T5Backbone
类keras_hub.models.T5Backbone(
vocabulary_size,
num_layers,
num_heads,
hidden_dim,
intermediate_dim,
key_value_dim=None,
dropout=0.1,
activation="relu",
use_gated_activation=True,
layer_norm_epsilon=1e-06,
tie_embedding_weights=True,
dtype=None,
**kwargs
)
T5 编码器-解码器骨干模型。
T5 是一个大型语言模型 (LLM),在无监督和有监督任务的混合数据集上进行预训练,其中每个任务都转换为序列到序列的格式。T5 通过在输入序列前添加各种前缀(例如,翻译任务:“translate English to German: ...”,摘要任务:“summarize: ...”)可以开箱即用地在各种任务上表现良好。
默认构造函数提供了一个完全可定制、随机初始化的 T5 模型,可以有任意数量的层、注意力头和嵌入维度。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。
参数
True
。True
,则词元嵌入的权重与将语言模型输出从 hidden_dim
投影的权重绑定。keras.mixed_precision.DTypePolicy
。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 精度进行,无论 dtype 如何。from_preset
方法T5Backbone.from_preset(preset, load_weights=True, **kwargs)
从模型预设实例化一个 keras_hub.models.Backbone
。
预设是包含配置、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'
此构造函数可以通过两种方式调用。既可以从基类调用,如 keras_hub.models.Backbone.from_preset()
,也可以从模型类调用,如 keras_hub.models.GemmaBackbone.from_preset()
。如果从基类调用,则返回对象的子类将从预设目录中的配置推断。
对于任何 Backbone
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。
参数
True
,则会将权重加载到模型架构中。如果为 False
,则权重将随机初始化。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 |
---|---|---|
t5_small_multi | 0 | 8 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
t5_base_multi | 0 | 12 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
t5_large_multi | 0 | 24 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
flan_small_multi | 0 | 8 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
flan_base_multi | 0 | 12 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
flan_large_multi | 0 | 24 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
t5_1.1_small | 60.51M | |
t5_1.1_base | 247.58M | |
t5_1.1_large | 750.25M | |
t5_1.1_xl | 2.85B | |
t5_1.1_xxl | 11.14B |
token_embedding
属性keras_hub.models.T5Backbone.token_embedding
一个 keras.layers.Embedding
实例,用于嵌入词元 ID。
此层将整数词元 ID 嵌入到模型的隐藏维度中。