GPTNeoXCausalLMPreprocessor 层

[源代码]

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

• tokenizer：一个 keras_hub.models.GPTNeoXTokenizer 实例。
• sequence_length：打包输入的长度。
• add_start_token：如果为 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。
• add_end_token：如果为 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

• x：一个字符串、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：传递该参数以覆盖该层配置的 sequence_length。

[源代码]

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：

1. 内置预设标识符，例如 'bert_base_en'
2. Kaggle Models 句柄，例如 'kaggle://user/bert/keras/bert_base_en'
3. Hugging Face 句柄，例如 'hf://user/bert_base_en'
4. 本地预设目录的路径，例如 './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

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

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",
)

tokenizer 属性

keras_hub.models.GPTNeoXCausalLMPreprocessor.tokenizer

用于将字符串分词的分词器。