Phi3CausalLMPreprocessor 層
Phi3CausalLMPreprocessor 類別
keras_hub.models.Phi3CausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
Phi3 因果語言模型預處理器。
此預處理層旨在與 keras_hub.models.Phi3CausalLM 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.Phi3CausalLM 實例時，這些方法將在 generate() 中被隱式調用。 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）。
引數
- tokenizer：
keras_hub.models.Phi3Tokenizer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 start token。 預設值為True。 - add_end_token：如果為
True，預處理器將在每個輸入序列後面附加 tokenizer end token。 預設值為False。
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：傳遞以覆寫此層配置的
sequence_length。
範例
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.Phi3CausalLMPreprocessor.from_preset(
"phi3_mini_4k_instruct_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
Phi3CausalLMPreprocessor.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
- 內建預設識別符，例如
'bert_base_en' - Kaggle 模型句柄，例如
'kaggle://user/bert/keras/bert_base_en' - Hugging Face 句柄，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() 以列出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調用，例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()。
引數
- preset：字串。 內建預設識別符、Kaggle 模型句柄、Hugging Face 句柄或本機目錄的路徑。
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 |
|---|---|---|
| phi3_mini_4k_instruct_en | 3.82B | 38.2 億參數、32 層、4k 上下文長度、Phi-3 模型。 該模型是使用 Phi-3 資料集訓練的。 此資料集包含合成資料和過濾後的公開可用網站資料，重點是高品質和推理密集屬性。 |
| phi3_mini_128k_instruct_en | 3.82B | 38.2 億參數、32 層、128k 上下文長度、Phi-3 模型。 該模型是使用 Phi-3 資料集訓練的。 此資料集包含合成資料和過濾後的公開可用網站資料，重點是高品質和推理密集屬性。 |
tokenizer 屬性
keras_hub.models.Phi3CausalLMPreprocessor.tokenizer
用於 token 化字串的 tokenizer。