KerasHub: 预训练模型
入门指南 开发者指南 API 文档 建模 API 模型架构 分词器 预处理层 建模层 采样器 评估指标 预训练模型列表
► KerasHub: 预训练模型 / API 文档 / 模型架构 / FNet / FNetTextClassifierPreprocessor 层

FNetTextClassifierPreprocessor 层

[源文件]

FNetTextClassifierPreprocessor 类

keras_hub.models.FNetTextClassifierPreprocessor(
    tokenizer, sequence_length=512, truncate="round_robin", **kwargs
)

一个用于对输入进行分词和打包的 FNet 预处理层。

此预处理层将执行以下三项操作：

  1. 使用 tokenizer 对任意数量的输入段进行分词。
  2. 使用 keras_hub.layers.MultiSegmentPacker 将输入打包在一起，并添加适当的 "[CLS]"、"[SEP]" 和 "<pad>" 标记。
  3. 构建一个包含键 "token_ids" 和 "segment_ids" 的字典，该字典可以直接传递给 keras_hub.models.FNetBackbone。

此层可以直接与 tf.data.Dataset.map 一起使用，以按 keras.Model.fit 使用的 (x, y, sample_weight) 格式预处理字符串数据。

参数

  • tokenizer：一个 keras_hub.models.FNetTokenizer 实例。
  • sequence_length：打包输入的长度。
  • truncate：字符串。截断批处理段列表以适应 sequence_length 的算法。值可以是 round_robin 或 waterfall
    • "round_robin"：可用空间以轮询方式一次为一个标记分配给仍然需要标记的输入，直到达到限制。
    • "waterfall"：使用“瀑布”算法分配预算，该算法从左到右分配配额并填满桶，直到预算用尽。它支持任意数量的段。

调用参数

  • x：一个由单个字符串序列组成的张量，或者一个由多个要打包在一起的张量序列组成的元组。输入可以批量或非批量。对于单个序列，原始 Python 输入将转换为张量。对于多个序列，直接传递张量。
  • y：任何标签数据。将原样传递。
  • sample_weight：任何标签权重数据。将原样传递。

示例

直接调用 from_preset()。

preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
    "f_net_base_en"
)

# Tokenize and pack a single sentence.
preprocessor("The quick brown fox jumped.")

# Tokenize and a batch of single sentences.
preprocessor(["The quick brown fox jumped.", "Call me Ishmael."])

# Preprocess a batch of sentence pairs.
# When handling multiple sequences, always convert to tensors first!
first = tf.constant(["The quick brown fox jumped.", "Call me Ishmael."])
second = tf.constant(["The fox tripped.", "Oh look, a whale."])
preprocessor((first, second))

使用 tf.data.Dataset 进行映射。

preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
    "f_net_base_en"
)
first = tf.constant(["The quick brown fox jumped.", "Call me Ishmael."])
second = tf.constant(["The fox tripped.", "Oh look, a whale."])
label = tf.constant([1, 1])

# Map labeled single sentences.
ds = tf.data.Dataset.from_tensor_slices((first, label))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map unlabeled single sentences.
ds = tf.data.Dataset.from_tensor_slices(first)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map labeled sentence pairs.
ds = tf.data.Dataset.from_tensor_slices(((first, second), label))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

# Map unlabeled sentence pairs.
ds = tf.data.Dataset.from_tensor_slices((first, second))

# Watch out for tf.data's default unpacking of tuples here!
# Best to invoke the `preprocessor` directly in this case.
ds = ds.map(
    lambda first, second: preprocessor(x=(first, second)),
    num_parallel_calls=tf.data.AUTOTUNE,
)

[源文件]

from_preset 方法

FNetTextClassifierPreprocessor.from_preset(
    preset, config_file="preprocessor.json", **kwargs
)

从模型预设实例化一个 keras_hub.models.Preprocessor。

预设是一个目录，包含用于保存和加载预训练模型的配置、权重和其他文件资产。preset 可以是以下任一形式：

  1. 内置预设标识符，例如 'bert_base_en'
  2. Kaggle 模型句柄，例如 'kaggle://user/bert/keras/bert_base_en'
  3. Hugging Face 句柄，例如 'hf://user/bert_base_en'
  4. 本地预设目录的路径，例如 './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

  • preset：字符串。内置预设标识符、Kaggle 模型句柄、Hugging Face 句柄或本地目录路径。

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",
)
预设 参数 描述
f_net_base_en 82.86M 保留大小写的 12 层 FNet 模型。在 C4 数据集上训练。
f_net_large_en 236.95M 保留大小写的 24 层 FNet 模型。在 C4 数据集上训练。

tokenizer 属性

keras_hub.models.FNetTextClassifierPreprocessor.tokenizer

用于对字符串进行分词的分词器。

FNetTextClassifierPreprocessor 层
FNetTextClassifierPreprocessor 类
from_preset 方法
tokenizer 属性