WhisperBackbone 模型

[原始碼]

WhisperBackbone 類別

keras_hub.models.WhisperBackbone(
    vocabulary_size,
    num_layers,
    num_heads,
    hidden_dim,
    intermediate_dim,
    num_mels=80,
    dropout=0.0,
    max_encoder_sequence_length=3000,
    max_decoder_sequence_length=448,
    dtype=None,
    **kwargs
)

用於語音的 Whisper 編碼器-解碼器網路。

此類別實作基於 Transformer 的編碼器-解碼器模型，如 "Robust Speech Recognition via Large-Scale Weak Supervision" 中所述。 它包括嵌入查找和 Transformer 層，但不包括用於預測下一個 Token 的 head。

預設建構子提供一個完全可自訂、隨機初始化的 Whisper 模型，具有任意數量的層、head 和嵌入維度。 若要載入預設架構和權重，請使用 from_preset() 建構子。

免責聲明：預訓練模型以「現狀」為基礎提供，不提供任何形式的保證或條件。 底層模型由第三方提供，並受獨立授權條款約束，詳情請見 此處。

引數

• vocabulary_size: int。 Token 詞彙表的大小。
• num_layers: int。 Transformer 編碼器層和 Transformer 解碼器層的數量。
• num_heads: int。 每個 Transformer 的注意力 head 數量。 隱藏層大小必須可被注意力 head 數量整除。
• hidden_dim: int。 Transformer 編碼和 pooler 層的大小。
• intermediate_dim: int。 每個 Transformer 的雙層前饋網路中，第一個 Dense 層的輸出維度。
• num_mels: int。 mel 頻率濾波器的數量。 預設值為 80。
• dropout: float。 Transformer 編碼器的 Dropout 機率。
• max_encoder_sequence_length: int。 音訊編碼器可以消耗的最大序列長度。 由於編碼器中的第二個卷積層將序列長度減半（步幅為 2），因此我們使用 max_encoder_sequence_length // 2 作為位置嵌入層的序列長度。
• max_decoder_sequence_length: int。 文字解碼器可以消耗的最大序列長度。
• dtype: 字串或 keras.mixed_precision.DTypePolicy。 用於模型計算和權重的 dtype。 請注意，某些計算（例如 softmax 和層歸一化）將始終以 float32 精度完成，而與 dtype 無關。

範例

input_data = {
    "encoder_features": np.ones(shape=(1, 12, 80), dtype="int32"),
    "decoder_token_ids": np.ones(shape=(1, 12), dtype="int32"),
    "decoder_padding_mask": np.array(
        [[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0]]
    ),
}

# Randomly initialized Whisper encoder-decoder model with a custom config.
model = keras_hub.models.WhisperBackbone(
    vocabulary_size=51864,
    num_layers=4,
    num_heads=4,
    hidden_dim=256,
    intermediate_dim=512,
    max_encoder_sequence_length=128,
    max_decoder_sequence_length=128,
)
model(input_data)

[原始碼]

from_preset 方法

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

從模型預設實例化 keras_hub.models.Backbone。

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 可以作為以下其中一種傳遞

1. 內建預設識別符，例如 'bert_base_en'
2. Kaggle Models handle，例如 'kaggle://user/bert/keras/bert_base_en'
3. Hugging Face handle，例如 'hf://user/bert_base_en'
4. 本機預設目錄的路徑，例如 './bert_base_en'

此建構子可以透過兩種方式調用。 可以從基底類別調用，例如 keras_hub.models.Backbone.from_preset()，或從模型類別調用，例如 keras_hub.models.GemmaBackbone.from_preset()。 如果從基底類別調用，則傳回物件的子類別將從預設目錄中的組態推斷。

對於任何 Backbone 子類別，您可以執行 cls.presets.keys() 以列出類別上可用的所有內建預設。

引數

• preset: 字串。 內建預設識別符、Kaggle Models handle、Hugging Face handle 或本機目錄的路徑。
• load_weights: bool。 如果為 True，權重將載入到模型架構中。 如果為 False，權重將隨機初始化。

範例

# Load a Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
    "gemma_2b_en",
)

# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
    "bert_base_en",
    load_weights=False,
)