CLIPTokenizer
类keras_hub.tokenizers.CLIPTokenizer(
vocabulary=None, merges=None, pad_with_end_token=False, **kwargs
)
使用字节对编码(Byte-Pair Encoding)子词分割的 CLIP 分词器。
此分词器类会将原始字符串分词为整数序列,并基于 keras_hub.tokenizers.BytePairTokenizer
。与底层分词器不同的是,它将检查 CLIP 模型所需的所有特殊 token,并提供了一个 from_preset()
方法,用于自动下载与 CLIP 预设相匹配的词汇表。
如果输入是字符串批次(rank > 0),层将输出一个 tf.RaggedTensor
,其输出的最后一个维度是不规则的。
如果输入是标量字符串(rank == 0),层将输出一个密集(dense)的 tf.Tensor
,静态形状为 [None]
。
参数
end_token
填充输出。示例
# Unbatched input.
tokenizer = keras_hub.models.CLIPTokenizer.from_preset(
"clip_vit_base_patch32"
)
tokenizer("The quick brown fox jumped.")
# Batched input.
tokenizer(["The quick brown fox jumped.", "The fox slept."])
# Detokenization.
tokenizer.detokenize(tokenizer("The quick brown fox jumped."))
from_preset
方法CLIPTokenizer.from_preset(preset, config_file="tokenizer.json", **kwargs)
从模型预设实例化一个 keras_hub.models.Tokenizer
。
预设是包含配置、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
可以按以下任一方式传入:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
对于任何 Tokenizer
子类,您可以运行 cls.presets.keys()
以列出该类上所有可用的内置预设。
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.Tokenizer.from_preset()
,或从模型类调用,例如 keras_hub.models.GemmaTokenizer.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得出。
参数
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 preset tokenizer.
tokenizer = keras_hub.tokenizer.Tokenizer.from_preset("bert_base_en")
# Tokenize some input.
tokenizer("The quick brown fox tripped.")
# Detokenize some input.
tokenizer.detokenize([5, 6, 7, 8, 9])
预设 | 参数 | 描述 |
---|---|---|
clip_vit_base_patch16 | 149.62M | 1.5亿参数,视觉部分12层,文本部分12层,patch 大小为 16 的 CLIP 模型。 |
clip_vit_base_patch32 | 151.28M | 1.51亿参数,视觉部分12层,文本部分12层,patch 大小为 32 的 CLIP 模型。 |
clip_vit_b_32_laion2b_s34b_b79k | 151.28M | 1.51亿参数,视觉部分12层,文本部分12层,patch 大小为 32 的 Open CLIP 模型。 |
clip_vit_large_patch14 | 427.62M | 4.28亿参数,视觉部分24层,文本部分12层,patch 大小为 14 的 CLIP 模型。 |
clip_vit_large_patch14_336 | 427.94M | 4.28亿参数,视觉部分24层,文本部分12层,patch 大小为 14,图像尺寸为 336 的 CLIP 模型。 |
clip_vit_h_14_laion2b_s32b_b79k | 986.11M | 9.86亿参数,视觉部分32层,文本部分24层,patch 大小为 14 的 Open CLIP 模型。 |
clip_vit_g_14_laion2b_s12b_b42k | 1.37B | 14亿参数,视觉部分40层,文本部分24层,patch 大小为 14 的 Open CLIP 模型。 |
clip_vit_bigg_14_laion2b_39b_b160k | 2.54B | 25亿参数,视觉部分48层,文本部分32层,patch 大小为 14 的 Open CLIP 模型。 |