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)

一个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) 根据之前的标记预测下一个标记。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,或自回归生成类似于训练数据的纯文本。

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。您可以重新编译模型并使用不同的 keras_hub.samplers 对象来控制生成。默认情况下,将使用“贪婪”采样。

此模型可以选择配置一个 preprocessor 层,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。这在通过 from_preset() 创建模型时默认完成。

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"]
  }
)

不带预处理使用 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)

自定义骨干和词汇表。

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。可以从任务特定的基类(如 keras_hub.models.CausalLM.from_preset())调用,也可以从模型类(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
pali_gemma_3b_mix_224 2.92B 图像大小 224,混合微调,文本序列长度为 256
pali_gemma_3b_224 2.92B 图像大小 224,预训练,文本序列长度为 128
pali_gemma_3b_mix_448 2.92B 图像大小 448,混合微调,文本序列长度为 512
pali_gemma_3b_448 2.92B 图像大小 448,预训练,文本序列长度为 512
pali_gemma_3b_896 2.93B 图像大小 896,预训练,文本序列长度为 512
pali_gemma2_mix_3b_224 3.03B 30 亿参数,图像大小 224,SigLIP-So400m 视觉编码器 27 层,Gemma2 2B 语言模型 26 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_3b_224 3.03B 30 亿参数,图像大小 224,SigLIP-So400m 视觉编码器 27 层,Gemma2 2B 语言模型 26 层。此模型已在混合数据集上进行预训练。
pali_gemma_2_ft_docci_3b_448 3.03B 30 亿参数,图像大小 448,SigLIP-So400m 视觉编码器 27 层,Gemma2 2B 语言模型 26 层。此模型已在 DOCCI 数据集上进行微调,以改进具有细粒度细节的描述。
pali_gemma2_mix_3b_448 3.03B 30 亿参数,图像大小 448,SigLIP-So400m 视觉编码器 27 层,Gemma2 2B 语言模型 26 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_3b_448 3.03B 30 亿参数,图像大小 448,SigLIP-So400m 视觉编码器 27 层,Gemma2 2B 语言模型 26 层。此模型已在混合数据集上进行预训练。
pali_gemma2_pt_3b_896 3.04B 30 亿参数,图像大小 896,SigLIP-So400m 视觉编码器 27 层,Gemma2 2B 语言模型 26 层。此模型已在混合数据集上进行预训练。
pali_gemma2_mix_10b_224 9.66B 100 亿参数,图像大小 224,SigLIP-So400m 视觉编码器 27 层,Gemma2 9B 语言模型 42 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_10b_224 9.66B 100 亿参数,图像大小 224,SigLIP-So400m 视觉编码器 27 层,Gemma2 9B 语言模型 42 层。此模型已在混合数据集上进行预训练。
pali_gemma2_ft_docci_10b_448 9.66B 100 亿参数,SigLIP-So400m 视觉编码器 27 层,Gemma2 9B 语言模型 42 层。此模型已在 DOCCI 数据集上进行微调,以改进具有细粒度细节的描述。
pali_gemma2_mix_10b_448 9.66B 100 亿参数,图像大小 448,SigLIP-So400m 视觉编码器 27 层,Gemma2 9B 语言模型 42 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_10b_448 9.66B 100 亿参数,图像大小 448,SigLIP-So400m 视觉编码器 27 层,Gemma2 9B 语言模型 42 层。此模型已在混合数据集上进行预训练。
pali_gemma2_pt_10b_896 9.67B 100 亿参数,图像大小 896,SigLIP-So400m 视觉编码器 27 层,Gemma2 9B 语言模型 42 层。此模型已在混合数据集上进行预训练。
pali_gemma2_mix_28b_224 27.65B 280 亿参数,图像大小 224,SigLIP-So400m 视觉编码器 27 层,Gemma2 27B 语言模型 46 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_mix_28b_448 27.65B 280 亿参数,图像大小 448,SigLIP-So400m 视觉编码器 27 层,Gemma2 27B 语言模型 46 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_28b_224 27.65B 280 亿参数,图像大小 224,SigLIP-So400m 视觉编码器 27 层,Gemma2 27B 语言模型 46 层。此模型已在混合数据集上进行预训练。
pali_gemma2_pt_28b_448 27.65B 280 亿参数,图像大小 448,SigLIP-So400m 视觉编码器 27 层,Gemma2 27B 语言模型 46 层。此模型已在混合数据集上进行预训练。
pali_gemma2_pt_28b_896 27.65B 280 亿参数,图像大小 896,SigLIP-So400m 视觉编码器 27 层,Gemma2 27B 语言模型 46 层。此模型已在混合数据集上进行预训练。

[源代码]

generate 方法

PaliGemmaCausalLM.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 preprocessor 附加到模型,inputs 将在 generate() 函数内部进行预处理,并且应该与 preprocessor 层期望的结构匹配(通常是原始字符串)。如果未附加 preprocessor,则输入应与 backbone 期望的结构匹配。请参阅上面的示例用法,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 preprocessor 附加到模型,inputs 应该与 preprocessor 层期望的结构匹配。如果未附加 preprocessor,则 inputs 应该与 backbone 模型期望的结构匹配。
  • max_length: 可选。int。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。未指定处理器将导致错误。None 在生成 max_length 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.PaliGemmaCausalLM.backbone

一个具有核心架构的 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。