LlamaTokenizer
类keras_hub.tokenizers.LlamaTokenizer(proto, **kwargs)
基于 SentencePiece 的 Llama 分词器层。
此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,它将检查 Llama 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 Llama 预设匹配的词汇表。
如果输入是一批字符串(秩 > 0),该层将输出一个 tf.RaggedTensor
,其中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 存储库。示例
# Unbatched input.
tokenizer = keras_hub.models.LlamaTokenizer.from_preset(
"llama_7b_en",
)
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."))
from_preset
方法LlamaTokenizer.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
可以作为以下之一传递:
'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调用。可以从基类调用,如 keras_hub.models.Tokenizer.from_preset()
,也可以从模型类调用,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进行推断。
参数
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 |
---|---|---|
llama2_7b_en | 6.74B | 70 亿参数,32 层,基础 LLaMA 2 模型。 |
llama2_instruct_7b_en | 6.74B | 70 亿参数,32 层,指令微调 LLaMA 2 模型。 |
vicuna_1.5_7b_en | 6.74B | 70 亿参数,32 层,指令微调 Vicuna v1.5 模型。 |
llama2_7b_en_int8 | 6.74B | 70 亿参数,32 层,基础 LLaMA 2 模型,激活和权重均量化为 int8。 |
llama2_instruct_7b_en_int8 | 6.74B | 70 亿参数,32 层,指令微调 LLaMA 2 模型,激活和权重均量化为 int8。 |
llama3.2_1b | 15.0 亿 | 10 亿参数、16 层的 LLaMA 3.2 基础模型。 |
llama3.2_instruct_1b | 15.0 亿 | 10 亿参数、16 层的经过指令调优的 LLaMA 3.2 模型。 |
llama3.2_guard_1b | 15.0 亿 | 10 亿参数、16 层的 LLaMA 3.2 基础模型,为同意安全分类进行了微调。 |
llama3.2_3b | 36.1 亿 | 30 亿参数、26 层的 LLaMA 3.2 基础模型。 |
llama3.2_instruct_3b | 36.1 亿 | 30 亿参数、28 层的经过指令调优的 LLaMA 3.2 模型。 |
llama3_8b_en | 80.3 亿 | 80 亿参数、32 层的 LLaMA 3 基础模型。 |
llama3_instruct_8b_en | 80.3 亿 | 80 亿参数、32 层的经过指令调优的 LLaMA 3 模型。 |
llama3.1_8b | 80.3 亿 | 80 亿参数、32 层的 LLaMA 3.1 基础模型。 |
llama3.1_instruct_8b | 80.3 亿 | 80 亿参数、32 层的经过指令调优的 LLaMA 3.1 模型。 |
llama3.1_guard_8b | 80.3 亿 | 80 亿参数、32 层的 LLaMA 3.1 模型,为同意安全分类进行了微调。 |
llama3_8b_en_int8 | 80.3 亿 | 80 亿参数、32 层的 LLaMA 3 基础模型,其激活和权重被量化为 int8。 |
llama3_instruct_8b_en_int8 | 80.3 亿 | 80 亿参数、32 层的经过指令调优的 LLaMA 3 模型,其激活和权重被量化为 int8。 |