GPTNeoXCausalLMPreprocessor
类keras_hub.models.GPTNeoXCausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
GPT-NeoX 因果语言模型预处理器。
这个预处理层旨在与 keras_hub.models.GPTNeoXCausalLM
配合使用。默认情况下,它会接收字符串批次输入,并返回 (x, y, sample_weight)
格式的输出,其中 y
标签是 x
序列中的下一个 token ID。
用于生成时,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.GPTNeoXCausalLM
实例时,这些方法会在 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.GPTNeoXTokenizer
实例。True
,预处理器会将分词器起始 token 添加到每个输入序列的前面。True
,预处理器会将分词器结束 token 添加到每个输入序列的后面。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
。from_preset
方法GPTNeoXCausalLMPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
从模型预设中实例化一个 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
可以是以下之一:
'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。
由于通常一个给定模型有多个预处理类,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
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",
)
tokenizer
属性keras_hub.models.GPTNeoXCausalLMPreprocessor.tokenizer
用于将字符串分词的分词器。