KerasHub: 预训练模型 / API 文档 / 模型架构 / PaliGemma / PaliGemmaCausalLM 模型

PaliGemmaCausalLM 模型

[源代码]

PaliGemmaCausalLM

keras_hub.models.PaliGemmaCausalLM(preprocessor, backbone, **kwargs)

用于因果语言建模的端到端多模态 PaliGemma 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图像和纯文本输入上对模型进行无监督训练,或自回归地生成与训练数据相似的纯文本。

此模型具有 generate() 方法,用于根据提示生成文本。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 对象重新编译模型来控制生成。默认情况下,将使用 "greedy" 采样。

此模型可以选择使用 preprocessor 层进行配置,在这种情况下,它将在 fit()predict()evaluate()generate() 期间自动对字符串输入应用预处理。使用 from_preset() 创建模型时,默认执行此操作。

参数

示例

使用 generate() 进行文本生成。

image = np.random.rand(224, 224, 3)
pali_gemma_lm = keras_hub.models.PaliGemmaCausalLM.from_preset(
    "pali_gemma_3b_mix_224"
)
pali_gemma_lm.generate(
  {
    "images": image,
    "text": ["answer en where is the cow standing?\n"]
  }
)

# Generate with batched prompts.
pali_gemma_lm.generate(
  {
    "images": [image, image],
    "text": ["answer en where is the cow standing?\n", "caption en\n"]
  }
)

在不进行预处理的情况下使用 generate()

image = np.random.rand(224, 224, 3)
inputs = {
    "images": [image, image],
    # Token ids for "<bos> Keras is".
    "token_ids": np.array([[2, 214064, 603, 0, 0, 0, 0]] * 2),
    # Use `"padding_mask"` to indicate values that should not be overridden.
    "padding_mask": np.array([[1, 1, 1, 0, 0, 0, 0]] * 2),
}

pali_gemma_lm = keras_hub.models.PaliGemmaCausalLM.from_preset(
    "pali_gemma_3b_mix_224",
    preprocessor=None,
)
pali_gemma_lm.generate(inputs)

自定义 backbone 和词汇表。

tokenizer = keras_hub.models.PaliGemmaTokenizer(
    proto="proto.spm",
)
preprocessor = keras_hub.models.PaliGemmaCausalLMPreprocessor(
    tokenizer=tokenizer,
    sequence_length=128,
)
backbone = keras_hub.models.PaliGemmaBackbone()
pali_gemma_lm = keras_hub.models.PaliGemmaCausalLM(
    backbone=backbone,
    preprocessor=preprocessor,
)

[源代码]

from_preset 方法

PaliGemmaCausalLM.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 可以以下列形式之一传递:

  1. 一个内置预设标识符,例如 'bert_base_en'
  2. 一个 Kaggle Models 句柄,例如 'kaggle://user/bert/keras/bert_base_en'
  3. 一个 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。

此构造函数可通过两种方式之一调用。可以从特定任务的基类(例如 keras_hub.models.CausalLM.from_preset())调用,也可以从模型类(例如 keras_hub.models.BertTextClassifier.from_preset())调用。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,则会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 参数量 描述
pali_gemma_3b_mix_224 2.92B 图像尺寸 224,混合微调,文本序列长度为 256
pali_gemma_3b_224 2.92B 图像尺寸 224,预训练,文本序列长度为 128
pali_gemma_3b_mix_448 2.92B 图像尺寸 448,混合微调,文本序列长度为 512
pali_gemma_3b_448 2.92B 图像尺寸 448,预训练,文本序列长度为 512
pali_gemma_3b_896 2.93B 图像尺寸 896,预训练,文本序列长度为 512
pali_gemma2_mix_3b_224 3.03B 30亿参数,图像尺寸 224,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 2B 语言模型包含 26 层。此模型已在广泛的视觉-语言任务和领域上进行了微调。
pali_gemma2_pt_3b_224 3.03B 30亿参数,图像尺寸 224,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 2B 语言模型包含 26 层。此模型已在混合数据集上进行了预训练。
pali_gemma_2_ft_docci_3b_448 3.03B 30亿参数,图像尺寸 448,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 2B 语言模型包含 26 层。此模型已在 DOCCI 数据集上进行微调,以改进具有精细细节的描述。
pali_gemma2_mix_3b_448 3.03B 30亿参数,图像尺寸 448,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 2B 语言模型包含 26 层。此模型已在广泛的视觉-语言任务和领域上进行了微调。
pali_gemma2_pt_3b_448 3.03B 30亿参数,图像尺寸 448,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 2B 语言模型包含 26 层。此模型已在混合数据集上进行了预训练。
pali_gemma2_pt_3b_896 3.04B 30亿参数,图像尺寸 896,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 2B 语言模型包含 26 层。此模型已在混合数据集上进行了预训练。
pali_gemma2_mix_10b_224 9.66B 100亿参数,图像尺寸 224,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 9B 语言模型包含 42 层。此模型已在广泛的视觉-语言任务和领域上进行了微调。
pali_gemma2_pt_10b_224 9.66B 100亿参数,图像尺寸 224,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 9B 语言模型包含 42 层。此模型已在混合数据集上进行了预训练。
pali_gemma2_ft_docci_10b_448 9.66B 100亿参数,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 9B 语言模型包含 42 层。此模型已在 DOCCI 数据集上进行微调,以改进具有精细细节的描述。
pali_gemma2_mix_10b_448 9.66B 100亿参数,图像尺寸 448,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 9B 语言模型包含 42 层。此模型已在广泛的视觉-语言任务和领域上进行了微调。
pali_gemma2_pt_10b_448 9.66B 100亿参数,图像尺寸 448,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 9B 语言模型包含 42 层。此模型已在混合数据集上进行了预训练。
pali_gemma2_pt_10b_896 9.67B 100亿参数,图像尺寸 896,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 9B 语言模型包含 42 层。此模型已在混合数据集上进行了预训练。
pali_gemma2_mix_28b_224 27.65B 280亿参数,图像尺寸 224,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 27B 语言模型包含 46 层。此模型已在广泛的视觉-语言任务和领域上进行了微调。
pali_gemma2_mix_28b_448 27.65B 280亿参数,图像尺寸 448,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 27B 语言模型包含 46 层。此模型已在广泛的视觉-语言任务和领域上进行了微调。
pali_gemma2_pt_28b_224 27.65B 280亿参数,图像尺寸 224,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 27B 语言模型包含 46 层。此模型已在混合数据集上进行了预训练。
pali_gemma2_pt_28b_448 27.65B 280亿参数,图像尺寸 448,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 27B 语言模型包含 46 层。此模型已在混合数据集上进行了预训练。
pali_gemma2_pt_28b_896 27.65B 280亿参数,图像尺寸 896,SigLIP-So400m 视觉编码器包含 27 层,Gemma2 27B 语言模型包含 46 层。此模型已在混合数据集上进行了预训练。

[源代码]

generate 方法

PaliGemmaCausalLM.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通过 compile() 方法设置。

如果 inputstf.data.Dataset,则输出将“逐批”生成并连接。否则,所有输入将作为单个批次处理。

如果模型附加了 preprocessor,则 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。如果未附加 preprocessor,则输入应与 backbone 期望的结构匹配。请参阅上面的使用示例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。如果未附加 preprocessor,则 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。默认使用 preprocessor 中配置的最大 sequence_length。如果 preprocessorNone,则 inputs 应填充到所需的***长,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”,它使用 preprocessor.tokenizer.end_token_id。未指定 processor 将导致错误。None 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,token 序列中的每个 token 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() 返回完整的提示符以及模型生成的补全内容。如果将此选项设置为 True,则仅返回新生成的文本。

backbone 属性

keras_hub.models.PaliGemmaCausalLM.backbone

具有核心架构的 keras_hub.models.Backbone 模型。


preprocessor 属性

keras_hub.models.PaliGemmaCausalLM.preprocessor

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