OPTCausalLMPreprocessor 層
OPTCausalLMPreprocessor 類別
keras_hub.models.OPTCausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
OPT 因果語言模型預處理器。
此預處理層主要用於 keras_hub.models.OPTCausalLM。預設情況下，它會接收一批字串，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。若用於產生，請傳入 return_labels=False，在此情況下，輸出將僅是編碼的字串特徵。
引數
- tokenizer：
keras_hub.models.OPTTokenizer實例。 - sequence_length：封裝輸入的長度。
- add_start_token：如果為
True，預處理器會將斷詞器的開始詞符加入每個輸入序列的前面。 - add_end_token：如果為
True，預處理器會將斷詞器的結束詞符附加到每個輸入序列的後面。
呼叫引數
- x：字串、
tf.Tensor或 Python 字串清單。 - y：標籤資料。應始終為
None，因為該層會產生標籤。 - sample_weight：標籤權重。應始終為
None，因為該層會產生標籤權重。 - sequence_length：傳入以覆寫該層設定的
sequence_length。 - add_start_token：傳入以覆寫該層設定的
add_start_token值。 - add_end_token：傳入以覆寫該層設定的
add_end_token值。 - return_labels：如果為
True，輸出"token_ids"將會偏移一並以標籤傳回。如果為False，則只會傳回特徵。
範例
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.OPTCausalLMPreprocessor.from_preset(
"opt_125m_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
OPTCausalLMPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
從模型預設實例化 keras_hub.models.Preprocessor。
預設值是設定檔、權重和其他檔案資產的目錄，用於儲存和載入預先訓練的模型。 preset 可以作為下列其中一種傳遞：
- 內建預設識別碼，例如
'bert_base_en' - Kaggle 模型控制代碼，例如
'kaggle://user/bert/keras/bert_base_en' - Hugging Face 控制代碼，例如
'hf://user/bert_base_en' - 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() 來列出類別上所有可用的內建預設值。
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呼叫此方法，例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()。
引數
- preset：字串。內建預設識別碼、Kaggle 模型控制代碼、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.GemmaCausalLMPreprocessor.from_preset(
"gemma_2b_en",
)
# Load a preprocessor for Bert classification.
preprocessor = keras_hub.models.BertTextClassifierPreprocessor.from_preset(
"bert_base_en",
)
| 預設值 | 參數 | 說明 |
|---|---|---|
| opt_125m_en | 125.24M | 12 層 OPT 模型，其中大小寫會保持不變。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 語料庫上訓練。 |
| opt_1.3b_en | 1.32B | 24 層 OPT 模型，其中大小寫會保持不變。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 語料庫上訓練。 |
| opt_2.7b_en | 2.70B | 32 層 OPT 模型，其中大小寫會保持不變。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 語料庫上訓練。 |
| opt_6.7b_en | 6.70B | 32 層 OPT 模型，其中大小寫會保持不變。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 語料庫上訓練。 |
tokenizer 屬性
keras_hub.models.OPTCausalLMPreprocessor.tokenizer
用於詞符化字串的斷詞器。