DistilBertBackbone
类keras_hub.models.DistilBertBackbone(
vocabulary_size,
num_layers,
num_heads,
hidden_dim,
intermediate_dim,
dropout=0.1,
max_sequence_length=512,
dtype=None,
**kwargs
)
一个 DistilBERT 编码器网络。
该网络实现了 “DistilBERT,BERT 的一个精简版本:更小、更快、更便宜、更轻量” 中描述的双向基于 Transformer 的编码器。它包括嵌入查找和 Transformer 层,但不包括掩码语言模型或分类任务网络。
默认构造函数提供了一个完全可定制的、随机初始化的 DistilBERT 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。
免责声明:预训练模型按“原样”提供,不附带任何形式的保证或条件。底层模型由第三方提供,并受单独许可协议的约束,该协议可在此处查看。
参数
max_sequence_length
使用序列长度的值。这决定了位置嵌入的可变形状。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 DistilBERT encoder.
model = keras_hub.models.DistilBertBackbone.from_preset(
"distil_bert_base_en_uncased"
)
model(input_data)
# Randomly initialized DistilBERT encoder with custom config.
model = keras_hub.models.DistilBertBackbone(
vocabulary_size=30552,
num_layers=4,
num_heads=4,
hidden_dim=256,
intermediate_dim=512,
max_sequence_length=128,
)
model(input_data)
from_preset
方法DistilBertBackbone.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。可以从基类调用,如 keras_hub.models.Backbone.from_preset()
,也可以从模型类调用,如 keras_hub.models.GemmaBackbone.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。
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 |
---|---|---|
distil_bert_base_en | 65.19M | 6 层 DistilBERT 模型,大小写保持不变。使用 BERT 作为教师模型,在英文维基百科 + BooksCorpus 上训练。 |
distil_bert_base_en_uncased | 66.36M | 6 层 DistilBERT 模型,所有输入均小写。使用 BERT 作为教师模型,在英文维基百科 + BooksCorpus 上训练。 |
distil_bert_base_multi | 134.73M | 6 层 DistilBERT 模型,大小写保持不变。在 104 种语言的维基百科上训练。 |
token_embedding
属性keras_hub.models.DistilBertBackbone.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。