XLMRobertaBackbone
类keras_hub.models.XLMRobertaBackbone(
vocabulary_size,
num_layers,
num_heads,
hidden_dim,
intermediate_dim,
dropout=0.1,
max_sequence_length=512,
dtype=None,
**kwargs
)
一个 XLM-RoBERTa 编码器网络。
此类实现了一个双向的基于 Transformer 的编码器,如 “Unsupervised Cross-lingual Representation Learning at Scale” 中所述。它包含嵌入查找和 transformer 层,但不包括预训练期间使用的掩码语言建模头。
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,具有任意数量的层、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,不带任何形式的担保或条件。底层模型由第三方提供,并受单独许可协议的约束,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)无论 dtype 如何,将始终以 float32 精度完成。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]]),
}
# Pretrained XLM-R encoder.
model = keras_hub.models.XLMRobertaBackbone.from_preset(
"xlm_roberta_base_multi",
)
model(input_data)
# Randomly initialized XLM-R model with custom config.
model = keras_hub.models.XLMRobertaBackbone(
vocabulary_size=250002,
num_layers=4,
num_heads=4,
hidden_dim=256,
intermediate_dim=512,
max_sequence_length=128
)
model(input_data)
from_preset
方法XLMRobertaBackbone.from_preset(preset, load_weights=True, **kwargs)
从模型预设实例化一个 keras_hub.models.Backbone
。
预设是用于保存和加载预训练模型的配置、权重和其他文件资产的目录。可以将 preset
作为以下内容之一传递:
'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之一调用。可以从基类调用,例如 keras_hub.models.Backbone.from_preset()
,也可以从模型类调用,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()
以列出该类上所有可用的内置预设。
参数
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 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 |
---|---|---|
xlm_roberta_base_multi | 277.45M | 保持大小写的 12 层 XLM-RoBERTa 模型。在 100 种语言的 CommonCrawl 上训练。 |
xlm_roberta_large_multi | 558.84M | 保持大小写的 24 层 XLM-RoBERTa 模型。在 100 种语言的 CommonCrawl 上训练。 |
token_embedding
属性keras_hub.models.XLMRobertaBackbone.token_embedding
一个 keras.layers.Embedding
实例,用于嵌入 token id。
此层将整数 token id 嵌入到模型的隐藏层维度中。