GPTNeoXCausalLM 模型

[源]

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) 根据之前的 token 预测下一个 token。此任务设置可用于对纯文本输入进行无监督训练，或自回归生成与训练数据相似的纯文本。只需调用 fit()，此任务即可用于 GPT-NeoX 模型的预训练或微调。

此模型包含 generate() 方法，该方法可根据 prompt 生成文本。用于生成的策略由 compile() 方法上的附加 sampler 参数控制。您可以使用不同的 keras_hub.samplers 对象重新编译模型来控制生成。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，此模型将不应用预处理，输入应在调用模型前进行预处理。

[源]

from_preset 方法

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

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

preset 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 可以以下列形式之一传递：

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

对于任何 Task 子类，您可以运行 cls.presets.keys() 来列出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。要么从特定任务的基类调用，如 keras_hub.models.CausalLM.from_preset()，要么从模型类调用，如 keras_hub.models.BertTextClassifier.from_preset()。如果从基类调用，则返回对象的子类将根据 preset 目录中的配置推断。

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]

generate 方法

GPTNeoXCausalLM.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 tf.data.Dataset，则输出将“逐批”生成并连接。否则，所有输入都将作为一个批次处理。

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

参数

• inputs：Python 数据、张量数据或 tf.data.Dataset。如果模型附加了 preprocessor，则 inputs 应与 preprocessor 层期望的结构匹配。如果未附加 preprocessor，则 inputs 应与 backbone 模型期望的结构匹配。
• max_length：可选。整型。生成序列的最大长度。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，并且此参数将被忽略。
• stop_token_ids：可选。None、“auto”或 token id 元组。默认为“auto”，使用 preprocessor.tokenizer.end_token_id。未指定 preprocessor 将产生错误。如果为 None，则在生成 max_length 个 token 后停止生成。您还可以指定模型应停止的一系列 token id。请注意，token 序列中的每个 token 都将被解释为一个停止 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。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.GPTNeoXCausalLM.backbone

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。