KerasHub:预训练模型 / API 文档 / 模型架构 / Llama3 / Llama3CausalLM 模型

Llama3CausalLM 模型

[源代码]

Llama3CausalLM

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


[源代码]

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:

  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 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

  • 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。
  • load_weights: 布尔值。如果为 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。

[源代码]

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 inputstf.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

  • inputs: Python 数据、张量数据或 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。
  • max_length: 可选。整型。生成序列的最大长度。默认为 preprocessor 配置的最大 sequence_length。如果 preprocessorNone,则 inputs 应填充到所需的最小长度,并且此参数将被忽略。
  • stop_token_ids: 可选。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。
  • strip_prompt: 可选。默认情况下,generate() 返回完整的提示以及模型生成的补全部分。如果此选项设置为 True,则仅返回新生成的文本。

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。