SmolLM3CausalLMPreprocessor 类keras_hub.models.SmolLM3CausalLMPreprocessor()
SmolLM3 因果语言模型预处理器。
此预处理层旨在与 keras_hub.models.SmolLM3CausalLM 一起使用。默认情况下，它将接收字符串批次，并以 (x, y, sample_weight) 格式返回输出，其中 y 标签是 x 序列中的下一个 token id。
为了用于生成，该层还公开了 generate_preprocess() 和 generate_postprocess() 两个方法。当此预处理器附加到 keras_hub.models.SmolLM3CausalLM 实例时，这些方法将在 generate() 中被隐式调用。它们也可以独立调用（例如，在单独的进程中预先计算用于生成的预处理输入）。
参数
keras_hub.models.SmolLM3Tokenizer 实例。True，预处理器将在每个输入序列前添加分词器的起始词元。默认为 True。True，预处理器将在每个输入序列后附加分词器的结束词元。默认为 False。调用参数
tf.Tensor 或 Python 字符串列表。None，因为该层会生成标签。None，因为该层会生成标签权重。sequence_length。示例
# Load the preprocessor from a preset.
preprocessor = keras_hub.models.SmolLM3CausalLMPreprocessor.from_preset(
"..."
)
# Tokenize and pack a single sentence.
sentence = tf.constant("...")
preprocessor(sentence)
# Same output.
preprocessor("...")
# Tokenize a batch of sentences.
sentences = tf.constant(["...", "..."])
preprocessor(sentences)
# Same output.
preprocessor(["...", "..."])
# Map a dataset to preprocess a single sentence.
features = tf.constant(
[
"...",
"...",
]
)
labels = tf.constant([1, 0])
ds = tf.data.Dataset.from_tensor_slices((features, labels))
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)
# Map a dataset to preprocess unlabled sentences.
ds = tf.data.Dataset.from_tensor_slices(features)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)
from_preset 方法SmolLM3CausalLMPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
从模型预设实例化一个 keras_hub.models.Preprocessor。
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 Preprocessor 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。
由于一个给定模型通常有多个预处理类，因此应在特定的子类上调用此方法，例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()。
参数
示例
# Load a preprocessor for Gemma generation.
preprocessor = keras_hub.models.CausalLMPreprocessor.from_preset(
"gemma_2b_en",
)
# Load a preprocessor for Bert classification.
preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
"bert_base_en",
)
tokenizer 属性keras_hub.models.SmolLM3CausalLMPreprocessor.tokenizer
用于对字符串进行分词的分词器。