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:
tokenizer
对任意数量的输入段进行分词。keras_hub.layers.MultiSegmentPacker
将输入打包在一起,并添加适当的 "[CLS]"
、"[SEP]"
和 "<pad>"
标记。"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
keras_hub.models.FNetTokenizer
实例。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
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,
)
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:
'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",
)
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。