MistralCausalLMPreprocessor 层
MistralCausalLMPreprocessor 类
keras_hub.models.MistralCausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
Mistral Causal LM 预处理器。
此预处理层旨在与 keras_hub.models.MistralCausalLM 一起使用。默认情况下，它将接收字符串批次，并以 (x, y, sample_weight) 格式返回输出，其中 y 标签是 x 序列中的下一个 token id。
为了用于生成，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.MistralCausalLM 实例时，这些方法将在 generate() 中被隐式调用。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.MistralTokenizer实例。 - sequence_length：打包输入的长度。
- add_start_token：如果为
True，预处理器将在每个输入序列前添加 tokenizer 开始 token。默认为True。 - add_end_token：如果为
True，预处理器将在每个输入序列后添加 tokenizer 结束 token。默认为False。
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，因为该层生成标签。 - sample_weight：标签权重。应始终为
None，因为该层生成标签权重。 - sequence_length：传递以覆盖该层配置的
sequence_length。
示例
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.MistralCausalLMPreprocessor.from_preset(
"mistral_base_en"
)
# Tokenize and pack a single sentence.
sentence = tf.constant("League of legends")
preprocessor(sentence)
# Same output.
preprocessor("League of legends")
# Tokenize a batch of sentences.
sentences = tf.constant(["Taco tuesday", "Fish taco please!"])
preprocessor(sentences)
# Same output.
preprocessor(["Taco tuesday", "Fish taco please!"])
# Map a dataset to preprocess a single sentence.
features = tf.constant(
[
"Avatar 2 is amazing!",
"Well, I am not sure.",
]
)
labels = tf.constant([1, 0])
ds = tf.data.Dataset.from_tensor_slices((features, labels))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)
# Map a dataset to preprocess unlabled sentences.
ds = tf.data.Dataset.from_tensor_slices(features)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)
from_preset 方法
MistralCausalLMPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
从模型预设实例化一个 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 可以作为以下之一传递
- 一个内置预设标识符，例如
'bert_base_en' - 一个 Kaggle Models 句柄，例如
'kaggle://user/bert/keras/bert_base_en' - 一个 Hugging Face 句柄，例如
'hf://user/bert_base_en' - 一个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() 以列出该类上可用的所有内置预设。
由于给定模型通常有多个预处理类，因此应在特定子类（如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()）上调用此方法。
参数
- preset：字符串。一个内置预设标识符、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",
)
| 预设 | 参数 | 描述 |
|---|---|---|
| mistral_7b_en | 7.24B | Mistral 7B 基础模型 |
| mistral_instruct_7b_en | 7.24B | Mistral 7B 指令模型 |
| mistral_0.2_instruct_7b_en | 7.24B | Mistral 7B 指令模型 Version 0.2 |
tokenizer 属性
keras_hub.models.MistralCausalLMPreprocessor.tokenizer
用于 token 化字符串的 tokenizer。