► KerasHub: 预训练模型 / API文档 / 模型架构 / Gemma3 / Gemma3CausalLMPreprocessor 层

Gemma3CausalLMPreprocessor 层

`Gemma3CausalLMPreprocessor` 类

keras_hub.models.Gemma3CausalLMPreprocessor(
    tokenizer,
    image_converter=None,
    sequence_length=1024,
    add_start_token=True,
    add_end_token=True,
    max_images_per_prompt=2,
    num_vision_tokens_per_image=256,
    **kwargs
)

Gemma3 因果语言模型预处理器。

此预处理层用于 keras_hub.models.Gemma3CausalLM。它可以配置为两种方式：仅文本和文本+视觉，具体取决于 image_converter 的值是否为 None。对于前者，它接收字符串批次；对于后者，它接收图像和字符串批次。它以 (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。sample_weight 对于 "prompt" token 为 0，对于 "response" token 为 1，因此损失仅在 "response" token 上计算。

对于文本+视觉场景，此层会将 prompt 中 <start_of_image> token 的实例替换为 num_vision_tokens_per_image 个占位符 token。它还会返回这些视觉 token 所在的位置索引，以便在模型中，图像嵌入可以放置在文本嵌入序列的正确位置。请注意，如果 max_images_per_prompt 为 2，您可以每个样本传递 0、1 或 2 张图像。值 0 对应于仅文本输入。

对于生成使用，该层还公开了两个方法 generate_preprocess() 和 generate_postprocess()。当此预处理器附加到 keras_hub.models.Gemma3CausalLM 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生成所需的预处理输入）。

参数

tokenizer：一个 keras_hub.models.Gemma3Tokenizer 实例。
image_converter：一个 keras_hub.layers.ImageConverter 实例。默认为 None。
sequence_length：打包输入的长度。默认为 1024。
add_start_token：如果为 True，预处理器将在每个输入序列前面添加 token 的起始 token。默认为 True。
add_end_token：如果为 True，预处理器将在每个输入序列后面添加 token 的结束 token。默认为 True。
max_images_per_prompt：int。每个样本在批次中允许的图像数量。默认为 2。
num_vision_tokens_per_image：int。每个图像的视觉占位符 token 数量。默认为 256。

调用参数

x：字符串、tf.Tensor 或 Python 字符串列表。
y：标签数据。应始终为 None，因为该层会生成标签。
sample_weight：标签权重。应始终为 None，因为该层会生成标签权重。
sequence_length：传递此参数以覆盖该层已配置的 sequence_length。

示例

# === Language Gemma3 model ===
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.Gemma3CausalLMPreprocessor.from_preset(
    "gemma3_instruct_1b"
)

# Unbatched inputs.
preprocessor(
    {
        "prompts": "What is the capital of India?",
        "responses": "New Delhi",
    }
)

# Batched inputs.
preprocessor(
    {
        "prompts": [
            "What is the capital of India?",
            "What is the capital of Spain?"
        ],
        "responses": ["New Delhi", "Madrid"],
    }
)

# Apply preprocessing to a [`tf.data.Dataset`](https://tensorflowcn.cn/api_docs/python/tf/data/Dataset).
features = {
    "prompts": [
        "What is the capital of India?",
        "What is the capital of Spain?"
    ],
    "responses": ["New Delhi", "Madrid"],
}

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, 818, 3823, 8864, 37423, 32694, 236761, 0]]),
    'padding_mask': np.array([[ 1, 1, 1, 1, 1, 1, 1, 0]]),
})

# === Vision and Language Gemma3 model ===
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.Gemma3CausalLMPreprocessor.from_preset(
    "gemma3_instruct_4b"
)

# text-only inputs (unbatched)
preprocessor(
    {
        "prompts": "What is the capital of India?",
        "responses": "New Delhi",
    }
)

# text-only inputs (batched)
preprocessor(
    {
        "prompts": [
            "What is the capital of India?",
            "What is the capital of Spain?"
        ],
        "responses": ["New Delhi", "Madrid"],
    }
)

# Unbatched inputs, with one image.
preprocessor(
    {
        "prompts": "this is a lily <start_of_image>",
        "responses": "pristine!",
        "images": np.ones((896, 896, 3), dtype="float32")
    }
)

# Unbatched inputs, with two images.
preprocessor(
    {
        "prompts": "lily: <start_of_image>, sunflower: <start_of_image>",
        "responses": "pristine!",
        "images": [
            np.ones((896, 896, 3), dtype="float32"),
            np.ones((896, 896, 3), dtype="float32")
        ],
    }
)

# Batched inputs, one image per prompt.
preprocessor(
    {
        "prompts": [
            "this is a lily: <start_of_image>",
            "this is a sunflower: <start_of_image>"
        ],
        "responses": ["pristine!", "radiant!"],
        "images": [
            np.ones((896, 896, 3), dtype="float32"),
            np.ones((896, 896, 3), dtype="float32")
        ]
    }
)

# Can also be written this way.
preprocessor(
    {
        "prompts": [
            "this is a lily: <start_of_image>",
            "this is a sunflower: <start_of_image>"
        ],
        "responses": ["pristine!", "radiant!"],
        "images": [
            [np.ones((896, 896, 3), dtype="float32")],
            [np.ones((896, 896, 3), dtype="float32")]
        ]
    }
)

# Different number of images in every sample.
preprocessor(
    {
        "prompts": [
            "Who is this singer: <start_of_image>?",
            "Who are these musicians <start_of_image>, <start_of_image>?"
        ],
        "responses": ["Arijit Singh", "John Lennon, Paul Mccartney"],
        "images": [
            [
                np.ones((896, 896, 3), dtype="float32"),
                np.ones((896, 896, 3), dtype="float32")
            ],
            [np.ones((896, 896, 3), dtype="float32")]
        ]
    }
)

# Apply preprocessing to a [`tf.data.Dataset`](https://tensorflowcn.cn/api_docs/python/tf/data/Dataset).
inputs = {
    "prompts": [
        "Who are these two: <start_of_image>, <start_of_image>",
        "Who is this: <start_of_image>?",
        "What is the capital of India?"
    ],
    "responses": [
        "John Lennon, Paul Mccartney",
        "Arijit Singh",
        "New Delhi"
    ],
    "images": (
        tf.ragged.constant(
            [
                [np.ones((10, 10, 3)), np.ones((10, 10, 3))],
                [np.ones((10, 10, 3))],
                [],
            ]
        )
    )
}
ds = tf.data.Dataset.from_tensor_slices(inputs)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)

[源代码]

`from_preset` 方法

Gemma3CausalLMPreprocessor.from_preset(
    preset, config_file="preprocessor.json", **kwargs
)

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

预设是一个包含配置、权重和其他文件资产的目录，用于保存和加载预训练模型。preset 可以作为以下之一传递：

一个内置的预设标识符，如 'bert_base_en'
一个 Kaggle Models 句柄，如 'kaggle://user/bert/keras/bert_base_en'
一个 Hugging Face 句柄，如 'hf://user/bert_base_en'
一个本地预设目录的路径，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。

由于一个给定模型通常有多个预处理类，因此应在特定的子类上调用此方法，例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()。

参数

preset：字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。

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
gemma3_270m	268.10M	2.7 亿参数（1.7 亿嵌入参数，1 亿 Transformer 参数）模型，18 层，纯文本模型，专为超高效 AI 设计，特别适合任务特定微调。
gemma3_instruct_270m	268.10M	2.7 亿参数（1.7 亿嵌入参数，1 亿 Transformer 参数）模型，18 层，纯文本模型，指令微调模型，专为超高效 AI 设计，特别适合任务特定微调。
gemma3_1b	999.89M	10 亿参数，26 层，仅文本预训练 Gemma3 模型。
gemma3_instruct_1b	999.89M	10 亿参数，26 层，仅文本指令微调 Gemma3 模型。
gemma3_4b_text	3.88B	40 亿参数，34 层，仅文本预训练 Gemma3 模型。
gemma3_instruct_4b_text	3.88B	40 亿参数，34 层，仅文本指令微调 Gemma3 模型。
gemma3_4b	4.30B	40 亿参数，34 层，视觉+文本预训练 Gemma3 模型。
gemma3_instruct_4b	4.30B	40 亿参数，34 层，视觉+文本指令微调 Gemma3 模型。
gemma3_12b_text	11.77B	120 亿参数，48 层，仅文本预训练 Gemma3 模型。
gemma3_instruct_12b_text	11.77B	120 亿参数，48 层，仅文本指令微调 Gemma3 模型。
gemma3_12b	12.19B	120 亿参数，48 层，视觉+文本预训练 Gemma3 模型。
gemma3_instruct_12b	12.19B	120 亿参数，48 层，视觉+文本指令微调 Gemma3 模型。
gemma3_27b_text	27.01B	270 亿参数，62 层，仅文本预训练 Gemma3 模型。
gemma3_instruct_27b_text	27.01B	270 亿参数，62 层，仅文本指令微调 Gemma3 模型。
gemma3_27b	27.43B	270 亿参数，62 层，视觉+文本预训练 Gemma3 模型。
gemma3_instruct_27b	27.43B	270 亿参数，62 层，视觉+文本指令微调 Gemma3 模型。

`tokenizer` 属性

keras_hub.models.Gemma3CausalLMPreprocessor.tokenizer

用于对字符串进行分词的分词器。

Gemma3CausalLMPreprocessor 层

Gemma3CausalLMPreprocessor 类

from_preset 方法

tokenizer 属性

Gemma3CausalLMPreprocessor 层

Gemma3CausalLMPreprocessor 类

from_preset 方法

tokenizer 属性

`Gemma3CausalLMPreprocessor` 类

`from_preset` 方法

`tokenizer` 属性