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

Seq2SeqLMPreprocessor

`Seq2SeqLMPreprocessor` 类

keras_nlp.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 任务包装一个 keras_nlp.tokenizer.Tokenizer 以创建一个用于 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 层都接受一个包含键 "encoder_text" 和 "decoder_text" 的字典输入。

此层始终输出一个 (x, y, sample_weight) 元组，其中 x 是一个包含已分词输入的字典，y 包含来自 x 的偏移量为 1 的标记，而 sample_weight 标记 y 包含填充值的位置。x 的确切内容将根据所用模型而异。

Seq2SeqLMPreprocessor 包含两个额外方法，generate_preprocess 和 generate_postprocess，用于生成。请参见下面的示例。

所有 Seq2SeqLMPreprocessor 任务都包括一个 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，适合您模型的正确类将自动实例化。

示例。

preprocessor = keras_nlp.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, **kwargs)

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

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：

一个内置预设标识符，如 'bert_base_en'
一个 Kaggle Models 处理程序，如 'kaggle://user/bert/keras/bert_base_en'
一个 Hugging Face 处理程序，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() 来列出该类上所有可用的内置预设。

由于通常存在多个用于给定模型的预处理类，因此此方法应该在特定子类上调用，例如 keras_nlp.models.BertTextClassifierPreprocessor.from_preset()。

参数

preset: 字符串。一个内置预设标识符、一个 Kaggle Models 处理程序、一个 Hugging Face 处理程序或指向本地目录的路径。

示例

# Load a preprocessor for Gemma generation.
preprocessor = keras_nlp.models.GemmaCausalLMPreprocessor.from_preset(
    "gemma_2b_en",
)

# Load a preprocessor for Bert classification.
preprocessor = keras_nlp.models.BertTextClassifierPreprocessor.from_preset(
    "bert_base_en",
)

[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: 指向本地模型预设目录的路径。

`tokenizer` 属性

keras_nlp.models.Seq2SeqLMPreprocessor.tokenizer

用于分词字符串的分词器。

Seq2SeqLMPreprocessor

Seq2SeqLMPreprocessor 类

from_preset 方法

save_to_preset 方法

tokenizer 属性

Seq2SeqLMPreprocessor