PaliGemmaCausalLMPreprocessor 层
PaliGemmaCausalLMPreprocessor 类
keras_hub.models.PaliGemmaCausalLMPreprocessor(
tokenizer,
image_converter=None,
sequence_length=1024,
add_start_token=True,
add_end_token=True,
**kwargs
)
因果语言建模预处理层的基类。
CausalLMPreprocessor 任务包装了一个 keras_hub.tokenizer.Tokenizer，以创建一个用于因果语言建模任务的预处理层。它旨在与 keras.models.CausalLM 任务配对使用。
所有 CausalLMPreprocessor 都接受单个输入。这可以是单个字符串或一批字符串。请参见下面的示例。这些输入将被分词并填充/截断到固定的序列长度。
此层将始终输出一个 (x, y, sample_weight) 元组，其中 x 是包含分词化输入的字典，y 包含来自 x 的偏移 1 的标记，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 CausalLMPreprocessor 包含两个额外的函数，generate_preprocess 和 generate_postprocess，用于生成。请参见下面的示例。
所有 CausalLMPreprocessor 任务都包含一个 from_preset() 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模型的正确类。
示例。
preprocessor = keras_hub.models.CausalLMPreprocessor.from_preset(
"bert_base_en_uncased",
sequence_length=256, # Optional.
)
# Tokenize, mask and pack a single sentence.
x = "The quick brown fox jumped."
x, y, sample_weight = preprocessor(x)
# Tokenize and pad/truncate a batch of labeled sentences.
x = ["The quick brown fox jumped.", "Call me Ishmael."]
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.
from_preset 函数
PaliGemmaCausalLMPreprocessor.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 可以作为以下之一传递：
- 一个内置的预设标识符，如
'bert_base_en' - 一个 Kaggle 模型句柄，如
'kaggle://user/bert/keras/bert_base_en' - 一个 Hugging Face 句柄，如
'hf://user/bert_base_en' - 一个指向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() 以列出该类上所有可用的内置预设。
由于通常给定模型有多个预处理类，因此应在特定子类（如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()）上调用此函数。
参数
- preset：字符串。内置的预设标识符、Kaggle 模型句柄、Hugging Face 句柄或指向本地目录的路径。
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 |
|---|---|---|
| pali_gemma_3b_mix_224 | 2.92B | 图像大小 224，混合微调，文本序列长度为 256 |
| pali_gemma_3b_mix_448 | 2.92B | 图像大小 448，混合微调，文本序列长度为 512 |
| pali_gemma_3b_224 | 2.92B | 图像大小 224，预训练，文本序列长度为 128 |
| pali_gemma_3b_448 | 2.92B | 图像大小 448，预训练，文本序列长度为 512 |
| pali_gemma_3b_896 | 2.93B | 图像大小 896，预训练，文本序列长度为 512 |
tokenizer 属性
keras_hub.models.PaliGemmaCausalLMPreprocessor.tokenizer
用于分词字符串的分词器。