MistralCausalLM 模型

[源代码]

MistralCausalLM 类

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

用于因果语言建模的端到端 Mistral 模型。

因果语言模型 (LM) 根据先前的词元 (token) 预测下一个词元。此任务设置可用于在纯文本输入上对模型进行无监督训练，或用于自回归地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() 上的一个额外 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过程。默认情况下，将使用 "top_k" 采样。

参数

• backbone: 一个 keras_hub.models.MistralBackbone 实例。
• preprocessor: 一个 keras_hub.models.MistralCausalLMPreprocessor 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。

[源代码]

from_preset 方法

MistralCausalLM.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。

可以通过以下两种方式之一调用此构造函数。可以从特定于任务的基类（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，返回对象的子类将根据预设目录中的配置进行推断。

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

MistralCausalLM.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 层所期望的结构相匹配（通常是原始字符串）。如果未附加 preprocessor，则输入应与 backbone 所期望的结构相匹配。请参阅上面的用法示例，以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，inputs 应与 preprocessor 层所期望的结构相匹配。如果未附加 preprocessor，inputs 应与 backbone 模型所期望的结构相匹配。
• max_length: 可选。整数。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，inputs 应被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" 或词元 ID 的元组。默认为 "auto"，它会使用 preprocessor.tokenizer.end_token_id。未指定预处理器将产生错误。`None` 表示在生成 max_length 个词元后停止。您也可以指定一个模型应停止生成的词元 ID 列表。请注意，词元序列中的每个词元都将被解释为一个停止词元，不支持多词元停止序列。
• 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.MistralCausalLM.backbone

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

preprocessor 属性

keras_hub.models.MistralCausalLM.preprocessor

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