 keras_hub.models.Task。

預設是組態、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 可以作為以下其中一種傳遞

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. 本機預設目錄的路徑，例如 './bert_base_en'

對於任何 Task 子類別，您可以執行 cls.presets.keys() 來列出類別上所有可用的內建預設。

此建構子可以透過兩種方式之一呼叫。從任務特定的基底類別（例如 keras_hub.models.CausalLM.from_preset()）呼叫，或從模型類別（例如 keras_hub.models.BertTextClassifier.from_preset()）呼叫。如果從基底類別呼叫，則傳回物件的子類別將從預設目錄中的組態推斷。

引數

• preset：字串。內建預設識別符、Kaggle Models 句柄、Hugging Face 句柄或本機目錄的路徑。
• load_weights：布林值。如果為 True，則儲存的權重將載入到模型架構中。如果為 False，則所有權重將隨機初始化。

範例

# Load a Gemma generative task.
causal_lm = keras_hub.models.CausalLM.from_preset(
    "gemma_2b_en",
)

# Load a Bert classification task.
model = keras_hub.models.TextClassifier.from_preset(
    "bert_base_en",
    num_classes=2,
)

[來源]

generate 方法

MistralCausalLM.generate(
    inputs, max_length=None, stop_token_ids="auto", strip_prompt=False
)

產生給定提示 inputs 的文字。

此方法根據給定的 inputs 產生文字。用於產生的採樣方法可以透過 compile() 方法設定。

如果 inputs 是 tf.data.Dataset，則輸出將「逐批次」產生並串聯。否則，所有輸入將作為單一批次處理。

如果模型附加了 preprocessor，則 inputs 將在 generate() 函數內進行預處理，並且應符合 preprocessor 層預期的結構（通常為原始字串）。如果未附加 preprocessor，則輸入應符合 backbone 預期的結構。請參閱上面的範例用法，以示範每個用法。

引數

• inputs：python 資料、張量資料或 tf.data.Dataset。如果模型附加了 preprocessor，則 inputs 應符合 preprocessor 層預期的結構。如果未附加 preprocessor，則 inputs 應符合 backbone 模型預期的結構。
• max_length：選用。整數。產生序列的最大長度。預設為 preprocessor 設定的 sequence_length 最大值。如果 preprocessor 為 None，則 inputs 應填充到所需的最大長度，並且此引數將被忽略。
• stop_token_ids：選用。None、「auto」或符記 ID 元組。預設為「auto」，使用 preprocessor.tokenizer.end_token_id。未指定處理器將產生錯誤。None 會在產生 max_length 個符記後停止產生。您也可以指定模型應停止的符記 ID 列表。請注意，符記序列將各自被解釋為停止符記，不支援多符記停止序列。
• strip_prompt：選用。預設情況下，generate() 會傳回完整提示，後接模型產生的完成文字。如果此選項設定為 True，則僅傳回新產生的文字。

backbone 屬性

keras_hub.models.MistralCausalLM.backbone

具有核心架構的 keras_hub.models.Backbone 模型。

preprocessor 屬性

keras_hub.models.MistralCausalLM.preprocessor

用於預處理輸入的 keras_hub.models.Preprocessor 層。