RobertaBackbone
类keras_hub.models.RobertaBackbone(
vocabulary_size,
num_layers,
num_heads,
hidden_dim,
intermediate_dim,
dropout=0.1,
max_sequence_length=512,
dtype=None,
**kwargs
)
RoBERTa 编码器网络。
该网络实现了双向 Transformer 编码器,如 "RoBERTa: A Robustly Optimized BERT Pretraining Approach" 中所述。它包含嵌入查找和 Transformer 层,但不包含预训练期间使用的掩码语言模型头。
默认构造函数提供了一个完全可定制、随机初始化的 RoBERTa 编码器,可包含任意数量的层、头和嵌入维度。要加载预设架构和权重,请使用 from_preset()
构造函数。
免责声明:预训练模型按“原样”提供,不附带任何形式的保证或条件。底层模型由第三方提供,并受单独许可的约束,可在此处获取。
参数
max_sequence_length
的默认值。这决定了位置嵌入的变量形状。keras.mixed_precision.DTypePolicy
. 用于模型计算和权重的 dtype。请注意,某些计算(例如 softmax 和层归一化)将始终以 float32 精度完成,无论 dtype 如何。示例
input_data = {
"token_ids": np.ones(shape=(1, 12), dtype="int32"),
"padding_mask": np.array(
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0], shape=(1, 12)),
}
# Pretrained RoBERTa encoder
model = keras_hub.models.RobertaBackbone.from_preset("roberta_base_en")
model(input_data)
# Randomly initialized RoBERTa model with custom config
model = keras_hub.models.RobertaBackbone(
vocabulary_size=50265,
num_layers=4,
num_heads=4,
hidden_dim=256,
intermediate_dim=512,
max_sequence_length=128,
)
model(input_data)
from_preset
方法RobertaBackbone.from_preset(preset, load_weights=True, **kwargs)
从模型预设实例化一个 keras_hub.models.Backbone
。
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
可以以下列方式之一传递:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
此构造函数可通过以下两种方式之一调用。从基类调用,例如 keras_hub.models.Backbone.from_preset()
,或从模型类调用,例如 keras_hub.models.GemmaBackbone.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出来。
对于任何 Backbone
子类,您可以运行 cls.presets.keys()
以列出该类上所有可用的内置预设。
参数
True
,权重将加载到模型架构中。如果为 False
,权重将随机初始化。示例
# Load a Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
"gemma_2b_en",
)
# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
"bert_base_en",
load_weights=False,
)
预设 | 参数 | 描述 |
---|---|---|
roberta_base_en | 124.05M | 12 层 RoBERTa 模型,保持大小写。在英文维基百科、BooksCorpus、CommonCraw 和 OpenWebText 上训练。 |
roberta_large_en | 354.31M | 24 层 RoBERTa 模型,保持大小写。在英文维基百科、BooksCorpus、CommonCraw 和 OpenWebText 上训练。 |
xlm_roberta_base_multi | 277.45M | 12 层 XLM-RoBERTa 模型,保持大小写。在 100 种语言的 CommonCrawl 上训练。 |
xlm_roberta_large_multi | 558.84M | 24 层 XLM-RoBERTa 模型,保持大小写。在 100 种语言的 CommonCrawl 上训练。 |
token_embedding
属性keras_hub.models.RobertaBackbone.token_embedding
一个 keras.layers.Embedding
实例,用于嵌入 token ID。
此层将整数 token ID 嵌入到模型的隐藏维度。