Llama3CausalLM
类keras_hub.models.Llama3CausalLM(backbone, preprocessor=None, **kwargs)
一个用于因果语言建模的端到端 Llama 3 模型。
因果语言模型(LM)根据先前的 token 预测下一个 token。这种任务设置可用于在纯文本输入上对模型进行无监督训练,或自回归生成与训练数据相似的纯文本。只需调用 fit()
即可将此任务用于 LLaMA 3 模型的预训练或微调。
该模型具有 generate()
方法,该方法根据提示生成文本。用于生成的生成策略由 compile()
上的附加参数 sampler
控制。您可以使用不同的 keras_hub.samplers
对象重新编译模型以控制生成。默认情况下,将使用 "top_k"
采样。
参数
keras_hub.models.Llama3Backbone
实例。keras_hub.models.Llama3CausalLMPreprocessor
或 None
。如果为 None
,则此模型将不应用预处理,并且输入应在调用模型之前进行预处理。from_preset
方法Llama3CausalLM.from_preset(preset, load_weights=True, **kwargs)
从模型预设实例化一个 keras_hub.models.Task
。
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
可以通过以下方式之一传入:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
对于任何 Task
子类,您都可以运行 cls.presets.keys()
列出该类上所有可用的内置预设。
此构造函数可以通过以下两种方式之一调用。要么从任务特定的基类调用,例如 keras_hub.models.CausalLM.from_preset()
,要么从模型类调用,例如 keras_hub.models.BertTextClassifier.from_preset()
。如果从基类调用,则返回对象的子类将从预设目录中的配置推断得出。
参数
True
,则将保存的权重加载到模型架构中。如果为 False
,则所有权重都将随机初始化。示例
# Load a Gemma generative task.
causal_lm = keras_hub.models.CausalLM.from_preset(
"gemma_2b_en",
)
# Load a Bert classification task.
model = keras_hub.models.TextClassifier.from_preset(
"bert_base_en",
num_classes=2,
)
预设 | 参数 | 描述 |
---|---|---|
llama3_8b_en | 8.03B | 80 亿参数、32 层的基础 LLaMA 3 模型。 |
llama3_instruct_8b_en | 8.03B | 80 亿参数、32 层的指令微调 LLaMA 3 模型。 |
llama3_8b_en_int8 | 8.03B | 80 亿参数、32 层的基础 LLaMA 3 模型,其激活和权重已量化为 int8。 |
llama3_instruct_8b_en_int8 | 8.03B | 80 亿参数、32 层的指令微调 LLaMA 3 模型,其激活和权重已量化为 int8。 |
generate
方法Llama3CausalLM.generate(
inputs, max_length=None, stop_token_ids="auto", strip_prompt=False
)
给定提示 inputs
生成文本。
此方法根据给定的 inputs
生成文本。用于生成的采样方法可以通过 compile()
方法设置。
如果 inputs
是 tf.data.Dataset
,则输出将“按批次”生成并连接。否则,所有输入都将作为一个批次处理。
如果模型附加了 preprocessor
,则 inputs
将在 generate()
函数内部进行预处理,并且应与 preprocessor
层期望的结构(通常是原始字符串)匹配。如果没有附加 preprocessor
,则输入应与 backbone
期望的结构匹配。请参阅上面的示例用法以了解每种情况的演示。
参数
tf.data.Dataset
。如果模型附加了 preprocessor
,则 inputs
应与 preprocessor
层期望的结构匹配。如果没有附加 preprocessor
,则 inputs
应与 backbone
模型期望的结构匹配。preprocessor
配置的最大 sequence_length
。如果 preprocessor
为 None
,则 inputs
应填充到所需的最小长度,并且此参数将被忽略。None
、“auto”或 token ID 元组。默认为“auto”,使用 preprocessor.tokenizer.end_token_id
。未指定处理器将产生错误。如果为 None,则在生成 max_length
个 token 后停止生成。您还可以指定模型应停止的 token ID 列表。请注意,每个 token 序列都将被解释为一个停止 token,不支持多 token 停止序列。backbone
属性keras_hub.models.Llama3CausalLM.backbone
具有核心架构的 keras_hub.models.Backbone
模型。
preprocessor
属性keras_hub.models.Llama3CausalLM.preprocessor
用于预处理输入的 keras_hub.models.Preprocessor
层。