GemmaCausalLMPreprocessor 类keras_hub.models.GemmaCausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
Gemma Causal LM 预处理器。
此预处理层旨在与 keras_hub.models.GemmaCausalLM 一起使用。默认情况下，它将接收成批的字符串输入，并以 (x, y, sample_weight) 格式返回输出，其中 y 标签是 x 序列中的下一个 token ID。
为了用于生成，该层还暴露了两个方法 generate_preprocess() 和 generate_postprocess()。当此预处理器附加到 keras_hub.models.GemmaCausalLM 实例时，这些方法将在 generate() 中隐式调用。它们也可以独立调用（例如，在单独的进程中预先计算用于生成的预处理输入）。
参数
keras_hub.models.GemmaTokenizer 实例。True，预处理器会将分词器起始 token 前置到每个输入序列。True，预处理器会将分词器结束 token 附加到每个输入序列。调用参数
tf.Tensor 或 Python 字符串列表。None，因为该层会生成标签。None，因为该层会生成标签权重。sequence_length。示例
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.GemmaCausalLMPreprocessor.from_preset(
"gemma_2b_en"
)
# Tokenize and pack a single sentence.
preprocessor("The quick brown fox jumped.")
# Tokenize a batch of sentences.
preprocessor(["The quick brown fox jumped.", "Call me Ishmael."])
# Apply tokenization to a [`tf.data.Dataset`](https://tensorflowcn.cn/api_docs/python/tf/data/Dataset).
features = tf.constant(["The quick brown fox.", "Call me Ishmael."])
ds = tf.data.Dataset.from_tensor_slices(features)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)
# Prepare tokens for generation (no end token).
preprocessor.generate_preprocess(["The quick brown fox jumped."])
# Map generation outputs back to strings.
preprocessor.generate_postprocess({
'token_ids': np.array([[2, 714, 4320, 8426, 25341, 32292, 235265, 0]]),
'padding_mask': np.array([[ 1, 1, 1, 1, 1, 1, 1, 0]]),
})
from_preset 方法GemmaCausalLMPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
从模型预设实例化一个 keras_hub.models.Preprocessor。
预设是用于保存和加载预训练模型的配置、权重和其他文件资产的目录。preset 可以按以下方式之一传递：
'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 | 大小 | 描述 |
|---|---|---|
| gemma_2b_en | 2.51B | 20 亿参数、18 层的基础 Gemma 模型。 |
| gemma_instruct_2b_en | 2.51B | 20 亿参数、18 层的指令微调 Gemma 模型。 |
| gemma_1.1_instruct_2b_en | 2.51B | 20 亿参数、18 层的指令微调 Gemma 模型。1.1 版本更新提升了模型质量。 |
| code_gemma_1.1_2b_en | 2.51B | 20 亿参数、18 层的 CodeGemma 模型。该模型针对代码补全的 Fill-in-the-Middle (FIM) 任务进行了训练。1.1 版本更新提升了模型质量。 |
| code_gemma_2b_en | 2.51B | 20 亿参数、18 层的 CodeGemma 模型。该模型针对代码补全的 Fill-in-the-Middle (FIM) 任务进行了训练。 |
| gemma2_2b_en | 2.61B | 20 亿参数、26 层的基础 Gemma 模型。 |
| gemma2_instruct_2b_en | 2.61B | 20 亿参数、26 层的指令微调 Gemma 模型。 |
| shieldgemma_2b_en | 2.61B | 20 亿参数、26 层的 ShieldGemma 模型。 |
| gemma_7b_en | 8.54B | 70 亿参数、28 层的基础 Gemma 模型。 |
| gemma_instruct_7b_en | 8.54B | 70 亿参数、28 层的指令微调 Gemma 模型。 |
| gemma_1.1_instruct_7b_en | 8.54B | 70 亿参数、28 层的指令微调 Gemma 模型。1.1 版本更新提升了模型质量。 |
| code_gemma_7b_en | 8.54B | 70 亿参数、28 层的 CodeGemma 模型。该模型针对代码补全的 Fill-in-the-Middle (FIM) 任务进行了训练。 |
| code_gemma_instruct_7b_en | 8.54B | 70 亿参数、28 层的指令微调 CodeGemma 模型。该模型已针对与代码相关的聊天用例进行训练。 |
| code_gemma_1.1_instruct_7b_en | 8.54B | 70 亿参数、28 层的指令微调 CodeGemma 模型。该模型已针对与代码相关的聊天用例进行训练。1.1 版本更新提升了模型质量。 |
| gemma2_9b_en | 9.24B | 90 亿参数、42 层的基础 Gemma 模型。 |
| gemma2_instruct_9b_en | 9.24B | 90 亿参数、42 层的指令微调 Gemma 模型。 |
| shieldgemma_9b_en | 9.24B | 90 亿参数、42 层的 ShieldGemma 模型。 |
| gemma2_27b_en | 27.23B | 270 亿参数、42 层的基础 Gemma 模型。 |
| gemma2_instruct_27b_en | 27.23B | 270 亿参数、42 层的指令微调 Gemma 模型。 |
| shieldgemma_27b_en | 27.23B | 270 亿参数、42 层的 ShieldGemma 模型。 |
tokenizer 属性keras_hub.models.GemmaCausalLMPreprocessor.tokenizer
用于分词字符串的分词器。