KerasHub：预训练模型
入门 开发者指南 API 文档 建模 API 模型架构 分词器 预处理层 建模层 采样器 指标 预训练模型列表
► KerasHub: 预训练模型 / API 文档 / 模型架构 / Moonshine / MoonshineTokenizer

MoonshineTokenizer

[源代码]

MoonshineTokenizer 类

keras_hub.tokenizers.MoonshineTokenizer(proto, **kwargs)

基于 keras_hub.models.LlamaTokenizer 的 Moonshine 分词器层。

此分词器类是 LlamaTokenizer 的别名，但专用于 Moonshine 模型。它使用 SentencePiece 词汇表进行分词。

参数

  • proto: str 或 bytes。可以是 SentencePiece proto 文件的字符串路径，也可以是包含序列化 SentencePiece proto 的字节对象。有关格式的详细信息，请参阅 SentencePiece 存储库。
  • **kwargs: 传递给父类 LlamaTokenizer 的其他关键字参数。

示例

from keras_hub.tokenizers import MoonshineTokenizer

# Initialize tokenizer.
tokenizer = MoonshineTokenizer(
    "keras_hub/src/tests/test_data/llama_test_vocab.spm"
)

# Single input example.
single_input = "the quick brown fox"
single_tokens = tokenizer(single_input)
print("Single input tokenization:")
print(f"Input text: {single_input}")
print(f"Tokenized: {single_tokens}")

# Batched input example.
batch_input = ["the quick brown fox", "the earth is round"]
batch_tokens = tokenizer(batch_input)
print("Batch input tokenization:")
print(f"Input texts: {batch_input}")
print(f"Tokenized: {batch_tokens}")

# Detokenization example.
encoded = tokenizer(single_input)
decoded = tokenizer.detokenize(encoded)
print("Detokenization:")
print(f"Original text: {single_input}")
print(f"Encoded: {encoded}")
print(f"Decoded: {decoded}")

[源代码]

from_preset 方法

MoonshineTokenizer.from_preset(preset, config_file="tokenizer.json", **kwargs)

从模型预设实例化一个 keras_hub.models.Tokenizer。

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 Tokenizer 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。可以从基类调用，如 keras_hub.models.Tokenizer.from_preset()，或者从模型类调用，如 keras_hub.models.GemmaTokenizer.from_preset()。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`，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 preset tokenizer.
tokenizer = keras_hub.tokenizer.Tokenizer.from_preset("bert_base_en")

# Tokenize some input.
tokenizer("The quick brown fox tripped.")

# Detokenize some input.
tokenizer.detokenize([5, 6, 7, 8, 9])
预设 参数 描述
llama2_7b_en 6.74B 70 亿参数，32 层，基础 LLaMA 2 模型。
llama2_instruct_7b_en 6.74B 70 亿参数，32 层，指令微调 LLaMA 2 模型。
vicuna_1.5_7b_en 6.74B 70 亿参数，32 层，指令微调 Vicuna v1.5 模型。
llama2_7b_en_int8 6.74B 70 亿参数，32 层，基础 LLaMA 2 模型，激活和权重均量化为 int8。
llama2_instruct_7b_en_int8 6.74B 70 亿参数，32 层，指令微调 LLaMA 2 模型，激活和权重均量化为 int8。
llama3.2_1b 15.0 亿 10 亿参数、16 层的 LLaMA 3.2 基础模型。
llama3.2_instruct_1b 15.0 亿 10 亿参数、16 层的经过指令调优的 LLaMA 3.2 模型。
llama3.2_guard_1b 15.0 亿 10 亿参数、16 层的 LLaMA 3.2 基础模型，为同意安全分类进行了微调。
llama3.2_3b 36.1 亿 30 亿参数、26 层的 LLaMA 3.2 基础模型。
llama3.2_instruct_3b 36.1 亿 30 亿参数、28 层的经过指令调优的 LLaMA 3.2 模型。
llama3_8b_en 80.3 亿 80 亿参数、32 层的 LLaMA 3 基础模型。
llama3_instruct_8b_en 80.3 亿 80 亿参数、32 层的经过指令调优的 LLaMA 3 模型。
llama3.1_8b 80.3 亿 80 亿参数、32 层的 LLaMA 3.1 基础模型。
llama3.1_instruct_8b 80.3 亿 80 亿参数、32 层的经过指令调优的 LLaMA 3.1 模型。
llama3.1_guard_8b 80.3 亿 80 亿参数、32 层的 LLaMA 3.1 模型，为同意安全分类进行了微调。
llama3_8b_en_int8 80.3 亿 80 亿参数、32 层的 LLaMA 3 基础模型，其激活和权重被量化为 int8。
llama3_instruct_8b_en_int8 80.3 亿 80 亿参数、32 层的经过指令调优的 LLaMA 3 模型，其激活和权重被量化为 int8。
MoonshineTokenizer
MoonshineTokenizer 类
from_preset 方法