参数

• input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。如果您提供填充，默认情况下会忽略填充。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请查看 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是输入 ID？

• attention_mask (torch.Tensor 形状为 (batch_size, sequence_length), 可选) — 掩码，用于避免对填充标记索引执行注意力。掩码值在 [0, 1] 中选择：
  • 1 表示未掩码的标记，
  • 0 表示已掩码的标记。

  什么是注意力掩码？

• decoder_input_ids (torch.LongTensor 形状为 (batch_size, target_sequence_length), 可选) — 解码器输入序列令牌在词汇表中的索引。

  索引可以通过 AutoTokenizer 获取。有关详细信息，请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是解码器输入 ID？

  Bart 使用 eos_token_id 作为 decoder_input_ids 生成器起始令牌。如果使用 past_key_values，则可选地仅需要输入最后的 decoder_input_ids（请参阅 past_key_values）。

  对于翻译和摘要训练，应提供 decoder_input_ids。如果未提供 decoder_input_ids，则模型将通过将 input_ids 向右移动来创建此张量，以便根据论文进行去噪预训练。

• decoder_attention_mask (torch.LongTensor 形状为 (batch_size, target_sequence_length), 可选) — 默认行为：生成一个张量，忽略 decoder_input_ids 中的填充令牌。因果掩码也将默认使用。

  如果您想更改填充行为，您应该阅读 modeling_bart._prepare_decoder_attention_mask 并根据您的需要修改。有关默认策略的更多信息，请参阅 论文 中的图 1。

• head_mask (torch.Tensor 形状为 (encoder_layers, encoder_attention_heads), 可选) — 掩码以使编码器中注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• decoder_head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads), 可选) — 掩码以使解码器中注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• cross_attn_head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads), 可选) — 掩码以使解码器中交叉注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• encoder_outputs (tuple(tuple(torch.FloatTensor), 可选) — 元组包含 (last_hidden_state, 可选: hidden_states, 可选: attentions) last_hidden_state 形状为 (batch_size, sequence_length, hidden_size), 可选) 是编码器最后一层输出处的隐藏状态序列。用于解码器的交叉注意力。
• past_key_values (tuple(tuple(torch.FloatTensor)), 可选, 当传递 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(torch.FloatTensor) 元组，每个元组具有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量，以及 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加张量。

  包含预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），可用于（请参阅 past_key_values 输入）加速顺序解码。

  如果使用 past_key_values，则用户可以选择仅输入最后一个 decoder_input_ids（那些没有提供其过去键值状态的模型）的形状为 (batch_size, 1)，而不是所有 decoder_input_ids 的形状为 (batch_size, sequence_length)。

• inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 可选地，您可以选择直接传递嵌入表示，而不是传递 input_ids。如果您想对如何将 input_ids 索引转换为相关向量（而不是模型的内部嵌入查找矩阵）有更多控制，这将很有用。
• decoder_inputs_embeds (torch.FloatTensor 形状为 (batch_size, target_sequence_length, hidden_size)，可选) — 可选地，您无需传递 decoder_input_ids 而是选择直接传递嵌入表示。如果使用 past_key_values，则可选地仅需输入最后一个 decoder_inputs_embeds（参见 past_key_values）。如果您希望对如何将 decoder_input_ids 索引转换为关联向量进行更多控制，而不是模型的内部嵌入查找矩阵，这将很有用。

  如果 decoder_input_ids 和 decoder_inputs_embeds 都未设置，decoder_inputs_embeds 将取 inputs_embeds 的值。

• use_cache (bool，可选) — 如果设置为 True，则会返回 past_key_values 键值状态，并可用于加快解码速度（参见 past_key_values）。
• output_attentions (bool，可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参见返回张量中的 attentions。
• output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参见返回张量中的 hidden_states。
• return_dict (bool，可选) — 是否返回 ModelOutput 而不是普通元组。

一个 transformers.modeling_outputs.Seq2SeqModelOutput 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含取决于配置 (BartConfig) 和输入的各种元素。

• last_hidden_state (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)) — 模型解码器最后一层的输出处的隐藏状态序列。

  如果使用 past_key_values，则仅输出形状为 (batch_size, 1, hidden_size) 的序列的最后一个隐藏状态。

• past_key_values (tuple(tuple(torch.FloatTensor))，可选，在传递 use_cache=True 或当 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(torch.FloatTensor) 元组，每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量）和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加张量。

  包含预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），这些状态可用于（参见 past_key_values 输入）加快顺序解码速度。

• decoder_hidden_states (tuple(torch.FloatTensor)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出）形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每个层的输出处的隐藏状态，以及可选的初始嵌入输出。

• decoder_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的交叉注意力层的注意力权重，在注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。

• encoder_last_hidden_state (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 模型编码器最后一层的输出处的隐藏状态序列。

• encoder_hidden_states (tuple(torch.FloatTensor)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出）形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每个层的输出处的隐藏状态，以及可选的初始嵌入输出。

• encoder_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

参数

• input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。如果您提供填充，则默认情况下将忽略填充。

  索引可以使用 AutoTokenizer 获取。查看 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 以获取详细信息。

  什么是输入 ID？

• attention_mask (torch.Tensor 形状为 (batch_size, sequence_length)，可选) — 避免对填充标记索引执行注意力的掩码。掩码值在 [0, 1] 中选择：
  • 1 表示未掩码的标记，
  • 0 表示掩码的标记。

  什么是注意力掩码？

• decoder_input_ids (torch.LongTensor 形状为 (batch_size, target_sequence_length)，可选) — 词汇表中解码器输入序列标记的索引。

  索引可以使用 AutoTokenizer 获取。查看 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 以获取详细信息。

  什么是解码器输入 ID？

  Bart 使用 eos_token_id 作为 decoder_input_ids 生成的起始标记。如果使用 past_key_values，则可以选择仅输入最后一个 decoder_input_ids（参见 past_key_values）。

  对于翻译和摘要训练，应提供 decoder_input_ids。如果未提供 decoder_input_ids，则模型将通过将 input_ids 向右移动来创建此张量，以按照论文进行去噪预训练。

  对于翻译和摘要训练，应提供 decoder_input_ids。如果没有提供 decoder_input_ids，模型将通过将 input_ids 右移来创建此张量，以便按照论文进行去噪预训练。

• decoder_attention_mask (torch.LongTensor 形状为 (batch_size, target_sequence_length)，可选) — 默认行为：生成一个忽略 decoder_input_ids 中填充标记的张量。因果掩码也将默认使用。

  如果您想更改填充行为，您应该阅读 modeling_bart._prepare_decoder_attention_mask 并修改以满足您的需求。有关默认策略的更多信息，请参阅 论文 中的图 1。

• head_mask (torch.Tensor 形状为 (encoder_layers, encoder_attention_heads)，可选) — 用于使编码器中注意力模块的选定头部无效的掩码。掩码值在 [0, 1] 中选择：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• decoder_head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使解码器中注意力模块的选定头部无效的掩码。掩码值在 [0, 1] 中选择：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• cross_attn_head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使解码器中交叉注意力模块的选定头部无效的掩码。掩码值在 [0, 1] 中选择：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• encoder_outputs (tuple(tuple(torch.FloatTensor)，可选) — 元组包含 (last_hidden_state，可选: hidden_states，可选: attentions) last_hidden_state 形状为 (batch_size, sequence_length, hidden_size)，可选) 是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意力。
• past_key_values (tuple(tuple(torch.FloatTensor))，可选，在传入 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(tuple(torch.FloatTensor)) 元组，每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量，以及 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的额外张量。

  包含预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），可以用来（参见 past_key_values 输入）加速顺序解码。

  如果使用 past_key_values，用户可以选择仅输入最后一个 decoder_input_ids（那些没有为这个模型提供过去键值状态的 decoder_input_ids），形状为 (batch_size, 1)，而不是所有形状为 (batch_size, sequence_length) 的 decoder_input_ids。

• inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 可选地，而不是传递 input_ids，可以选择直接传递嵌入表示。如果您想要比模型的内部嵌入查找矩阵对如何将 input_ids 索引转换为关联向量有更多控制权，这将很有用。
• decoder_inputs_embeds (torch.FloatTensor 形状为 (batch_size, target_sequence_length, hidden_size)，可选) — 可选地，而不是传递 decoder_input_ids，可以选择直接传递嵌入表示。如果使用 past_key_values，可以选择仅输入最后一个 decoder_inputs_embeds（参见 past_key_values）。如果您想要比模型的内部嵌入查找矩阵对如何将 decoder_input_ids 索引转换为关联向量有更多控制权，这将很有用。

  如果 decoder_input_ids 和 decoder_inputs_embeds 都未设置，decoder_inputs_embeds 将取 inputs_embeds 的值。

• use_cache (bool，可选) — 如果设置为 True，将返回 past_key_values 键值状态，可以用来加速解码（参见 past_key_values）。
• output_attentions (bool，可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参阅返回张量中的 attentions。
• output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关详细信息，请参阅返回张量下的 hidden_states。
• return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。
• labels (torch.LongTensor 形状为 (batch_size, sequence_length), 可选) — 用于计算掩码语言建模损失的标签。索引应在 [0, ..., config.vocab_size] 或 -100 中（请参阅 input_ids 文档字符串）。索引设置为 -100 的令牌将被忽略（掩码），损失仅针对标签在 [0, ..., config.vocab_size] 中的令牌计算。

一个 transformers.modeling_outputs.Seq2SeqLMOutput 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包括取决于配置 (BartConfig) 和输入的各种元素。

• loss (torch.FloatTensor 形状为 (1,), 可选, 当提供 labels 时返回) — 语言建模损失。

• logits (torch.FloatTensor 形状为 (batch_size, sequence_length, config.vocab_size)) — 语言建模头的预测分数（在 SoftMax 之前的每个词汇表令牌的分数）。

• past_key_values (tuple(tuple(torch.FloatTensor))，可选，在传递 use_cache=True 或当 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(torch.FloatTensor) 元组，每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量）和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加张量。

  包含预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），这些状态可用于（参见 past_key_values 输入）加快顺序解码速度。

• decoder_hidden_states (tuple(torch.FloatTensor)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出）形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出的隐藏状态加上初始嵌入输出。

• decoder_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的交叉注意力层的注意力权重，在注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。

• encoder_last_hidden_state (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 模型编码器最后一层的输出处的隐藏状态序列。

• encoder_hidden_states (tuple(torch.FloatTensor)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出）形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出的隐藏状态加上初始嵌入输出。

• encoder_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

参数

• input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。如果您提供填充，则默认情况下会忽略填充。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 。

  什么是输入 ID？

• attention_mask (torch.Tensor 形状为 (batch_size, sequence_length), 可选) — 掩码以避免对填充标记索引执行注意力。在 [0, 1] 中选择的掩码值：
  • 1 表示 未掩码 的标记，
  • 0 表示 掩码 的标记。

  什么是注意力掩码？

• decoder_input_ids (torch.LongTensor 形状为 (batch_size, target_sequence_length), 可选) — 词汇表中解码器输入序列标记的索引。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 。

  什么是解码器输入 ID？

  Bart 使用 eos_token_id 作为 decoder_input_ids 生成 的起始标记。如果使用 past_key_values，则可以选择仅输入最后一个 decoder_input_ids（请参阅 past_key_values）。

  对于翻译和摘要训练，应提供 decoder_input_ids。如果未提供 decoder_input_ids，模型将通过将 input_ids 向右移动来创建此张量，以根据论文进行去噪预训练。

• decoder_attention_mask (torch.LongTensor 形状为 (batch_size, target_sequence_length), 可选) — 默认行为：生成一个张量，该张量会忽略 decoder_input_ids 中的填充标记。默认情况下还会使用因果掩码。

  如果您想更改填充行为，您应该阅读 modeling_bart._prepare_decoder_attention_mask 并根据您的需要进行修改。有关默认策略的更多信息，请参阅 论文 中的图 1。

• head_mask (torch.Tensor 形状为 (encoder_layers, encoder_attention_heads), 可选) — 掩码以使编码器中注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示 未掩码 的头部，
  • 0 表示 掩码 的头部。
• decoder_head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads), 可选) — 掩码以使解码器中注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示 未掩码 的头部，
  • 0 表示 掩码 的头部。
• cross_attn_head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads), 可选) — 掩码以使解码器中交叉注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示 未掩码 的头部，
  • 0 表示 掩码 的头部。
• encoder_outputs (tuple(tuple(torch.FloatTensor), optional) — 元组包含 (last_hidden_state, optional: hidden_states, optional: attentions) last_hidden_state 形状为 (batch_size, sequence_length, hidden_size), optional) 是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意力。
• past_key_values (tuple(tuple(torch.FloatTensor)), optional, 当传递 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(torch.FloatTensor) 元组，每个元组包含两个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量，以及两个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的额外张量。

  包含预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。

  如果使用了 past_key_values，用户可以选择仅输入最后一个 decoder_input_ids（那些没有为此模型给出过去键值状态的）形状为 (batch_size, 1)，而不是所有形状为 (batch_size, sequence_length) 的 decoder_input_ids。

• inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size), optional) — 可选地，您可以选择直接传递嵌入式表示，而不是传递 input_ids。如果您希望比模型的内部嵌入查找矩阵更灵活地控制如何将 input_ids 索引转换为相关向量，这将非常有用。
• decoder_inputs_embeds (torch.FloatTensor 形状为 (batch_size, target_sequence_length, hidden_size), optional) — 可选地，您可以选择直接传递嵌入式表示，而不是传递 decoder_input_ids。如果使用了 past_key_values，可以选择仅输入最后一个 decoder_inputs_embeds（参见 past_key_values）。如果您希望比模型的内部嵌入查找矩阵更灵活地控制如何将 decoder_input_ids 索引转换为相关向量，这将非常有用。

  如果 decoder_input_ids 和 decoder_inputs_embeds 都未设置，decoder_inputs_embeds 将取 inputs_embeds 的值。

• use_cache (bool, optional) — 如果设置为 True，将返回 past_key_values 键值状态，可用于加速解码（参见 past_key_values）。
• output_attentions (bool, optional) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参见返回张量下的 attentions。
• output_hidden_states (bool, optional) — 是否返回所有层的隐藏状态。有关更多详细信息，请参见返回张量下的 hidden_states。
• return_dict (bool, optional) — 是否返回 ModelOutput 而不是普通元组。
• labels (torch.LongTensor 形状为 (batch_size,), optional) — 用于计算序列分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 中。如果 config.num_labels > 1，则计算分类损失（交叉熵）。

一个 transformers.modeling_outputs.Seq2SeqSequenceClassifierOutput 或一个包含各种元素的 torch.FloatTensor 元组（如果传递了 return_dict=False 或者当 config.return_dict=False 时），这些元素取决于配置 (BartConfig) 和输入。

• loss (torch.FloatTensor 形状为 (1,)，可选，在提供 label 时返回) — 分类（或如果 config.num_labels==1 则为回归）损失。

• logits (torch.FloatTensor 形状为 (batch_size, config.num_labels)) — 分类（或如果 config.num_labels==1 则为回归）分数（在 SoftMax 之前）。

• past_key_values (tuple(tuple(torch.FloatTensor))，可选，在传递 use_cache=True 或当 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(torch.FloatTensor) 元组，每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量）和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加张量。

  包含预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），这些状态可用于（参见 past_key_values 输入）加快顺序解码速度。

• decoder_hidden_states (tuple(torch.FloatTensor)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出）形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出的隐藏状态加上初始嵌入输出。

• decoder_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的交叉注意力层的注意力权重，在注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。

• encoder_last_hidden_state (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 模型编码器最后一层的输出处的隐藏状态序列。

• encoder_hidden_states (tuple(torch.FloatTensor)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出）形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出的隐藏状态加上初始嵌入输出。

• encoder_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

参数

• input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。如果您提供填充，默认情况下将忽略填充。

  索引可以使用 AutoTokenizer 获取。查看 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 获取详细信息。

  什么是输入 ID？

• attention_mask (torch.Tensor 形状为 (batch_size, sequence_length)，可选) — 掩码，用于避免对填充标记索引执行注意力。在 [0, 1] 中选择掩码值：
  • 1 表示 未屏蔽 的标记，
  • 0 表示 屏蔽 的标记。

  什么是注意力掩码？

• decoder_input_ids (torch.LongTensor 形状为 (batch_size, target_sequence_length)，可选) — 解码器输入序列词元的词汇表索引。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是解码器输入 ID？

  Bart 使用 eos_token_id 作为 decoder_input_ids 生成过程的起始词元。如果使用 past_key_values，可以选择仅输入最后一个 decoder_input_ids（参见 past_key_values）。

  对于翻译和摘要训练，应提供 decoder_input_ids。如果未提供 decoder_input_ids，则模型将通过将 input_ids 向右移动来创建此张量，以遵循论文进行去噪预训练。

• decoder_attention_mask (torch.LongTensor 形状为 (batch_size, target_sequence_length)，可选) — 默认行为：生成一个张量，忽略 decoder_input_ids 中的填充词元。默认情况下也会使用因果掩码。

  如果您想更改填充行为，您应该阅读 modeling_bart._prepare_decoder_attention_mask 并根据您的需要进行修改。有关默认策略的更多信息，请参见 论文 中的图 1。

• head_mask (torch.Tensor 形状为 (encoder_layers, encoder_attention_heads)，可选) — 掩码以使编码器中注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• decoder_head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads)，可选) — 掩码以使解码器中注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• cross_attn_head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads)，可选) — 掩码以使解码器中交叉注意模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• encoder_outputs (tuple(tuple(torch.FloatTensor)，可选) — 元组包含 (last_hidden_state，可选: hidden_states，可选: attentions) last_hidden_state 形状为 (batch_size, sequence_length, hidden_size)，可选) 是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意。
• past_key_values (tuple(tuple(torch.FloatTensor))，可选，在传递 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(tuple(torch.FloatTensor)) 元组，每个元组都有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量）和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加张量。

  包含预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），可以用于（参见 past_key_values 输入）加速顺序解码。

  如果使用 past_key_values，用户可以选择仅输入最后一个 decoder_input_ids（那些没有提供其过去键值状态的模型）形状为 (batch_size, 1)，而不是所有形状为 (batch_size, sequence_length) 的 decoder_input_ids。

• inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 可选地，您可以选择直接传递嵌入表示，而不是传递 input_ids。如果您想比模型的内部嵌入查找矩阵更精确地控制如何将 input_ids 索引转换为关联的向量，这将非常有用。
• decoder_inputs_embeds (torch.FloatTensor 形状为 (batch_size, target_sequence_length, hidden_size), 可选) — 可选地，而不是传递 decoder_input_ids，您可以选择直接传递嵌入式表示。如果使用了 past_key_values，可以选择仅输入最后一个 decoder_inputs_embeds（参见 past_key_values）。如果您想要更细致地控制如何将 decoder_input_ids 索引转换为关联的向量，而不是模型的内部嵌入查找矩阵，这将很有用。

  如果 decoder_input_ids 和 decoder_inputs_embeds 均未设置，decoder_inputs_embeds 将取 inputs_embeds 的值。

• use_cache (bool, 可选) — 如果设置为 True，将返回 past_key_values 键值状态，可用于加速解码（参见 past_key_values）。
• output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参见返回张量下的 attentions。
• output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参见返回张量下的 hidden_states。
• return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。
• start_positions (torch.LongTensor 形状为 (batch_size,), 可选) — 用于计算标记分类损失的标记跨度开始位置（索引）的标签。位置被限制在序列长度（sequence_length）内。序列之外的位置不会被考虑用于计算损失。
• end_positions (torch.LongTensor 形状为 (batch_size,), 可选) — 用于计算标记分类损失的标记跨度结束位置（索引）的标签。位置被限制在序列长度（sequence_length）内。序列之外的位置不会被考虑用于计算损失。

一个 transformers.modeling_outputs.Seq2SeqQuestionAnsweringModelOutput 或者一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或者当 config.return_dict=False 时），包含根据配置（BartConfig）和输入的不同元素。

• loss (torch.FloatTensor 形状为 (1,), 可选，在提供 labels 时返回) — 总跨度提取损失是开始位置和结束位置的交叉熵之和。

• start_logits (torch.FloatTensor 形状为 (batch_size, sequence_length)) — 跨度开始分数（在 SoftMax 之前）。

• end_logits (torch.FloatTensor 形状为 (batch_size, sequence_length)) — 跨度结束分数（在 SoftMax 之前）。

• past_key_values (tuple(tuple(torch.FloatTensor))，可选，在传递 use_cache=True 或当 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(torch.FloatTensor) 元组，每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量）和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加张量。

  包含预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），这些状态可用于（参见 past_key_values 输入）加快顺序解码速度。

• decoder_hidden_states (tuple(torch.FloatTensor)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出）形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出的隐藏状态加上初始嵌入输出。

• decoder_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的交叉注意力层的注意力权重，在注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。

• encoder_last_hidden_state (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 模型编码器最后一层的输出处的隐藏状态序列。

• encoder_hidden_states (tuple(torch.FloatTensor)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出）形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出的隐藏状态加上初始嵌入输出。

• encoder_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

参数

• input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。如果您提供填充，默认情况下将忽略填充。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请查看 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是输入 ID？

• attention_mask (torch.Tensor 形状为 (batch_size, sequence_length)，可选) — 用于避免对填充标记索引执行注意的掩码。在 [0, 1] 中选择掩码值：
  • 1 表示未屏蔽的标记，
  • 0 表示屏蔽的标记。

  什么是注意力掩码？

• encoder_hidden_states (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 编码器最后一层输出的隐藏状态序列。如果模型配置为解码器，则在交叉注意力中使用。
• encoder_attention_mask (torch.FloatTensor 形状为 (batch_size, sequence_length)，可选) — 用于避免对编码器输入的填充标记索引执行注意的掩码。如果模型配置为解码器，则在交叉注意力中使用此掩码。在 [0, 1] 中选择掩码值：
• head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使注意力模块的选定头无效的掩码。在 [0, 1] 中选择掩码值：
  • 1 表示头未被屏蔽，
  • 0 表示头被屏蔽。
• cross_attn_head_mask (torch.Tensor 形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使交叉注意力模块的选定头无效的掩码。在 [0, 1] 中选择掩码值：
  • 1 表示头未被屏蔽，
  • 0 表示头被屏蔽。
• past_key_values (tuple(tuple(torch.FloatTensor)), 可选, 在传入use_cache=True或config.use_cache=True时返回) — 长度为config.n_layers的tuple(torch.FloatTensor)元组，每个元组包含两个形状为(batch_size, num_heads, sequence_length, embed_size_per_head)的张量，以及两个形状为(batch_size, num_heads, encoder_sequence_length, embed_size_per_head)的附加张量。这两个附加张量仅在模型用作序列到序列模型中的解码器时需要。

  包含预计算的隐藏状态（自注意力块和交叉注意力块中的键和值），这些状态可用于（参见past_key_values输入）加速顺序解码。

  如果使用past_key_values，用户可以选择性地仅输入最后一个decoder_input_ids（那些没有提供给此模型的过去键值状态的输入）形状为(batch_size, 1)，而不是所有decoder_input_ids形状为(batch_size, sequence_length)。

• labels (torch.LongTensor 形状为(batch_size, sequence_length), 可选) — 用于计算掩码语言建模损失的标签。索引应位于[0, ..., config.vocab_size]或 -100 之间（参见input_ids 文档字符串）。索引设置为-100的标记将被忽略（掩码），损失仅针对标签位于[0, ..., config.vocab_size]的标记计算。
• use_cache (bool, 可选) — 如果设置为True，将返回past_key_values 键值状态，可用于加速解码（参见past_key_values）。
  • 1 表示未被掩码的标记，
  • 0 表示被掩码的标记。
• output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关详细信息，请参阅返回张量中的attentions。
• output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关详细信息，请参阅返回张量中的hidden_states。
• return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。

一个 transformers.modeling_outputs.CausalLMOutputWithCrossAttentions 或 torch.FloatTensor 元组（如果传入return_dict=False 或 config.return_dict=False），包含根据配置（BartConfig）和输入而不同的各种元素。

• loss (torch.FloatTensor 形状为(1,), 可选, 在提供labels 时返回) — 语言建模损失（用于下一个标记预测）。

• logits (torch.FloatTensor 形状为 (batch_size, sequence_length, config.vocab_size)) — 语言建模头的预测分数（在 SoftMax 之前的每个词汇表令牌的分数）。

• hidden_states (tuple(torch.FloatTensor), 可选, 在传入output_hidden_states=True 或 config.output_hidden_states=True 时返回) — torch.FloatTensor 元组（一个用于嵌入的输出，如果模型具有嵌入层，以及一个用于每层的输出）形状为(batch_size, sequence_length, hidden_size)。

  模型在每层输出处的隐藏状态加上可选的初始嵌入输出。

• attentions (tuple(torch.FloatTensor), 可选, 在传入output_attentions=True 或 config.output_attentions=True 时返回) — torch.FloatTensor 元组（每层一个）形状为(batch_size, num_heads, sequence_length, sequence_length)。

  注意力 softmax 之后的注意力权重，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(torch.FloatTensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  交叉注意力 softmax 之后的交叉注意力权重，用于计算交叉注意力头中的加权平均值。

• past_key_values (tuple(tuple(torch.FloatTensor)), 可选, 在传入use_cache=True 或 config.use_cache=True 时返回) — 长度为config.n_layers 的 torch.FloatTensor 元组，每个元组包含自注意力和交叉注意力层的缓存键、值状态（如果模型用于编码器-解码器设置）。仅在config.is_decoder = True 时才相关。

  包含预计算的隐藏状态（注意力块中的键和值），这些状态可用于（参见past_key_values 输入）加速顺序解码。

参数

• input_ids (tf.Tensor 形状为 (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是输入 ID？

• attention_mask (tf.Tensor 形状为 (batch_size, sequence_length), 可选) — 掩码，用于避免在填充标记索引上执行注意力。在 [0, 1] 中选择掩码值：
  • 1 表示未屏蔽的标记，
  • 0 表示屏蔽的标记。

  什么是注意力掩码？

• decoder_input_ids (tf.Tensor 形状为 (batch_size, target_sequence_length), 可选) — 词汇表中解码器输入序列标记的索引。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是解码器输入 ID？

  Bart 使用 eos_token_id 作为 decoder_input_ids 生成的起始标记。如果使用 past_key_values，可以选择仅输入最后一个 decoder_input_ids（参见 past_key_values）。

  对于翻译和摘要训练，应提供 decoder_input_ids。如果未提供 decoder_input_ids，模型将通过将 input_ids 向右移动来创建此张量，以根据论文进行去噪预训练。

• 解码器注意力掩码 (tf.Tensor 形状为 (batch_size, target_sequence_length), *可选*) — 默认情况下会生成并忽略填充标记。对于大多数用例，不建议设置此参数。
• 解码器位置 ID (tf.Tensor 形状为 (batch_size, sequence_length), *可选*) — 解码器输入序列中每个标记在位置嵌入中的位置索引。在范围 [0, config.max_position_embeddings - 1] 中选择。
• 头掩码 (tf.Tensor 形状为 (encoder_layers, encoder_attention_heads), *可选*) — 用于使编码器中注意力模块的选定头部失效的掩码。在 [0, 1] 中选择的掩码值：
  • 1 表示头未被掩码，
  • 0 表示头被掩码。
• 解码器头掩码 (tf.Tensor 形状为 (decoder_layers, decoder_attention_heads), *可选*) — 用于使解码器中注意力模块的选定头部失效的掩码。在 [0, 1] 中选择的掩码值：
  • 1 表示头未被掩码，
  • 0 表示头被掩码。
• 交叉注意力头掩码 (tf.Tensor 形状为 (decoder_layers, decoder_attention_heads), *可选*) — 用于使交叉注意力模块的选定头部失效的掩码。在 [0, 1] 中选择的掩码值：
  • 1 表示头未被掩码，
  • 0 表示头被掩码。
• 编码器输出 (tf.FloatTensor, *可选*) — 编码器最后一层输出处的隐藏状态。用于解码器的交叉注意力。形状为 (batch_size, sequence_length, hidden_size) 的序列
• 过去的键值 (Tuple[Tuple[tf.Tensor]] 长度为 config.n_layers) — 包含注意力块的预计算键和值隐藏状态。可用于加速解码。如果使用 past_key_values，用户可以选择性地仅输入形状为 (batch_size, 1) 的最后一个 decoder_input_ids（那些没有提供其过去键值状态的），而不是形状为 (batch_size, sequence_length) 的所有 decoder_input_ids。
• 输入嵌入 (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size), *可选*) — 可选地，您可以选择直接传递嵌入表示，而不是传递 input_ids。如果您希望比模型的内部嵌入查找矩阵更精确地控制如何将 input_ids 索引转换为关联向量，这将非常有用。
• 使用缓存 (bool, *可选*, 默认值为 True) — 如果设置为 True，则返回 past_key_values 键值状态，并可用于加速解码（参见 past_key_values）。在训练期间设置为 False，在生成期间设置为 True
• 输出注意力 (bool, *可选*) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参见返回张量下的 attentions。此参数只能在急切模式下使用，
• output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关详细信息，请参阅返回张量中的 hidden_states。此参数只能在急切模式下使用，在图模式下，将使用配置中的值。
• return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。此参数可以在急切模式下使用，在图模式下，该值始终设置为 True。
• training (bool, 可选，默认为 False) — 是否以训练模式使用模型（某些模块，如 dropout 模块，在训练和评估之间具有不同的行为）。

一个 transformers.modeling_tf_outputs.TFSeq2SeqModelOutput 或一个 tf.Tensor 元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含取决于配置 (BartConfig) 和输入的各种元素。

• last_hidden_state (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size)) — 模型解码器最后一层输出的隐藏状态序列。

  如果使用 past_key_values，则仅输出形状为 (batch_size, 1, hidden_size) 的序列的最后一个隐藏状态。

• past_key_values (List[tf.Tensor], 可选，在传递了 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tf.Tensor 列表，每个张量形状为 (2, batch_size, num_heads, sequence_length, embed_size_per_head)。

  包含预先计算的解码器隐藏状态（注意块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。

• decoder_hidden_states (tuple(tf.Tensor), 可选，在传递了 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — tf.Tensor 元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出的隐藏状态加上初始嵌入输出。

• decoder_attentions (tuple(tf.Tensor), 可选，在传递了 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(tf.Tensor), 可选，在传递了 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的交叉注意力层的注意力权重，在注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。

• encoder_last_hidden_state (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 模型编码器最后一层的隐藏状态序列。

• encoder_hidden_states (tuple(tf.Tensor), 可选，在传递了 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — tf.Tensor 元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出的隐藏状态加上初始嵌入输出。

• encoder_attentions (tuple(tf.Tensor), 可选，在传递了 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

参数

• input_ids (tf.Tensor 形状为 ({0})) — 词汇表中输入序列标记的索引。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 。

  什么是输入 ID？

• attention_mask (tf.Tensor 形状为 ({0}), 可选) — 掩码以避免对填充标记索引执行注意力。在 [0, 1] 中选择的掩码值：
  • 1 表示未掩码的标记，
  • 0 表示掩码的标记。

  什么是注意力掩码？

• decoder_input_ids (tf.Tensor 形状为 (batch_size, target_sequence_length), 可选) — 词汇表中解码器输入序列标记的索引。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 。

  什么是解码器输入 ID？

  Bart 使用 eos_token_id 作为 decoder_input_ids 生成开始标记。如果使用 past_key_values，可以选择只输入最后一个 decoder_input_ids（参见 past_key_values）。

  对于翻译和摘要训练，应提供 decoder_input_ids 。如果未提供 decoder_input_ids，模型将通过将 input_ids 向右移动来创建该张量，以按照论文进行去噪预训练。

• decoder_attention_mask (tf.Tensor 形状为 (batch_size, target_sequence_length), 可选) — 将默认生成，并忽略填充标记。不建议在大多数用例中设置此选项。
• decoder_position_ids (tf.Tensor 形状为 (batch_size, sequence_length), 可选) — 解码器输入序列每个标记的位置嵌入的索引。在 [0, config.max_position_embeddings - 1] 范围内选择。
• head_mask (tf.Tensor 形状为 (encoder_layers, encoder_attention_heads), 可选) — 掩码以使编码器中注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示头部未掩码，
  • 0 表示头部掩码。
• decoder_head_mask (tf.Tensor 形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使解码器中注意力模块的选定头部无效的掩码。掩码值选择在 [0, 1] 中：
  • 1 表示头部未被掩盖，
  • 0 表示头部被掩盖。
• cross_attn_head_mask (tf.Tensor 形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使交叉注意力模块的选定头部无效的掩码。掩码值选择在 [0, 1] 中：
  • 1 表示头部未被掩盖，
  • 0 表示头部被掩盖。
• encoder_outputs (tf.FloatTensor，可选) — 编码器最后一层输出处的隐藏状态。用于解码器的交叉注意力。形状为 (batch_size, sequence_length, hidden_size) 是一个序列的
• past_key_values (Tuple[Tuple[tf.Tensor]] 长度为 config.n_layers) — 包含注意力块的预计算键和值隐藏状态。可用于加速解码。如果使用 past_key_values，用户可以选择仅输入最后一个 decoder_input_ids（其过去键值状态未提供给此模型）形状为 (batch_size, 1)，而不是所有 decoder_input_ids 形状为 (batch_size, sequence_length)。
• inputs_embeds (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 可选地，您可以选择直接传递嵌入式表示，而不是传递 input_ids。如果您希望对如何将 input_ids 索引转换为相关向量有更多控制权，而不是模型的内部嵌入查找矩阵，这将很有用。
• use_cache (bool，可选，默认值为 True) — 如果设置为 True，则返回 past_key_values 键值状态，可用于加速解码（请参阅 past_key_values）。在训练期间设置为 False，在生成期间设置为 True
• output_attentions (bool，可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参阅返回张量中的 attentions。此参数仅可在急切模式下使用，在图形模式下，将使用配置中的值。
• output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量中的 hidden_states。此参数仅可在急切模式下使用，在图形模式下，将使用配置中的值。
• return_dict (bool，可选) — 是否返回 ModelOutput 而不是普通元组。此参数可在急切模式下使用，在图形模式下，该值将始终设置为 True。
• training (bool，可选，默认值为 False) — 是否以
• labels (tf.Tensor 形状为 (batch_size, sequence_length)，可选) — 用于计算掩码语言建模损失的标签。索引应为 [0, ..., config.vocab_size] 或 -100（参见 input_ids 文档字符串）。索引设置为 -100 的标记将被忽略（掩码），损失仅针对标签在 [0, ..., config.vocab_size] 中的标记计算。

一个 transformers.modeling_tf_outputs.TFSeq2SeqLMOutput 或 tf.Tensor 的元组（如果传递了 return_dict=False 或者当 config.return_dict=False 时），包含根据配置 (BartConfig) 和输入的不同元素。

• loss (tf.Tensor 形状为 (n,)，可选，当提供 labels 时返回) — 语言建模损失。

• logits (tf.Tensor 形状为 (batch_size, sequence_length, config.vocab_size)) — 语言建模头的预测分数（在 SoftMax 之前，每个词汇标记的分数）。

• past_key_values (List[tf.Tensor], 可选，在传递了 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tf.Tensor 列表，每个张量形状为 (2, batch_size, num_heads, sequence_length, embed_size_per_head)。

  包含预先计算的解码器隐藏状态（注意块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。

• decoder_hidden_states (tuple(tf.Tensor), 可选，在传递了 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — tf.Tensor 元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出的隐藏状态加上初始嵌入输出。

• decoder_attentions (tuple(tf.Tensor), 可选，在传递了 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(tf.Tensor), 可选，在传递了 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的交叉注意力层的注意力权重，在注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。

• encoder_last_hidden_state (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 模型编码器最后一层的隐藏状态序列。

• encoder_hidden_states (tuple(tf.Tensor), 可选，在传递了 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — tf.Tensor 元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出的隐藏状态加上初始嵌入输出。

• encoder_attentions (tuple(tf.Tensor), 可选，在传递了 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

参数

• input_ids (tf.Tensor 形状为 ({0})) — 词汇表中输入序列标记的索引。

  索引可以使用 AutoTokenizer 获得。有关详细信息，请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是输入 ID？

• attention_mask (tf.Tensor 形状为 ({0}), 可选) — 用于避免对填充标记索引进行注意力的掩码。掩码值选择在 [0, 1] 中：
  • 1 用于未屏蔽的标记，
  • 0 用于屏蔽的标记。

  什么是注意力掩码？

• decoder_input_ids (tf.Tensor 形状为 (batch_size, target_sequence_length), 可选) — 解码器输入序列标记在词汇表中的索引。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是解码器输入 ID？

  Bart 使用 eos_token_id 作为 decoder_input_ids 生成起始标记。如果使用 past_key_values，可以选择仅输入最后一个 decoder_input_ids（见 past_key_values）。

  对于翻译和摘要训练，应提供 decoder_input_ids。如果未提供 decoder_input_ids，则模型将通过将 input_ids 向右移动来创建此张量，以便根据论文进行去噪预训练。

• decoder_attention_mask (tf.Tensor 形状为 (batch_size, target_sequence_length), 可选) — 将默认创建，并忽略填充标记。对于大多数用例，不建议设置此项。
• decoder_position_ids (tf.Tensor 形状为 (batch_size, sequence_length), 可选) — 解码器输入序列标记在位置嵌入中的位置索引。选择在 [0, config.max_position_embeddings - 1] 范围内。
• head_mask (tf.Tensor 形状为 (encoder_layers, encoder_attention_heads), 可选) — 用于使编码器中注意力模块的选定头部无效的掩码。掩码值选择在 [0, 1] 中：
  • 1 表示头部未屏蔽，
  • 0 表示头部屏蔽。
• decoder_head_mask (tf.Tensor 形状为 (decoder_layers, decoder_attention_heads), 可选) — 用于使解码器中注意力模块的选定头部无效的掩码。掩码值选择在 [0, 1] 中：
  • 1 表示头部未屏蔽，
  • 0 表示头部屏蔽。
• cross_attn_head_mask (tf.Tensor 形状为 (decoder_layers, decoder_attention_heads), 可选) — 用于使交叉注意力模块的选定头部无效的掩码。掩码值选择在 [0, 1] 中：
  • 1 表示头部未屏蔽，
  • 0 表示头部屏蔽。
• encoder_outputs (tf.FloatTensor, 可选) — 编码器最后一层输出处的隐藏状态。用于解码器的交叉注意力。形状为 (batch_size, sequence_length, hidden_size) 的一个序列
• past_key_values (Tuple[Tuple[tf.Tensor]] 长度为 config.n_layers) — 包含注意力块的预计算键和值隐藏状态。可用于加速解码。如果使用 past_key_values，用户可以选择仅输入形状为 (batch_size, 1) 的最后一个 decoder_input_ids（这些没有提供给此模型的过去键值状态），而不是所有形状为 (batch_size, sequence_length) 的 decoder_input_ids。
• inputs_embeds (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 可选地，您可以选择直接传递嵌入表示，而不是传递 input_ids。如果您想要对如何将 input_ids 索引转换为关联向量有更多控制权，而不是模型的内部嵌入查找矩阵，这将很有用。
• use_cache (bool，可选，默认值为 True) — 如果设置为 True，则返回 past_key_values 键值状态，可用于加速解码（请参阅 past_key_values）。在训练期间设置为 False，在生成期间设置为 True
• output_attentions (bool，可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参阅返回张量中的 attentions。此参数仅可在急切模式下使用，在图模式下，将使用配置中的值。
• output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量中的 hidden_states。此参数仅可在急切模式下使用，在图模式下，将使用配置中的值。
• return_dict (bool，可选) — 是否返回一个 ModelOutput 而不是一个简单的元组。此参数可在急切模式下使用，在图模式下，该值将始终设置为 True。
• training (bool，可选，默认值为 False) — 是否在训练模式下使用模型（某些模块，例如 dropout 模块，在训练和评估之间具有不同的行为）。
• labels (tf.Tensor 形状为 (batch_size, sequence_length)，可选) — 用于计算序列分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 中。如果 config.num_labels > 1，则计算分类损失（交叉熵）。

一个 transformers.modeling_tf_outputs.TFSeq2SeqSequenceClassifierOutput 或 tf.Tensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含取决于配置的各种元素（BartConfig）和输入。

• loss (tf.Tensor 形状为 (1,)，可选，在提供 label 时返回) — 分类（或如果 config.num_labels==1 则为回归）损失。

• logits (tf.Tensor 形状为 (batch_size, config.num_labels)) — 分类（或如果 config.num_labels==1 则为回归）分数（在 SoftMax 之前）。

• past_key_values (List[tf.Tensor], 可选，在传递了 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tf.Tensor 列表，每个张量形状为 (2, batch_size, num_heads, sequence_length, embed_size_per_head)。

  包含预先计算的解码器隐藏状态（注意块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。

• decoder_hidden_states (tuple(tf.Tensor), 可选，在传递了 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — tf.Tensor 元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出的隐藏状态加上初始嵌入输出。

• decoder_attentions (tuple(tf.Tensor), 可选，在传递了 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(tf.Tensor)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — tf.Tensor 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)

• encoder_last_hidden_state (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 模型编码器最后一层的隐藏状态序列。

• encoder_hidden_states (tuple(tf.Tensor), 可选，在传递了 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — tf.Tensor 元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出的隐藏状态加上初始嵌入输出。

• encoder_attentions (tuple(tf.Tensor), 可选，在传递了 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

参数

• input_ids (jnp.ndarray 形状为 (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。如果您提供填充，则默认情况下会忽略填充。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是输入 ID？

• attention_mask (jnp.ndarray 形状为 (batch_size, sequence_length), 可选) — 掩码以避免对填充标记索引执行注意力。掩码值在 [0, 1] 中选择：
  • 1 表示 **未屏蔽** 的标记，
  • 0 表示 **屏蔽** 的标记。

  什么是注意力掩码？

• decoder_input_ids (jnp.ndarray 形状为 (batch_size, target_sequence_length), 可选) — 词汇表中解码器输入序列标记的索引。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是解码器输入 ID？

  对于翻译和摘要训练，应提供 decoder_input_ids。如果未提供 decoder_input_ids，模型将通过将 input_ids 向右移动以遵循论文进行去噪预训练来创建此张量。

  例如，如果 input_ids 为 [1, 2, 3, 4, 5]，则 decoder_input_ids 将为 [2, 3, 4, 5, 0]。

  使用 PreTrainedTokenizer.prepare_decoder_input_ids_from_labels() 函数准备解码器输入 ID，以确保解码器输入 ID 正确生成。

• decoder_attention_mask (jnp.ndarray 形状为 (batch_size, target_sequence_length), 可选) — 默认行为：生成一个张量，忽略 decoder_input_ids 中的填充标记。因果掩码也会默认使用。

  如果你想改变填充行为，你应该根据你的需要进行修改。关于默认策略的更多信息，请参见 论文 中的图 1。

• position_ids (numpy.ndarray 形状为 (batch_size, sequence_length), 可选) — 位置嵌入中每个输入序列标记的位置索引。在范围 [0, config.max_position_embeddings - 1] 中选择。
• decoder_position_ids (numpy.ndarray 形状为 (batch_size, sequence_length), 可选) — 位置嵌入中每个解码器输入序列标记的位置索引。在范围 [0, config.max_position_embeddings - 1] 中选择。
• output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参见返回张量中的 attentions。
• output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参见返回张量中的 hidden_states。
• return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个简单的元组。

一个 transformers.modeling_flax_outputs.FlaxSeq2SeqModelOutput 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），其中包含根据配置 (BartConfig) 和输入的不同元素。

• last_hidden_state (jnp.ndarray 形状为 (batch_size, sequence_length, hidden_size)) — 模型解码器最后一层输出处的隐藏状态序列。

  如果使用 past_key_values，则仅输出形状为 (batch_size, 1, hidden_size) 的序列的最后一个隐藏状态。

• past_key_values (tuple(tuple(jnp.ndarray)), 可选，在传递 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(jnp.ndarray) 的元组，每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head)) 的张量，以及 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加张量。

  包含预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），这些状态可用于（参见 past_key_values 输入）加快顺序解码速度。

• decoder_hidden_states (tuple(jnp.ndarray), 可选，在传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — jnp.ndarray 的元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出的隐藏状态加上初始嵌入输出。

• decoder_attentions (tuple(jnp.ndarray), 可选，在传递 output_attentions=True 或 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(jnp.ndarray), 可选，在传递 output_attentions=True 或 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的交叉注意力层的注意力权重，在注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。

• encoder_last_hidden_state (jnp.ndarray 形状为 (batch_size, sequence_length, hidden_size), 可选) — 模型编码器最后一层输出处的隐藏状态序列。

• encoder_hidden_states (tuple(jnp.ndarray), 可选，在传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — jnp.ndarray 的元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出的隐藏状态加上初始嵌入输出。

• encoder_attentions (tuple(jnp.ndarray), 可选，在传递 output_attentions=True 或 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均值。

参数

• input_ids (jnp.ndarray 形状为 (batch_size, sequence_length)) — 词汇表中输入序列词元的索引。如果您提供填充，默认情况下将忽略填充。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是输入 ID？

• attention_mask (jnp.ndarray 形状为 (batch_size, sequence_length)，可选) — 掩码以避免对填充词元索引执行注意力。在 [0, 1] 中选择的掩码值：
  • 1 表示未掩码的词元，
  • 0 表示已掩码的词元。

  什么是注意力掩码？

• position_ids (numpy.ndarray 形状为 (batch_size, sequence_length)，可选) — 每个输入序列词元在位置嵌入中的位置索引。在范围 [0, config.max_position_embeddings - 1] 中选择。
• output_attentions (bool，可选) — 是否返回所有注意力层的注意力张量。有关详细信息，请参见返回张量中的 attentions。
• output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关详细信息，请参见返回张量中的 hidden_states。
• return_dict (bool，可选) — 是否返回 ModelOutput 而不是普通元组。

一个 transformers.modeling_flax_outputs.FlaxBaseModelOutput 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含根据配置（<class 'transformers.models.bart.configuration_bart.BartConfig'>）和输入的不同元素。

• last_hidden_state (jnp.ndarray 形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层输出处的隐藏状态序列。

• hidden_states (tuple(jnp.ndarray)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 的元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  模型在每一层输出处的隐藏状态加上初始嵌入输出。

• attentions (tuple(jnp.ndarray)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  注意力 softmax 之后的注意力权重，用于计算自注意力头中的加权平均值。

参数

• decoder_input_ids (jnp.ndarray 形状为 (batch_size, target_sequence_length)) — 解码器输入序列标记在词汇表中的索引。

  可以使用 AutoTokenizer 获取索引。有关详细信息，请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  解码器输入 ID 是什么？

  对于翻译和摘要训练，应该提供 decoder_input_ids。如果没有提供 decoder_input_ids，模型将通过将 input_ids 向右移动来创建该张量，以便根据论文进行去噪预训练。

• encoder_outputs (tuple(tuple(jnp.ndarray)) — 元组包含 (last_hidden_state, 可选: hidden_states, 可选: attentions) last_hidden_state 形状为 (batch_size, sequence_length, hidden_size), 可选) 是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意。
• encoder_attention_mask (jnp.ndarray 形状为 (batch_size, sequence_length), 可选) — 掩码以避免对填充标记索引执行注意力。掩码值在 [0, 1] 中选择：
  • 1 表示 未被掩码 的标记，
  • 0 表示 被掩码 的标记。

  注意力掩码是什么？

• decoder_attention_mask (jnp.ndarray 形状为 (batch_size, target_sequence_length), 可选) — 默认行为：生成一个张量，忽略 decoder_input_ids 中的填充标记。因果掩码也将默认使用。

  如果要更改填充行为，则应根据需要进行修改。有关默认策略的更多信息，请参阅 论文 中的图 1。

• decoder_position_ids (numpy.ndarray 形状为 (batch_size, sequence_length), 可选) — 解码器输入序列标记在位置嵌入中的位置索引。选择在范围 [0, config.max_position_embeddings - 1] 内。
• past_key_values (Dict[str, np.ndarray], 可选，由 init_cache 返回或在传递之前的 past_key_values 时返回) — 预计算的隐藏状态字典（注意力块中的键和值），可用于快速自动回归解码。预计算的键和值隐藏状态的形状为 [batch_size, max_length]。
• output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参阅返回张量下的 attentions。
• output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量下的 hidden_states。
• return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个简单的元组。

一个 transformers.modeling_flax_outputs.FlaxBaseModelOutputWithPastAndCrossAttentions 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含根据配置（<class 'transformers.models.bart.configuration_bart.BartConfig'>）和输入而不同的各种元素。

• last_hidden_state (jnp.ndarray 形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层输出处的隐藏状态序列。

  如果使用 past_key_values，则仅输出形状为 (batch_size, 1, hidden_size) 的序列的最后一个隐藏状态。

• past_key_values (tuple(tuple(jnp.ndarray)), 可选，在传递 use_cache=True 或当 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(jnp.ndarray) 元组，每个元组都有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量，以及可选地如果 config.is_encoder_decoder=True 则还有 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的张量。

  包含预计算的隐藏状态（自注意力块中的键和值，以及可选地如果 config.is_encoder_decoder=True 则在交叉注意力块中的键和值），可用于加速顺序解码。

• hidden_states (tuple(jnp.ndarray)，可选，在传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 的元组（一个用于嵌入的输出 + 一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  模型在每一层输出处的隐藏状态加上初始嵌入输出。

• attentions (tuple(jnp.ndarray)，可选，在传递 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  注意力 softmax 之后的注意力权重，用于计算自注意力头中的加权平均值。

• cross_attentions (tuple(jnp.ndarray), 可选，在传递 output_attentions=True 和 config.add_cross_attention=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每一层一个），形状为 (batch_size, num_heads, sequence_length,

  解码器的交叉注意力层的注意力权重，在注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。