Gemma3Tokenizer
类keras_hub.tokenizers.Gemma3Tokenizer(proto, **kwargs)
基于 SentencePiece 的 Gemma 分词器层。
这个分词器类将原始字符串分词为整数序列,并基于keras_hub.tokenizers.SentencePieceTokenizer
。与底层分词器不同的是,它会检查 Gemma 模型所需的所有特殊标记,并提供一个from_preset()
方法来自动下载与 Gemma 预设匹配的词汇表。
如果输入是字符串批次(秩 > 0),该层将输出一个tf.RaggedTensor
,其输出的最后一个维度是不规则的。
如果输入是标量字符串(秩 == 0),该层将输出一个具有静态形状[None]
的密集tf.Tensor
。
参数
string
路径,或者一个包含序列化 SentencePiece proto 的bytes
对象。有关格式的更多详细信息,请参阅SentencePiece 仓库。示例
# Unbatched input.
tokenizer = keras_hub.models.Gemma3Tokenizer.from_preset(
"gemma_instruct_1b"
)
tokenizer("The quick brown fox jumped.")
# Batched input.
tokenizer(["The quick brown fox jumped.", "The fox slept."])
# Detokenization.
tokenizer.detokenize(tokenizer("The quick brown fox jumped."))
# Custom vocabulary.
bytes_io = io.BytesIO()
ds = tf.data.Dataset.from_tensor_slices(["The quick brown fox jumped."])
sentencepiece.SentencePieceTrainer.train(
sentence_iterator=ds.as_numpy_iterator(),
model_writer=bytes_io,
vocab_size=8,
model_type="WORD",
pad_id=0,
bos_id=1,
eos_id=2,
unk_id=3,
pad_piece="<pad>",
bos_piece="<bos>",
eos_piece="<eos>",
unk_piece="<unk>",
)
tokenizer = keras_hub.models.Gemma3Tokenizer(
proto=bytes_io.getvalue(),
)
tokenizer("The quick brown fox jumped.")
from_preset
方法Gemma3Tokenizer.from_preset(preset, config_file="tokenizer.json", **kwargs)
从模型预设实例化一个keras_hub.models.Tokenizer
。
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
可以以下列方式之一传递:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
对于任何Tokenizer
子类,您都可以运行cls.presets.keys()
来列出该类上所有可用的内置预设。
此构造函数可以通过两种方式之一调用。要么从基类调用,例如keras_hub.models.Tokenizer.from_preset()
,要么从模型类调用,例如keras_hub.models.GemmaTokenizer.from_preset()
。如果从基类调用,返回对象的子类将根据预设目录中的配置推断。
参数
True
,权重将被加载到模型架构中。如果为False
,权重将被随机初始化。示例
# Load a preset tokenizer.
tokenizer = keras_hub.tokenizer.Tokenizer.from_preset("bert_base_en")
# Tokenize some input.
tokenizer("The quick brown fox tripped.")
# Detokenize some input.
tokenizer.detokenize([5, 6, 7, 8, 9])
预设 | 参数 | 描述 |
---|---|---|
gemma3_1b | 999.89M | 10 亿参数、26 层、仅文本的预训练 Gemma3 模型。 |
gemma3_instruct_1b | 999.89M | 10 亿参数、26 层、仅文本的指令微调 Gemma3 模型。 |
gemma3_4b_text | 3.88B | 40 亿参数、34 层、仅文本的预训练 Gemma3 模型。 |
gemma3_instruct_4b_text | 3.88B | 40 亿参数、34 层、仅文本的指令微调 Gemma3 模型。 |
gemma3_4b | 4.30B | 40 亿参数、34 层、视觉+文本的预训练 Gemma3 模型。 |
gemma3_instruct_4b | 4.30B | 40 亿参数、34 层、视觉+文本的指令微调 Gemma3 模型。 |
gemma3_12b_text | 11.77B | 120 亿参数、48 层、仅文本的预训练 Gemma3 模型。 |
gemma3_instruct_12b_text | 11.77B | 120 亿参数、48 层、仅文本的指令微调 Gemma3 模型。 |
gemma3_12b | 12.19B | 120 亿参数、48 层、视觉+文本的预训练 Gemma3 模型。 |
gemma3_instruct_12b | 12.19B | 120 亿参数、48 层、视觉+文本的指令微调 Gemma3 模型。 |
gemma3_27b_text | 27.01B | 270 亿参数、62 层、仅文本的预训练 Gemma3 模型。 |
gemma3_instruct_27b_text | 27.01B | 270 亿参数、62 层、仅文本的指令微调 Gemma3 模型。 |
gemma3_27b | 27.43B | 270 亿参数、62 层、视觉+文本的预训练 Gemma3 模型。 |
gemma3_instruct_27b | 27.43B | 270 亿参数、62 层、视觉+文本的指令微调 Gemma3 模型。 |