KerasHub:预训练模型 / API 文档 / 模型架构 / Mixtral / MixtralCausalLM 模型

MixtralCausalLM 模型

[源代码]

MixtralCausalLM

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

用于因果语言建模的端到端 Mixtral 模型。

因果语言模型 (LM) 根据先前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,或自动回归生成与用于训练的数据类似的纯文本。只需调用 fit(),此任务即可用于预训练或微调 GPT-NeoX 模型。

此模型具有一个 generate() 方法,该方法根据提示生成文本。所使用的生成策略由 compile() 上的附加 sampler 参数控制。你可以使用不同的 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

MixtralCausalLM.from_preset(preset, load_weights=True, **kwargs)

从模型预设实例化一个 keras_hub.models.Task

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:

  1. 一个内置的预设标识符,如 'bert_base_en'
  2. 一个 Kaggle Models 句柄,如 'kaggle://user/bert/keras/bert_base_en'
  3. 一个 Hugging Face 句柄,如 'hf://user/bert_base_en'
  4. 一个本地预设目录的路径,如 './bert_base_en'

对于任何 Task 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。从任务特定的基类,如 keras_hub.models.CausalLM.from_preset(),或从模型类,如 keras_hub.models.BertTextClassifier.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推断。

参数

  • preset:字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。
  • load_weights: 布尔值。如果为 True,已保存的权重将被加载到模型架构中。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,
)
预设 参数 描述
mixtral_8_7b_en 46.70B 32 层 Mixtral MoE 模型,具有 70 亿个活动参数和每个 MoE 层 8 个专家。
mixtral_8_instruct_7b_en 46.70B 指令微调 32 层 Mixtral MoE 模型,具有 70 亿个活动参数和每个 MoE 层 8 个专家。

[源代码]

generate 方法

MixtralCausalLM.generate(
    inputs, max_length=None, stop_token_ids="auto", strip_prompt=False
)

根据提示 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,输出将“逐批”生成并连接起来。否则,所有输入将被视为单个批次处理。

如果模型附带 preprocessor,则 inputs 将在 generate() 函数内部进行预处理,并且应与 preprocessor 层所期望的结构匹配(通常是原始字符串)。如果未附带 preprocessor,则 inputs 应与 backbone 所期望的结构匹配。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。如果模型附带 preprocessor,则 inputs 应与 preprocessor 层所期望的结构匹配。如果未附带 preprocessor,则 inputs 应与 backbone 模型所期望的结构匹配。
  • 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 preprocessorNone,则 inputs 应填充到所需的最小长度,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。None 在生成 max_length 标记后停止生成。你也可以指定模型应该停止的标记 ID 列表。请注意,每个标记序列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() 返回完整的提示及其后由模型生成的补全内容。如果此选项设置为 True,则只返回新生成的文本。

backbone 属性

keras_hub.models.MixtralCausalLM.backbone

一个具有核心架构的 keras_hub.models.Backbone 模型。


preprocessor 属性

keras_hub.models.MixtralCausalLM.preprocessor

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