骨干网络

[源代码]

Backbone

keras_hub.models.Backbone(*args, dtype=None, **kwargs)

所有 Backbone 模型的基础类。

Backbone 是给定 NLP 模型的基本架构。与 keras_hub.models.Task 不同,Backbone 不针对任何特定的损失函数和训练设置。Backbone 通常在任何输出预测之前输出架构的最后一个隐藏状态。

Backbone 可以通过两种方式使用

  1. 通过 Task 类,它将包装并扩展 Backbone,使其可以与高级 Keras 函数(如 fit()predict()evaluate())一起使用。Task 类的构建考虑了特定的训练目标(例如分类或语言建模)。
  2. 直接通过扩展底层功能模型,添加额外的输出和训练设置。这是最灵活的方法,可以允许任何输出、损失或自定义训练循环。

所有骨干网络都包含一个 from_preset() 构造函数,可用于加载预训练配置和权重。

示例

# Load a BERT backbone with pre-trained weights.
backbone = keras_hub.models.Backbone.from_preset(
    "bert_base_en",
)
# Load a GPT2 backbone with pre-trained weights at bfloat16 precision.
backbone = keras_hub.models.Backbone.from_preset(
    "gpt2_base_en",
    dtype="bfloat16",
    trainable=False,
)

[源代码]

from_preset 方法

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

从模型预设实例化一个 keras_hub.models.Backbone

预设是一个包含配置、权重和其他文件资源的目录,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,如 'bert_base_en'
  2. 一个 Kaggle Models 句柄,如 'kaggle://user/bert/keras/bert_base_en'
  3. 一个 Hugging Face 句柄,如 'hf://user/bert_base_en'
  4. 一个本地预设目录的路径,如 './bert_base_en'

此构造函数可以通过两种方式调用。可以从基类调用,例如 keras_hub.models.Backbone.from_preset(),也可以从模型类调用,例如 keras_hub.models.GemmaBackbone.from_preset()。如果从基类调用,返回对象的子类将从预设目录中的配置推断。

对于任何 Backbone 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。

参数

  • preset:字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。
  • load_weights:布尔值。如果为 `True`,权重将被加载到模型架构中。如果为 `False`,权重将被随机初始化。

示例

# Load a Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
    "gemma_2b_en",
)

# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
    "bert_base_en",
    load_weights=False,
)

token_embedding 属性

keras_hub.models.Backbone.token_embedding

一个用于嵌入词元 ID 的 keras.layers.Embedding 实例。

该层将整数词元 ID 嵌入到模型的隐藏维度。


[源代码]

enable_lora 方法

Backbone.enable_lora(rank, target_names=None)

在骨干网络上启用 LoRA。

调用此方法将冻结骨干网络上的所有权重,同时在注意力层的查询和值 EinsumDense 层上启用 LoRA。


[源代码]

save_lora_weights 方法

Backbone.save_lora_weights(filepath)

[源代码]

load_lora_weights 方法

Backbone.load_lora_weights(filepath)

[源代码]

save_to_preset 方法

Backbone.save_to_preset(preset_dir, max_shard_size=10)

将骨干网络保存到预设目录。

参数

  • preset_dir:本地模型预设目录的路径。
  • max_shard_sizeintfloat。每个分片文件的最大大小(以 GB 为单位)。如果为 None,则不进行分片。默认为 10