TextClassifierPreprocessor
TextClassifierPreprocessor 类
keras_nlp.models.TextClassifierPreprocessor(
tokenizer, sequence_length=512, truncate="round_robin", **kwargs
)
文本分类预处理层的基类。
TextClassifierPreprocessor 任务包装一个 keras_nlp.tokenizer.Tokenizer，以创建用于文本分类任务的预处理层。它旨在与 keras_nlp.models.TextClassifier 任务配对。
所有 TextClassifierPreprocessor 接收三个有序输入，x、y 和 sample_weight。始终应包含第一个输入 x。它可以是单个字符串、一批字符串或一组应组合成单个序列的字符串片段批次。请参见下面的示例。y 和 sample_weight 是可选输入，将直接传递。通常，y 将是分类标签，而不会提供 sample_weight。
该层将输出 x、如果提供了标签，则为 (x, y) 元组，如果提供了标签和样本权重，则为 (x, y, sample_weight) 元组。x 将是一个包含标记化输入的字典，字典的具体内容将取决于所使用的模型。
所有 TextClassifierPreprocessor 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类。
示例。
preprocessor = keras_nlp.models.TextClassifierPreprocessor.from_preset(
"bert_base_en_uncased",
sequence_length=256, # Optional.
)
# Tokenize and pad/truncate a single sentence.
x = "The quick brown fox jumped."
x = preprocessor(x)
# Tokenize and pad/truncate a labeled sentence.
x, y = "The quick brown fox jumped.", 1
x, y = preprocessor(x, y)
# Tokenize and pad/truncate a batch of labeled sentences.
x, y = ["The quick brown fox jumped.", "Call me Ishmael."], [1, 0]
x, y = preprocessor(x, y)
# Tokenize and combine a batch of labeled sentence pairs.
first = ["The quick brown fox jumped.", "Call me Ishmael."]
second = ["The fox tripped.", "Oh look, a whale."]
labels = [1, 0]
x, y = (first, second), labels
x, y = preprocessor(x, y)
# Use a [`tf.data.Dataset`](https://tensorflowcn.cn/api_docs/python/tf/data/Dataset).
ds = tf.data.Dataset.from_tensor_slices(((first, second), labels))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)
from_preset 方法
TextClassifierPreprocessor.from_preset(preset, **kwargs)
从模型预设实例化一个 keras_nlp.models.Preprocessor。
预设是用于保存和加载预训练模型的配置、权重和其他文件资源的目录。preset 可以作为以下之一传递：
- 内置预设标识符，例如
'bert_base_en' - Kaggle 模型句柄，例如
'kaggle://user/bert/keras/bert_base_en' - Hugging Face 句柄，例如
'hf://user/bert_base_en' - 本地预设目录的路径，例如
'./bert_base_en'
对于任何 Preprocessor 子类，您可以运行 cls.presets.keys() 列出该类上可用的所有内置预设。
由于通常为给定模型提供多个预处理类，因此应在特定子类上调用此方法，例如 keras_nlp.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_nlp.models.GemmaCausalLMPreprocessor.from_preset(
"gemma_2b_en",
)
# Load a preprocessor for Bert classification.
preprocessor = keras_nlp.models.BertTextClassifierPreprocessor.from_preset(
"bert_base_en",
)
save_to_preset 方法
TextClassifierPreprocessor.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_nlp.models.TextClassifierPreprocessor.tokenizer
用于对字符串进行标记化的分词器。