BartBackbone
类keras_hub.models.BartBackbone(
vocabulary_size,
num_layers,
num_heads,
hidden_dim,
intermediate_dim,
dropout=0.1,
max_sequence_length=1024,
dtype=None,
**kwargs
)
BART 编码器-解码器网络。
此类实现了 "BART:用于自然语言生成、翻译和理解的去噪序列到序列预训练" 中描述的基于 Transformer 的编码器-解码器模型。
默认构造函数提供一个完全可定制的、随机初始化的 BART 模型,可配置任意数量的层、头和嵌入维度。要加载预设架构和权重,请使用 from_preset
构造函数。
免责声明:预训练模型按“原样”提供,不附带任何明示或暗示的保证或条件。底层模型由第三方提供,并受此处提供的单独许可证约束,可在此处获取:here。
参数
max_sequence_length
使用序列长度的值。这决定了位置嵌入的变量形状。keras.mixed_precision.DTypePolicy
。用于模型计算和权重的 dtype。请注意,某些计算(如 softmax 和层归一化)将始终以 float32 精度进行,无论 dtype 如何。示例
input_data = {
"encoder_token_ids": np.ones(shape=(1, 12), dtype="int32"),
"encoder_padding_mask": np.array(
[[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0]]
),
"decoder_token_ids": np.ones(shape=(1, 12), dtype="int32"),
"decoder_padding_mask": np.array(
[[1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0]]
),
}
# Pretrained BART encoder.
model = keras_hub.models.BartBackbone.from_preset("bart_base_en")
model(input_data)
# Randomly initialized BART encoder-decoder model with a custom config
model = keras_hub.models.BartBackbone(
vocabulary_size=50265,
num_layers=6,
num_heads=12,
hidden_dim=768,
intermediate_dim=3072,
max_sequence_length=12,
)
output = model(input_data)
from_preset
方法BartBackbone.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
可以是以下之一:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./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,则返回对象的子类将根据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
True
,则会将权重加载到模型架构中。如果为 False
,则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,
)
预设 | 参数 | 描述 |
---|---|---|
bart_base_en | 139.42M | 6层 BART 模型,保留大小写。在 BookCorpus、英语维基百科和 CommonCrawl 上训练。 |
bart_large_en | 406.29M | 12层 BART 模型,保留大小写。在 BookCorpus、英语维基百科和 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。 |
token_embedding
属性keras_hub.models.BartBackbone.token_embedding
用于嵌入令牌 ID 的 keras.layers.Embedding
实例。
此层将整数令牌 ID 嵌入到模型的隐藏维度。