Keras NLP项目v0.20.0.dev0版本技术解析
2025-07-09 05:28:09作者:卓炯娓
Keras NLP是Keras团队推出的自然语言处理工具库,它建立在Keras框架之上,为开发者提供了丰富的预训练模型和高效的NLP工具。本次发布的v0.20.0.dev0版本带来了多项重要更新,包括新模型的加入、性能优化以及功能增强。
核心模型更新
SigLIP系列模型引入
本次更新新增了SigLIP和SigLIP2两种视觉语言模型。SigLIP(Sigmoid Language-Image Pretraining)是一种创新的视觉语言预训练方法,它通过sigmoid交叉熵损失函数替代传统的softmax交叉熵,显著提升了模型在零样本分类任务上的性能。SigLIP2则是在此基础上的改进版本,进一步优化了模型架构和训练策略。
Gemma模型升级
Gemma系列模型迎来了重要更新:
- 新增Gemma3模型,这是Google最新推出的大型语言模型,在多个基准测试中表现出色
- 针对TPU环境优化了Gemma的注意力机制实现
- 调整了滑动窗口注意力在模型中的位置,使其位于FA(Flash Attention)块之前,提升了计算效率
- 为Gemma3添加了视觉能力支持,使其能够处理多模态任务
Qwen 2.5模型
虽然最终版本中暂时移除了Qwen 2.5的导出功能,但这一更新表明Keras NLP正在积极整合最新的开源大模型。Qwen(通义千问)是阿里云开发的大型语言模型系列,2.5版本在推理能力和多语言支持上有所增强。
架构优化与功能改进
注意力机制增强
- 针对不同硬件平台优化了注意力实现,特别是对TPU和GPU的支持
- 更新了Flash Attention的门控条件,确保在支持的GPU上能够正确启用这一高效注意力实现
模型训练工具
- 扩展了LoRA(Low-Rank Adaptation)的目标层选择功能,开发者现在可以更灵活地指定需要应用LoRA的层
- 新增了TextToImagePreprocessor基类,为文本到图像模型的预处理提供了统一接口
移动端优化
新增了MobileNet的前3个HuggingFace预设配置,使开发者能够更方便地在移动设备上部署轻量级视觉模型。
开发者体验提升
- 修复了图像转换器中的数据类型错误,提高了模型输入的兼容性
- 更新了贡献指南和预提交检查流程,使社区贡献更加规范
- 完善了开发环境配置,将pre-commit工具加入公共依赖文件
技术前瞻
从本次更新可以看出Keras NLP的几个发展方向:
- 多模态能力增强:通过SigLIP和Gemma3 Vision的加入,库正在扩展对视觉语言任务的支持
- 硬件适配优化:特别关注TPU和不同GPU架构的性能调优
- 最新模型整合:积极跟进业界最新模型发展,如Gemma3和Qwen等
这个预发布版本为开发者提供了丰富的工具和模型选择,特别是在多模态和大型语言模型支持方面有了显著进步。随着正式版本的临近,我们可以期待更稳定和高效的NLP开发体验。
登录后查看全文
热门项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00HunyuanWorld-Mirror
混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile012
Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
235
2.34 K

仓颉编译器源码及 cjdb 调试工具。
C++
113
80

暂无简介
Dart
537
117

React Native鸿蒙化仓库
JavaScript
216
291

Ascend Extension for PyTorch
Python
76
106

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
994
588

仓颉编程语言测试用例。
Cangjie
34
64

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
130
650