Gemma3CausalLM 模型

[源代码]

Gemma3CausalLM 类

keras_hub.models.Gemma3CausalLM(preprocessor, backbone, **kwargs)

一个用于因果语言建模的端到端多模态 Gemma3 模型。

因果语言模型 (LM) 根据先前的 token 预测下一个 token。这种任务设置可用于在图像和纯文本输入上对模型进行无监督训练，或自回归生成类似于训练数据中的纯文本。请注意，该模型支持图像和文本输入，并输出文本。

此模型有一个 generate() 方法，可根据 prompt 生成文本。使用的生成策略由 compile() 中的附加 sampler 参数控制。您可以使用不同的 keras_hub.samplers 对象重新编译模型以控制生成。默认情况下，将使用 "greedy" 采样。

此模型可选择配置一个 preprocessor 层，在这种情况下，它将在 fit()、predict()、evaluate() 和 generate() 期间自动对字符串输入应用预处理。使用 from_preset() 创建模型时，默认会执行此操作。

参数

• preprocessor: 一个 keras_hub.models.Gemma3CausalLMPreprocessor 或 None。如果为 None，则此模型不会应用预处理，输入应在调用模型之前进行预处理。
• backbone: 一个 keras_hub.models.Gemma3Backbone 实例。

[源代码]

from_preset 方法

Gemma3CausalLM.from_preset(preset, load_weights=True, **kwargs)

从模型 preset 实例化一个 keras_hub.models.Task。

Preset 是用于保存和加载预训练模型的配置文件、权重和其他文件资产的目录。preset 可以作为以下项之一传入：

1. 内置 preset 标识符，例如 'bert_base_en'
2. Kaggle Models 句柄，例如 'kaggle://user/bert/keras/bert_base_en'
3. Hugging Face 句柄，例如 'hf://user/bert_base_en'
4. 本地 preset 目录的路径，例如 './bert_base_en'

对于任何 Task 子类，您可以运行 cls.presets.keys() 列出该类上所有可用的内置 preset。

此构造函数可以通过两种方式之一调用。可以从任务特定的基类（例如 keras_hub.models.CausalLM.from_preset()）调用，也可以从模型类（例如 keras_hub.models.BertTextClassifier.from_preset()）调用。如果从基类调用，返回对象的子类将根据 preset 目录中的配置推断得出。

参数

• preset: 字符串。内置 preset 标识符、Kaggle Models 句柄、Hugging Face 句柄或本地目录路径。
• load_weights: 布尔值。如果为 True，则会将保存的权重加载到模型架构中。如果为 False，则所有权重都将随机初始化。

示例

# Load a Gemma generative task.
causal_lm = keras_hub.models.CausalLM.from_preset(
    "gemma_2b_en",
)

# Load a Bert classification task.
model = keras_hub.models.TextClassifier.from_preset(
    "bert_base_en",
    num_classes=2,
)

[源代码]

generate 方法

Gemma3CausalLM.generate(
    inputs, max_length=None, stop_token_ids="auto", strip_prompt=False
)

根据 prompt inputs 生成文本。

此方法根据给定的 inputs 生成文本。用于生成的采样方法可以通过 compile() 方法设置。

如果 inputs 是一个 tf.data.Dataset，则输出将“逐批”生成并连接。否则，所有输入都将作为单个批次处理。

如果模型附加了 preprocessor，inputs 将在 generate() 函数内部进行预处理，并且应匹配 preprocessor 层期望的结构（通常是原始字符串）。如果未附加 preprocessor，则输入应匹配 backbone 期望的结构。请参阅上面的示例用法以了解每种情况的演示。

参数

• inputs: Python 数据、张量数据或一个 tf.data.Dataset。如果模型附加了 preprocessor，inputs 应匹配 preprocessor 层期望的结构。如果未附加 preprocessor，inputs 应匹配 backbone 模型期望的结构。
• max_length: 可选。整数。生成的序列的最大长度。将默认为 preprocessor 配置的最大 sequence_length。如果 preprocessor 为 None，则 inputs 应填充到所需的最大长度，此参数将被忽略。
• stop_token_ids: 可选。None、"auto" 或 token ID 元组。默认为 "auto"，即使用 preprocessor.tokenizer.end_token_id。未指定 processor 将导致错误。None 会在生成 max_length 个 token 后停止生成。您还可以指定模型应停止的 token ID 列表。请注意，token 序列中的每个 token 都将被解释为停止 token，不支持多 token 停止序列。
• strip_prompt: 可选。默认情况下，generate() 返回完整的 prompt 及其由模型生成的补全文本。如果此选项设置为 True，则仅返回新生成的文本。

backbone 属性

keras_hub.models.Gemma3CausalLM.backbone

一个 keras_hub.models.Backbone 模型，具有核心架构。

preprocessor 属性

keras_hub.models.Gemma3CausalLM.preprocessor

一个 keras_hub.models.Preprocessor 层，用于预处理输入。