► KerasHub：预训练模型 / API 文档 / 建模 API / Seq2SeqLMPreprocessor

Seq2SeqLMPreprocessor

`Seq2SeqLMPreprocessor` 类

keras_hub.models.Seq2SeqLMPreprocessor(
    tokenizer, encoder_sequence_length=1024, decoder_sequence_length=1024, **kwargs
)

seq2seq 语言建模预处理层的基类。

Seq2SeqLMPreprocessor 任务包装了一个 keras_hub.tokenizer.Tokenizer，用于创建 seq2seq 语言建模任务的预处理层。它打算与 keras.models.Seq2SeqLM 任务配对使用。

所有 Seq2SeqLMPreprocessor 层都接受一个字典输入，其键为 "encoder_text" 和 "decoder_text"。

此层将始终输出一个 (x, y, sample_weight) 元组，其中 x 是一个包含分词后输入的字典，y 包含 x 中偏移 1 的分词，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。

Seq2SeqLMPreprocessor 包含两个额外的函数，generate_preprocess 和 generate_postprocess，用于生成。请参阅下面的示例。

所有 Seq2SeqLMPreprocessor 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.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.

[源代码]

`from_preset` 方法

Seq2SeqLMPreprocessor.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：

一个内置的预设标识符，如 'bert_base_en'
一个 Kaggle Models 句柄，如 'kaggle://user/bert/keras/bert_base_en'
一个 Hugging Face 句柄，如 'hf://user/bert_base_en'
一个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。

由于一个给定模型通常有多个预处理类，因此应在特定的子类上调用此方法，例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()。

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。

示例

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

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

预设	参数	描述
bart_base_en	139.42M	6 层 BART 模型，大小写保持不变。在 BookCorpus、英文维基百科和 CommonCrawl 上训练。
bart_large_en	406.29M	12 层 BART 模型，大小写保持不变。在 BookCorpus、英文维基百科和 CommonCrawl 上训练。
bart_large_en_cnn	406.29M	在 CNN+DM 摘要数据集上微调的 `bart_large_en` 骨干模型。
moonshine_tiny_en	27.09M	用于英语语音识别的 Moonshine tiny 模型。由 Useful Sensors 开发，用于实时转录。
moonshine_base_en	61.51M	用于英语语音识别的 Moonshine base 模型。由 Useful Sensors 开发，用于实时转录。
t5gemma_s_s_ul2	312.52M	T5Gemma S/S 模型，具有小型编码器和小型解码器，被适配为 UL2 模型。
t5gemma_s_s_prefixlm	312.52M	T5Gemma S/S 模型，具有小型编码器和小型解码器，被适配为前缀语言模型。
t5gemma_s_s_ul2_it	312.52M	T5Gemma S/S 模型，具有小型编码器和小型解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_s_s_prefixlm_it	312.52M	T5Gemma S/S 模型，具有小型编码器和小型解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_b_b_ul2	591.49M	T5Gemma B/B 模型，具有基础编码器和基础解码器，被适配为 UL2 模型。
t5gemma_b_b_prefixlm	591.49M	T5Gemma B/B 模型，具有基础编码器和基础解码器，被适配为前缀语言模型。
t5gemma_b_b_ul2_it	591.49M	T5Gemma B/B 模型，具有基础编码器和基础解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_b_b_prefixlm_it	591.49M	T5Gemma B/B 模型，具有基础编码器和基础解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_l_l_ul2	1.24B	T5Gemma L/L 模型，具有大型编码器和大型解码器，被适配为 UL2 模型。
t5gemma_l_l_prefixlm	1.24B	T5Gemma L/L 模型，具有大型编码器和大型解码器，被适配为前缀语言模型。
t5gemma_l_l_ul2_it	1.24B	T5Gemma L/L 模型，具有大型编码器和大型解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_l_l_prefixlm_it	1.24B	T5Gemma L/L 模型，具有大型编码器和大型解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_ml_ml_ul2	2.20B	T5Gemma ML/ML 模型，具有中大型编码器和中大型解码器，被适配为 UL2 模型。
t5gemma_ml_ml_prefixlm	2.20B	T5Gemma ML/ML 模型，具有中大型编码器和中大型解码器，被适配为前缀语言模型。
t5gemma_ml_ml_ul2_it	2.20B	T5Gemma ML/ML 模型，具有中大型编码器和中大型解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_ml_ml_prefixlm_it	2.20B	T5Gemma ML/ML 模型，具有中大型编码器和中大型解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_xl_xl_ul2	3.77B	T5Gemma XL/XL 模型，具有超大型编码器和超大型解码器，被适配为 UL2 模型。
t5gemma_xl_xl_prefixlm	3.77B	T5Gemma XL/XL 模型，具有超大型编码器和超大型解码器，被适配为前缀语言模型。
t5gemma_xl_xl_ul2_it	3.77B	T5Gemma XL/XL 模型，具有超大型编码器和超大型解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_xl_xl_prefixlm_it	3.77B	T5Gemma XL/XL 模型，具有超大型编码器和超大型解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_2b_2b_ul2	5.60B	T5Gemma 2B/2B 模型，具有 20 亿参数的编码器和 20 亿参数的解码器，被适配为 UL2 模型。
t5gemma_2b_2b_prefixlm	5.60B	T5Gemma 2B/2B 模型，具有 20 亿参数的编码器和 20 亿参数的解码器，被适配为前缀语言模型。
t5gemma_2b_2b_ul2_it	5.60B	T5Gemma 2B/2B 模型，具有 20 亿参数的编码器和 20 亿参数的解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_2b_2b_prefixlm_it	5.60B	T5Gemma 2B/2B 模型，具有 20 亿参数的编码器和 20 亿参数的解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_9b_2b_ul2	12.29B	T5Gemma 9B/2B 模型，具有 90 亿参数的编码器和 20 亿参数的解码器，被适配为 UL2 模型。
t5gemma_9b_2b_prefixlm	12.29B	T5Gemma 9B/2B 模型，具有 90 亿参数的编码器和 20 亿参数的解码器，被适配为前缀语言模型。
t5gemma_9b_2b_ul2_it	12.29B	T5Gemma 9B/2B 模型，具有 90 亿参数的编码器和 20 亿参数的解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_9b_2b_prefixlm_it	12.29B	T5Gemma 9B/2B 模型，具有 90 亿参数的编码器和 20 亿参数的解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_9b_9b_ul2	20.33B	T5Gemma 9B/9B 模型，具有 90 亿参数的编码器和 90 亿参数的解码器，被适配为 UL2 模型。
t5gemma_9b_9b_prefixlm	20.33B	T5Gemma 9B/9B 模型，具有 90 亿参数的编码器和 90 亿参数的解码器，被适配为前缀语言模型。
t5gemma_9b_9b_ul2_it	20.33B	T5Gemma 9B/9B 模型，具有 90 亿参数的编码器和 90 亿参数的解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_9b_9b_prefixlm_it	20.33B	T5Gemma 9B/9B 模型，具有 90 亿参数的编码器和 90 亿参数的解码器，被适配为前缀语言模型，并进行了指令遵循微调。

[源代码]

`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：本地模型预设目录的路径。

`tokenizer` 属性

keras_hub.models.Seq2SeqLMPreprocessor.tokenizer

用于对字符串进行分词的分词器。

Seq2SeqLMPreprocessor

Seq2SeqLMPreprocessor 类

from_preset 方法

save_to_preset 方法

tokenizer 属性

Seq2SeqLMPreprocessor