MistralCausalLM 模型

[来源]

MistralCausalLM 类

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

一个用于因果语言建模的端到端 Mistral 模型。

因果语言模型 (LM) 基于之前的令牌预测下一个令牌。这种任务设置可以用于在纯文本输入上无监督地训练模型，或者自动回归地生成与用于训练的数据类似的纯文本。此任务可用于预训练或微调 GPT-NeoX 模型，只需调用 fit() 即可。

此模型具有一个 generate() 方法，该方法根据提示生成文本。所使用的生成策略由 compile() 上的额外 sampler 参数控制。您可以使用不同的 keras_hub.samplers 对象重新编译模型以控制生成。默认情况下，将使用 "top_k" 采样。

参数

• backbone: 一个 keras_hub.models.MistralBackbone 实例。
• preprocessor: 一个 keras_hub.models.MistralCausalLMPreprocessor 或 None。如果为 None，则此模型将不会应用预处理，并且输入应该在调用模型之前进行预处理。

[来源]

from_preset 方法

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

从模型预设实例化一个 keras_hub.models.Task。

预设是一个包含配置、权重和其他文件资产的目录，用于保存和加载预训练模型。preset 可以作为以下之一传递

1. 一个内置的预设标识符，例如 'bert_base_en'
2. 一个 Kaggle Models 句柄，例如 'kaggle://user/bert/keras/bert_base_en'
3. 一个 Hugging Face 句柄，例如 'hf://user/bert_base_en'
4. 一个指向本地预设目录的路径，例如 './bert_base_en'

对于任何 Task 子类，您可以运行 cls.presets.keys() 来列出该类上所有可用的内置预设。

此构造函数可以以两种方式之一调用。从任务特定的基类（如 keras_hub.models.CausalLM.from_preset()）或从模型类（如 keras_hub.models.BertTextClassifier.from_preset()）调用。如果从基类调用，则返回对象的子类将从预设目录中的配置推断出来。

参数

• preset: 字符串。一个内置的预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄，或一个指向本地目录的路径。
• load_weights: 布尔值。如果为 True，则保存的权重将加载到模型架构中。如果为 False，则所有权重将被随机初始化。

示例

# 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,
)

[来源]

generate 方法

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

根据提示 inputs 生成文本。

此方法根据给定的 inputs 生成文本。用于生成的采样方法可以通过 compile() 方法设置。

如果 inputs 是一个 tf.data.Dataset，则输出将“逐批”生成并连接。否则，所有输入将被视为单个批次处理。

如果一个 preprocessor 附加到模型，inputs 将在 generate() 函数内部进行预处理，并且应该与 preprocessor 层（通常是原始字符串）期望的结构相匹配。如果未附加 preprocessor，则输入应该与 backbone 期望的结构相匹配。有关每种方法的演示，请参见上面的示例用法。

参数

• inputs: python 数据、张量数据或 tf.data.Dataset。如果一个 preprocessor 附加到模型，inputs 应该与 preprocessor 层期望的结构相匹配。如果未附加 preprocessor，inputs 应该与 backbone 模型期望的结构相匹配。
• max_length: 可选。int。生成的序列的最大长度。将默认为 preprocessor 的最大配置 sequence_length。如果 preprocessor 为 None，则 inputs 应填充到所需的长度，并且此参数将被忽略。
• stop_token_ids: 可选。None、"auto" 或令牌 ID 元组。默认为 "auto"，它使用 preprocessor.tokenizer.end_token_id。未指定处理器将产生错误。None 在生成 max_length 个令牌后停止生成。您也可以指定模型应该停止的令牌 ID 列表。请注意，每个令牌序列都将被解释为一个停止令牌，不支持多令牌停止序列。

backbone 属性

keras_hub.models.MistralCausalLM.backbone

一个具有核心架构的 keras_hub.models.Backbone 模型。

preprocessor 属性

keras_hub.models.MistralCausalLM.preprocessor

一个用于预处理输入的 keras_hub.models.Preprocessor 层。