MistralCausalLM 模型

[源]

MistralCausalLM 类

keras_hub.models.MistralCausalLM(backbone, preprocessor=None, **kwargs)

用于因果语言建模的端到端 Mistral 模型。

因果语言模型 (LM) 根据前面的标记预测下一个标记。这种任务设置可用于在纯文本输入上无监督地训练模型，或自回归地生成类似于用于训练的数据的纯文本。只需调用 fit()，即可使用此任务进行 GPT-NeoX 模型的预训练或微调。

此模型具有 generate() 方法，该方法根据提示生成文本。使用的生成策略通过 compile() 方法上的额外 sampler 参数进行控制。您可以重新编译模型，使用不同的 keras_hub.samplers 对象来控制生成。默认情况下，将使用 "top_k" 采样。

参数

• backbone：一个 keras_hub.models.MistralBackbone 实例。
• preprocessor：一个 keras_hub.models.MistralCausalLMPreprocessor 或 None。如果为 None，则此模型将不应用预处理，并且应在调用模型之前对输入进行预处理。

[源]

from_preset 方法

MistralCausalLM.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。可以将 preset 作为以下之一传递

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之一调用。可以从特定任务的基类调用，例如 keras_hub.models.CausalLM.from_preset()，也可以从模型类调用，例如 keras_hub.models.BertTextClassifier.from_preset()。如果从基类调用，返回对象的子类将从预设目录中的配置推断出来。

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，保存的权重将加载到模型架构中。如果为 False，所有权重将被随机初始化。

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,
)

[源]

generate 方法

MistralCausalLM.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 是一个 tf.data.Dataset，则将“按批次”生成输出并进行拼接。否则，所有输入将作为单个批次处理。

如果模型附加了 preprocessor，则将在 generate() 函数内部对 inputs 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，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个用例。

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，inputs 应与 backbone 模型期望的结构匹配。
• max_length：可选。整数。生成序列的最大长度。将默认为 preprocessor 配置的最大 sequence_length。如果 preprocessor 为 None，则应将 inputs 填充到期望的最大长度，并且此参数将被忽略。
• stop_token_ids：可选。None、“auto”或标记 ID 元组。默认为“auto”，它使用 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 个标记后停止生成。您还可以指定模型应停止的标记 ID 列表。请注意，标记序列中的每个标记都将被解释为停止标记，不支持多标记停止序列。
• strip_prompt：可选。默认情况下，generate() 返回完整的提示以及模型生成的完成部分。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.MistralCausalLM.backbone

具有核心架构的 keras_hub.models.Backbone 模型。

preprocessor 属性

keras_hub.models.MistralCausalLM.preprocessor

用于预处理输入的 keras_hub.models.Preprocessor 层。