QwenMoeTokenizer

[源代码]

QwenMoeTokenizer

keras_hub.tokenizers.QwenMoeTokenizer(vocabulary=None, merges=None, **kwargs)

Qwen Moe 模型的词元分析器。

此词元分析器为 Qwen 模型实现字节对编码 (BPE),处理 BOS(序列开始)和 EOS(序列结束)等特殊词元。

参数

  • vocabulary:将词元映射到词元 ID 的字典,或词汇文件路径。
  • merges:BPE 合并列表,或合并文件路径。
  • bos_token:序列开始词元。默认为 None。
  • eos_token:序列结束词元。默认为 "<|endoftext|>"。
  • misc_special_tokens:附加特殊词元集。默认为空集。

[源代码]

from_preset 方法

QwenMoeTokenizer.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:

  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 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。一种是从基类(例如 keras_hub.models.Tokenizer.from_preset())调用,另一种是从模型类(例如 keras_hub.models.GemmaTokenizer.from_preset())调用。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`,权重将被加载到模型架构中。如果为 `False`,权重将被随机初始化。

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
qwen1.5_moe_2.7b_en 14.32B 24 层 Qwen MoE 模型,具有 27 亿个活动参数和每个 MoE 层 8 个专家。