QwenTokenizer
类keras_hub.tokenizers.QwenTokenizer(vocabulary=None, merges=None, **kwargs)
Qwen 模型的分词器。
此分词器为 Qwen 模型实现字节对编码 (BPE),处理 BOS (序列开始) 和 EOS (序列结束) 等特殊标记。
参数
from_preset
方法QwenTokenizer.from_preset(preset, config_file="tokenizer.json", **kwargs)
从模型预设实例化一个 keras_hub.models.Tokenizer
。
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:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
对于任何 Tokenizer
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。可以从基类调用,例如 keras_hub.models.Tokenizer.from_preset()
,或者从模型类调用,例如 keras_hub.models.GemmaTokenizer.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
示例
# Load a preset tokenizer.
tokenizer = keras_hub.tokenizer.Tokenizer.from_preset("bert_base_en")
# Tokenize some input.
tokenizer("The quick brown fox tripped.")
# Detokenize some input.
tokenizer.detokenize([5, 6, 7, 8, 9])
预设 | 参数 | 描述 |
---|---|---|
qwen2.5_0.5b_en | 494.03M | 24 层 Qwen 模型,参数为 5 亿。 |
qwen2.5_instruct_0.5b_en | 494.03M | 指令微调 24 层 Qwen 模型,参数为 5 亿。 |
qwen2.5_3b_en | 3.09B | 36 层 Qwen 模型,参数为 31 亿。 |
qwen2.5_7b_en | 6.99B | 48 层 Qwen 模型,参数为 70 亿。 |
qwen2.5_instruct_32b_en | 32.76B | 指令微调 64 层 Qwen 模型,参数为 320 亿。 |
qwen2.5_instruct_72b_en | 72.71B | 指令微调 80 层 Qwen 模型,参数为 720 亿。 |