OPTCausalLMPreprocessor
类keras_hub.models.OPTCausalLMPreprocessor(
tokenizer, sequence_length=1024, add_start_token=True, add_end_token=True, **kwargs
)
OPT Causal LM 预处理器。
此预处理层主要用于与 keras_hub.models.OPTCausalLM
结合使用。默认情况下,它会接收字符串批量输入,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。用于生成时,请传入 return_labels=False
,在这种情况下,输出将仅为编码后的字符串特征。
参数
keras_hub.models.OPTTokenizer
实例。True
,预处理器会将分词器开始 token 前置到每个输入序列。True
,预处理器会将分词器结束 token 追加到每个输入序列。调用参数
tf.Tensor
或 Python 字符串列表。None
,因为该层会生成标签。None
,因为该层会生成标签权重。sequence_length
。add_start_token
的已配置值。add_end_token
的已配置值。True
,输出的 "token_ids"
将偏移一个位置并作为标签返回。如果为 False
,则仅返回特征。示例
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.OPTCausalLMPreprocessor.from_preset(
"opt_125m_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OPTCausalLMPreprocessor.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、权重及其他文件资产的目录。preset
可以以下列方式之一传入:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
对于任何 Preprocessor
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。
由于给定模型通常有多个预处理类,因此应在特定的子类上调用此方法,例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()
。
参数
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 |
---|---|---|
opt_125m_en | 125.24M | 维护大小写的 12 层 OPT 模型。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 语料库上训练。 |
opt_1.3b_en | 1.32B | 维护大小写的 24 层 OPT 模型。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 语料库上训练。 |
opt_2.7b_en | 2.70B | 维护大小写的 32 层 OPT 模型。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 语料库上训练。 |
opt_6.7b_en | 6.70B | 维护大小写的 32 层 OPT 模型。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 语料库上训练。 |
tokenizer
属性keras_hub.models.OPTCausalLMPreprocessor.tokenizer
用于对字符串进行分词的分词器。