DebertaV3Backbone
类keras_hub.models.DebertaV3Backbone(
vocabulary_size,
num_layers,
num_heads,
hidden_dim,
intermediate_dim,
dropout=0.1,
max_sequence_length=512,
bucket_size=256,
dtype=None,
**kwargs
)
DeBERTa 编码器网络。
该网络实现了“DeBERTaV3: Using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing”中所述的双向基于 Transformer 的编码器。它包括嵌入查找和 Transformer 层,但不包括预训练期间使用的增强型掩码解码头。
默认构造函数提供了一个完全可定制的、随机初始化的 DeBERTa 编码器,具有任意数量的层、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。
注意:DebertaV3Backbone
在 TPU 上存在性能问题,我们建议在 TPU 训练和推理中使用其他模型。
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,并受单独的许可协议约束,可在此处获取:https://github.com/microsoft/DeBERTa。
参数
max_sequence_length
。max_sequence_length // 2
。keras.mixed_precision.DTypePolicy
。用于模型计算和权重的 dtype。请注意,某些计算(例如 softmax 和层归一化)将始终以 float32 精度完成,无论 dtype 如何。示例
input_data = {
"token_ids": np.ones(shape=(1, 12), dtype="int32"),
"padding_mask": np.array([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0]]),
}
# Pretrained DeBERTa encoder.
model = keras_hub.models.DebertaV3Backbone.from_preset(
"deberta_v3_base_en",
)
model(input_data)
# Randomly initialized DeBERTa encoder with custom config
model = keras_hub.models.DebertaV3Backbone(
vocabulary_size=128100,
num_layers=12,
num_heads=6,
hidden_dim=384,
intermediate_dim=1536,
max_sequence_length=512,
bucket_size=256,
)
# Call the model on the input data.
model(input_data)
from_preset
方法DebertaV3Backbone.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:
'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。可以像 keras_hub.models.Backbone.from_preset()
一样从基类调用,也可以像 keras_hub.models.GemmaBackbone.from_preset()
一样从模型类调用。如果从基类调用,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
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 |
---|---|---|
deberta_v3_extra_small_en | 70.68M | 12 层 DeBERTaV3 模型,大小写保持不变。在英文维基百科、BookCorpus 和 OpenWebText 上训练。 |
deberta_v3_small_en | 141.30M | 6 层 DeBERTaV3 模型,大小写保持不变。在英文维基百科、BookCorpus 和 OpenWebText 上训练。 |
deberta_v3_base_en | 183.83M | 12 层 DeBERTaV3 模型,大小写保持不变。在英文维基百科、BookCorpus 和 OpenWebText 上训练。 |
deberta_v3_base_multi | 278.22M | 12 层 DeBERTaV3 模型,大小写保持不变。在 2.5TB 多语言 CC100 数据集上训练。 |
deberta_v3_large_en | 434.01M | 24 层 DeBERTaV3 模型,大小写保持不变。在英文维基百科、BookCorpus 和 OpenWebText 上训练。 |
token_embedding
属性keras_hub.models.DebertaV3Backbone.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。