GPTNeoXCausalLM 模型

[源代码]

GPTNeoXCausalLM 类

keras_hub.models.GPTNeoXCausalLM(backbone, preprocessor=None, **kwargs)

一个用于因果语言建模的端到端 GPTNeoX 模型。

因果语言模型 (LM) 根据先前的标记预测下一个标记。这种任务设置可用于在纯文本输入上无监督地训练模型，或自动回归生成与训练数据相似的纯文本。通过简单地调用 fit()，此任务可用于预训练或微调 GPT-NeoX 模型。

此模型有一个 generate() 方法，可以根据提示生成文本。所使用的生成策略由 compile() 上的附加 sampler 参数控制。你可以使用不同的 keras_hub.samplers 对象重新编译模型以控制生成。默认情况下，将使用“top_k”采样。

参数

• backbone: 一个 keras_hub.models.GPTNeoXBackbone 实例。
• preprocessor: 一个 keras_hub.models.GPTNeoXCausalLMPreprocessor 或 None。如果为 None，则此模型将不应用预处理，并且在调用模型之前应预处理输入。

[源代码]

from_preset 方法

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

从模型预设实例化一个 keras_hub.models.Task。

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：

1. 一个内置的预设标识符，如 'bert_base_en'
2. 一个 Kaggle Models 句柄，如 'kaggle://user/bert/keras/bert_base_en'
3. 一个 Hugging Face 句柄，如 'hf://user/bert_base_en'
4. 一个本地预设目录的路径，如 './bert_base_en'

对于任何 Task 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。

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

参数

• preset：字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。
• load_weights: 布尔值。如果为 True，已保存的权重将被加载到模型架构中。如果为 False，所有权重将被随机初始化。

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

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

根据提示 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，输出将“逐批”生成并连接起来。否则，所有输入将被视为单个批次处理。

如果 preprocessor 附加到模型，则 inputs 将在 generate() 函数内部进行预处理，并且应与 preprocessor 层所期望的结构匹配（通常是原始字符串）。如果未附加 preprocessor，则输入应与 backbone 所期望的结构匹配。有关每种情况的演示，请参阅上面的示例用法。

参数

• inputs: Python 数据、张量数据或 tf.data.Dataset。如果 preprocessor 附加到模型，则 inputs 应与 preprocessor 层所期望的结构匹配。如果未附加 preprocessor，则 inputs 应与 backbone 模型所期望的结构匹配。
• max_length: 可选。int。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 应填充到所需的最小长度，并且此参数将被忽略。
• stop_token_ids: 可选。None、“auto”或标记 ID 元组。默认为“auto”，它使用 preprocessor.tokenizer.end_token_id。未指定处理器将导致错误。None 会在生成 max_length 个标记后停止生成。你还可以指定模型应停止的标记 ID 列表。请注意，标记序列将被解释为停止标记，不支持多标记停止序列。
• strip_prompt：可选。默认情况下，generate() 返回完整的提示及其后由模型生成的补全内容。如果此选项设置为 True，则只返回新生成的文本。

backbone 属性

keras_hub.models.GPTNeoXCausalLM.backbone

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

preprocessor 属性

keras_hub.models.GPTNeoXCausalLM.preprocessor

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