bert4keras3 1.0.1

bert4keras for keras3

# bert4keras3 ## 背景 bert4keras是我最喜欢的库之一，但在现在来说其后端tf1.15显得有点落后，因此本库目的在实现对其的升级

## 目的 兼容tf.keras keras2.3.1+tf1.15-tf2.2 以及keras3及其对应后端 目前已经成功实现了bert4keras所支持的所有预训练模型的兼容 bert4keras实现的优化器目前暂时不做兼容，除开优化器部分外，如何使用请参考bert4keras的example，本仓库的example只提供了如何把模型load出来的测试

## 版本

keras3的相关后端，请参考keras官方的版本要求 keras2的版本建议是tf1.15-tf2.2+keras2.3.1或tf.keras 即使你不使用tf作为后端，也要安装一个tf的cpu版本 ## 功能 初始版本与bert4keras基本相同，可以参考https://github.com/bojone/bert4keras 但需要注意的是，如果bert4keras的example中必须要要tf.keras的，在本库中依然需要 如果你需要使用tf之外的其他后端，需要修改bert4keras中的tf api 由于优化器部分维护工作量过大，本库放弃了对器优化器的维护。并且以后如果推出优化器功能，只keras3版本 目前keras3支持原生梯度累积、ema，AdamW等，如果需要什么keras不支持的功能欢迎提issue 除此之外重计算/gradient_checkpoint功能目前依然不支持keras3

## 如何实现多版本兼容

如果你只是想兼容torch、tf和jax，那么我建议你使用纯keras的api实现o，参考keras.i。对于精细的算子可以使用keras.ops,如果keras实在没有算子，那你只能提供一个api的三后端实现了 如果你想兼容keras2和tf.api，因为在keras3中增加了ops系列并且删除了绝大部分keras.backend中的算子操作。因此如果你需要兼容tf2是有一定困难的。 为了解决这个问题，bert4keras3.ops手动对齐了keras3中的ops，api。所以如果你想要兼容keras2和tf.keras，那么在编写代码时请from bert4keras3 import ops，在keras2中使用的是我们对齐的api，而在keras3中使用的是keras.ops。通过这种方法，你可以很容易地实现更好的兼容性

## 权重

目前支持加载的权重： - <strong>Google原版bert</strong>: https://github.com/google-research/bert - <strong>brightmart版roberta</strong>: https://github.com/brightmart/roberta_zh - <strong>哈工大版roberta</strong>: https://github.com/ymcui/Chinese-BERT-wwm - <strong>Google原版albert</strong>^{<a href=”https://github.com/bojone/bert4keras/issues/29#issuecomment-552188981”>[例子]</a>}: https://github.com/google-research/ALBERT - <strong>brightmart版albert</strong>: https://github.com/brightmart/albert_zh - <strong>转换后的albert</strong>: https://github.com/bojone/albert_zh - <strong>华为的NEZHA</strong>: https://github.com/huawei-noah/Pretrained-Language-Model/tree/master/NEZHA-TensorFlow - <strong>华为的NEZHA-GEN</strong>: https://github.com/huawei-noah/Pretrained-Language-Model/tree/master/NEZHA-Gen-TensorFlow - <strong>苏神自研语言模型</strong>: https://github.com/ZhuiyiTechnology/pretrained-models - <strong>T5模型</strong>: https://github.com/google-research/text-to-text-transfer-transformer - <strong>GPT_OpenAI</strong>: https://github.com/bojone/CDial-GPT-tf - <strong>GPT2_ML</strong>: https://github.com/imcaspar/gpt2-ml - <strong>Google原版ELECTRA</strong>: https://github.com/google-research/electra - <strong>哈工大版ELECTRA</strong>: https://github.com/ymcui/Chinese-ELECTRA - <strong>CLUE版ELECTRA</strong>: https://github.com/CLUEbenchmark/ELECTRA - <strong>LaBSE（多国语言BERT）</strong>: https://github.com/bojone/labse - <strong>Chinese-GEN项目下的模型</strong>: https://github.com/bojone/chinese-gen - <strong>T5.1.1</strong>: https://github.com/google-research/text-to-text-transfer-transformer/blob/master/released_checkpoints.md#t511 - <strong>Multilingual T5</strong>: https://github.com/google-research/multilingual-t5/ - <strong>GAU-ALPHA</strong>: https://github.com/ZhuiyiTechnology/GAU-alpha

<strong>注意事项</strong> - 注1：brightmart版albert的开源时间早于Google版albert，这导致早期brightmart版albert的权重与Google版的不完全一致，换言之两者不能直接相互替换。为了减少代码冗余，bert4keras的0.2.4及后续版本均只支持加载<u>Google版</u>以brightmart版中<u>带Google字眼</u>的权重。如果要加载早期版本的权重，请用<a href=”https://github.com/bojone/bert4keras/releases/tag/v0.2.3”>0.2.3版本</a>，或者考虑作者转换过的<a href=”https://github.com/bojone/albert_zh”>albert_zh</a>。 - 注2：下载下来的ELECTRA权重，如果没有json配置文件的话，参考<a href=”https://github.com/ymcui/Chinese-ELECTRA/issues/3”>这里</a>自己改一个（需要加上`type_vocab_size`字段）。 ## 2023.12.30发布bert4keras3的第一个版本 对bert4keras除优化器部分外的升级，实现对tf1.15-tf2.14，jax，torch的多后端兼容