CLIPPreprocessor
类keras_hub.models.CLIPPreprocessor(
tokenizer,
sequence_length=77,
add_start_token=True,
add_end_token=True,
to_lower=True,
**kwargs
)
CLIP 预处理层,用于对输入进行分词和打包。
此预处理层将执行两项操作
tokenizer
对输入进行分词。"token_ids"
、"padding_mask"
的字典。此层可以直接与 tf.data.Dataset.map
一起使用,以预处理 keras.Model.fit
所使用的 (x, y, sample_weight)
格式的字符串数据。
此层的调用方法接受三个参数:x
、y
和 sample_weight
。x
可以是表示单个段的 Python 字符串或张量,表示一批单个段的 Python 字符串列表,或者表示要打包在一起的多个段的张量列表。y
和 sample_weight
都是可选的,可以采用任何格式,并将原样传递。
CLIPPreprocessor
强制输入只有一个段,因为 CLIP 主要用于生成任务。对于具有多段输入的任务(例如 "glue/mnli"),请使用专为分类设计的模型,例如 BERT 或 RoBERTa。
参数
keras_hub.models.CLIPTokenizer
实例。True
,预处理器会将分词器的起始 token 前置到每个输入序列。True
,预处理器会将分词器的结束 token 追加到每个输入序列。调用参数
tf.Tensor
或 Python 字符串列表。sequence_length
。from_preset
方法CLIPPreprocessor.from_preset(preset, config_file="preprocessor.json", **kwargs)
从模型预设实例化一个 keras_hub.models.Preprocessor
。
预设是用于保存和加载预训练模型的配置、权重和其他文件资产的目录。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'
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。
由于给定模型通常有多个预处理类,因此应在特定子类上调用此方法,例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()
。
参数
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",
)
tokenizer
属性keras_hub.models.CLIPPreprocessor.tokenizer
用于对字符串进行分词的分词器。