► Keras 3 API 文档 / KerasHub / 模型 API / Seq2SeqLMPreprocessor

Seq2SeqLMPreprocessor

`Seq2SeqLMPreprocessor` 类

keras_hub.models.Seq2SeqLMPreprocessor(
    tokenizer, encoder_sequence_length=1024, decoder_sequence_length=1024, **kwargs
)

用于 seq2seq 语言建模预处理层的基类。

Seq2SeqLMPreprocessor 任务包装了一个 keras_hub.tokenizer.Tokenizer 来创建一个用于 seq2seq 语言建模任务的预处理层。它旨在与 keras.models.Seq2SeqLM 任务配对。

所有 Seq2SeqLMPreprocessor 层都接受一个具有键 "encoder_text" 和 "decoder_text" 的字典输入。

此层将始终输出一个 (x, y, sample_weight) 元组，其中 x 是一个包含标记化输入的字典，y 包含 x 中的标记偏移 1，而 sample_weight 标记 y 中包含填充值的位置。x 的确切内容将根据所使用的模型而有所不同。

一个 Seq2SeqLMPreprocessor 包含两个额外的用于生成的方法，generate_preprocess 和 generate_postprocess。请参见下面的示例。

所有 Seq2SeqLMPreprocessor 任务都包含一个 from_preset() 构造函数，该构造函数可用于加载预训练的配置和词汇表。您可以直接在此基类上调用 from_preset() 构造函数，在这种情况下，将自动实例化适合您的模型的类。

示例。

preprocessor = keras_hub.models.Seq2SeqLMPreprocessor.from_preset(
    "bart_base_en",
    encoder_sequence_length=256,
    decoder_sequence_length=256,
)

# Tokenize, mask and pack a single sentence.
x = {
    "encoder_text": "The fox was sleeping.",
    "decoder_text": "The fox was awake.",
}
x, y, sample_weight = preprocessor(x)

# Tokenize and pad/truncate a batch of labeled sentences.
x = {
    "encoder_text": ["The fox was sleeping."],
    "decoder_text": ["The fox was awake."],
x, y, sample_weight = preprocessor(x)

# With a [`tf.data.Dataset`](https://tensorflowcn.cn/api_docs/python/tf/data/Dataset).
ds = tf.data.Dataset.from_tensor_slices(x)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Generate preprocess and postprocess.
x = preprocessor.generate_preprocess(x)  # Tokenized numeric inputs.
x = preprocessor.generate_postprocess(x)  # Detokenized string outputs.

[来源]

`from_preset` 方法

Seq2SeqLMPreprocessor.from_preset(preset, config_file="preprocessor.json", **kwargs)

从模型预设实例化一个 keras_hub.models.Preprocessor。

预设是一个包含用于保存和加载预训练模型的配置、权重和其他文件资产的目录。preset 可以传递为以下之一

内置预设标识符，如 'bert_base_en'
Kaggle 模型句柄，如 'kaggle://user/bert/keras/bert_base_en'
Hugging Face 句柄，如 'hf://user/bert_base_en'
本地预设目录的路径，如 './bert_base_en'

对于任何 Preprocessor 子类，您可以运行 cls.presets.keys() 来列出该类上可用的所有内置预设。

由于通常存在用于给定模型的多个预处理类，因此此方法应在特定子类上调用，如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()。

参数

preset: 字符串。内置预设标识符、Kaggle 模型句柄、Hugging Face 句柄或本地目录的路径。

示例

# 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",
)

预设名称	参数	描述
bart_base_en	139.42M	6 层 BART 模型，保留大小写。在 BookCorpus、英文维基百科和 CommonCrawl 上训练。
bart_large_en	406.29M	12 层 BART 模型，保留大小写。在 BookCorpus、英文维基百科和 CommonCrawl 上训练。
bart_large_en_cnn	406.29M	在 CNN+DM 摘要数据集上微调的 `bart_large_en` 主干模型。

[来源]

`save_to_preset` 方法

Seq2SeqLMPreprocessor.save_to_preset(preset_dir)

将预处理器保存到预设目录。

参数

preset_dir: 本地模型预设目录的路径。

`tokenizer` 属性

keras_hub.models.Seq2SeqLMPreprocessor.tokenizer

用于对字符串进行标记化的分词器。

Seq2SeqLMPreprocessor

Seq2SeqLMPreprocessor 类

from_preset 方法

save_to_preset 方法

tokenizer 属性

Seq2SeqLMPreprocessor