Keras NLP项目v0.20.0.dev0版本技术解析
2025-07-09 23:02:34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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

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
53
465

deepin linux kernel
C
22
5

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
349
381

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
7
0

openGauss kernel ~ openGauss is an open source relational database management system
C++
132
185

🎉 (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
873
517

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.1 K

React Native鸿蒙化仓库
C++
179
264

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
609
59

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4