Transformers 文档
BertGeneration
并获得增强的文档体验
开始使用
BertGeneration
Overview
BertGeneration 模型是一种 BERT 模型,可以利用 EncoderDecoderModel 进行序列到序列的任务,正如 Sascha Rothe、Shashi Narayan 和 Aliaksei Severyn 在 Leveraging Pre-trained Checkpoints for Sequence Generation Tasks 中提出的那样。
该论文的摘要如下:
大型神经模型的无监督预训练最近彻底改变了自然语言处理领域。通过从公开的检查点进行热启动,NLP 从业者在多个基准测试中推动了最先进的技术,同时节省了大量的计算时间。到目前为止,重点主要集中在自然语言理解任务上。在本文中,我们展示了预训练检查点在序列生成方面的有效性。我们开发了一个基于 Transformer 的序列到序列模型,该模型与公开可用的预训练 BERT、GPT-2 和 RoBERTa 检查点兼容,并对使用这些检查点初始化我们的模型(包括编码器和解码器)的效用进行了广泛的实证研究。我们的模型在机器翻译、文本摘要、句子分割和句子融合方面取得了新的最先进的结果。
此模型由 patrickvonplaten 贡献。原始代码可以在此处找到。
使用示例和技巧
该模型可以与 EncoderDecoderModel 结合使用,以利用两个预训练的 BERT 检查点进行后续微调
>>> # leverage checkpoints for Bert2Bert model...
>>> # use BERT's cls token as BOS token and sep token as EOS token
>>> encoder = BertGenerationEncoder.from_pretrained("google-bert/bert-large-uncased", bos_token_id=101, eos_token_id=102)
>>> # add cross attention layers and use BERT's cls token as BOS token and sep token as EOS token
>>> decoder = BertGenerationDecoder.from_pretrained(
... "google-bert/bert-large-uncased", add_cross_attention=True, is_decoder=True, bos_token_id=101, eos_token_id=102
... )
>>> bert2bert = EncoderDecoderModel(encoder=encoder, decoder=decoder)
>>> # create tokenizer...
>>> tokenizer = BertTokenizer.from_pretrained("google-bert/bert-large-uncased")
>>> input_ids = tokenizer(
... "This is a long article to summarize", add_special_tokens=False, return_tensors="pt"
... ).input_ids
>>> labels = tokenizer("This is a short summary", return_tensors="pt").input_ids
>>> # train...
>>> loss = bert2bert(input_ids=input_ids, decoder_input_ids=labels, labels=labels).loss
>>> loss.backward()
预训练的 EncoderDecoderModel 也可直接在模型中心获得,例如
>>> # instantiate sentence fusion model
>>> sentence_fuser = EncoderDecoderModel.from_pretrained("google/roberta2roberta_L-24_discofuse")
>>> tokenizer = AutoTokenizer.from_pretrained("google/roberta2roberta_L-24_discofuse")
>>> input_ids = tokenizer(
... "This is the first sentence. This is the second sentence.", add_special_tokens=False, return_tensors="pt"
... ).input_ids
>>> outputs = sentence_fuser.generate(input_ids)
>>> print(tokenizer.decode(outputs[0]))
技巧
- BertGenerationEncoder 和 BertGenerationDecoder 应该与
EncoderDecoder
结合使用。 - 对于摘要、句子分割、句子融合和翻译,输入不需要特殊标记。因此,不应在输入的末尾添加 EOS 标记。
BertGenerationConfig
class transformers.BertGenerationConfig
< source >( vocab_size = 50358 hidden_size = 1024 num_hidden_layers = 24 num_attention_heads = 16 intermediate_size = 4096 hidden_act = 'gelu' hidden_dropout_prob = 0.1 attention_probs_dropout_prob = 0.1 max_position_embeddings = 512 initializer_range = 0.02 layer_norm_eps = 1e-12 pad_token_id = 0 bos_token_id = 2 eos_token_id = 1 position_embedding_type = 'absolute' use_cache = True **kwargs )
参数
- vocab_size (
int
, 可选, 默认为 50358) — BERT 模型的词汇表大小。定义了调用BertGeneration
时传递的inputs_ids
可以表示的不同标记的数量。 - hidden_size (
int
, 可选, 默认为 1024) — 编码器层和池化层的维度。 - num_hidden_layers (
int
, 可选, 默认为 24) — Transformer 编码器中隐藏层的数量。 - num_attention_heads (
int
, 可选, 默认为 16) — Transformer 编码器中每个注意力层的注意力头的数量。 - intermediate_size (
int
, 可选, 默认为 4096) — Transformer 编码器中“中间”层(通常称为前馈层)的维度。 - hidden_act (
str
或function
, 可选, 默认为"gelu"
) — 编码器和池化器中的非线性激活函数(函数或字符串)。如果为字符串,则支持"gelu"
,"relu"
,"silu"
和"gelu_new"
。 - hidden_dropout_prob (
float
, 可选, 默认为 0.1) — 嵌入层、编码器和池化器中所有全连接层的 dropout 概率。 - attention_probs_dropout_prob (
float
, 可选, 默认为 0.1) — 注意力概率的 dropout 比率。 - max_position_embeddings (
int
, 可选, 默认为 512) — 此模型可能使用的最大序列长度。通常将其设置为较大的值以防万一(例如,512 或 1024 或 2048)。 - initializer_range (
float
, 可选, 默认为 0.02) — 用于初始化所有权重矩阵的 truncated_normal_initializer 的标准差。 - layer_norm_eps (
float
, 可选, 默认为 1e-12) — 层归一化层使用的 epsilon 值。 - pad_token_id (
int
, 可选, 默认为 0) — 填充标记 ID。 - bos_token_id (
int
, 可选, 默认为 2) — 流开始标记 ID。 - eos_token_id (
int
, 可选, 默认为 1) — 流结束标记 ID。 - position_embedding_type (
str
, 可选, 默认为"absolute"
) — 位置嵌入的类型。选择"absolute"
,"relative_key"
,"relative_key_query"
之一。对于位置嵌入,请使用"absolute"
。有关"relative_key"
的更多信息,请参阅 Self-Attention with Relative Position Representations (Shaw et al.)。有关"relative_key_query"
的更多信息,请参阅 Improve Transformer Models with Better Relative Position Embeddings (Huang et al.) 中的方法 4。 - use_cache (
bool
, 可选, 默认为True
) — 模型是否应返回最后的键/值注意力(并非所有模型都使用)。仅当config.is_decoder=True
时相关。
这是用于存储 BertGenerationPreTrainedModel
配置的配置类。它用于根据指定的参数实例化 BertGeneration 模型,从而定义模型架构。使用默认值实例化配置将产生与 BertGeneration google/bert_for_seq_generation_L-24_bbc_encoder 架构类似的配置。
配置对象继承自 PretrainedConfig,可用于控制模型输出。有关更多信息,请阅读 PretrainedConfig 的文档。
示例
>>> from transformers import BertGenerationConfig, BertGenerationEncoder
>>> # Initializing a BertGeneration config
>>> configuration = BertGenerationConfig()
>>> # Initializing a model (with random weights) from the config
>>> model = BertGenerationEncoder(configuration)
>>> # Accessing the model configuration
>>> configuration = model.config
BertGenerationTokenizer
class transformers.BertGenerationTokenizer
< source >( vocab_file bos_token = '<s>' eos_token = '</s>' unk_token = '<unk>' pad_token = '<pad>' sep_token = '<::::>' sp_model_kwargs: typing.Optional[typing.Dict[str, typing.Any]] = None **kwargs )
参数
- vocab_file (
str
) — SentencePiece 文件(通常具有 .spm 扩展名),其中包含实例化分词器所需的词汇表。 - bos_token (
str
,可选,默认为"<s>"
) — 序列开始标记。 - eos_token (
str
,可选,默认为"</s>"
) — 序列结束标记。 - unk_token (
str
,可选,默认为"<unk>"
) — 未知标记。词汇表中不存在的 token 无法转换为 ID,并将设置为此标记。 - pad_token (
str
,可选,默认为"<pad>"
) — 用于填充的标记,例如在批量处理不同长度的序列时。 - sep_token (
str
,可选,默认为"< --:::>"
):分隔符标记,用于从多个序列构建序列时,例如用于序列分类的两个序列或用于问答的文本和问题。它也用作使用特殊标记构建的序列的最后一个标记。 - sp_model_kwargs (
dict
,可选) — 将传递给SentencePieceProcessor.__init__()
方法。 SentencePiece 的 Python 封装器 可以用于设置:-
enable_sampling
:启用子词正则化。 -
nbest_size
:unigram 的采样参数。对 BPE-Dropout 无效。nbest_size = {0,1}
:不执行采样。nbest_size > 1
:从 nbest_size 结果中采样。nbest_size < 0
:假设 nbest_size 是无限的,并使用前向过滤和后向采样算法从所有假设(lattice)中采样。
-
alpha
:unigram 采样的平滑参数,以及 BPE-dropout 的合并操作的 dropout 概率。
-
构建 BertGeneration 分词器。基于 SentencePiece。
此分词器继承自 PreTrainedTokenizer,其中包含大多数主要方法。用户应参考此父类以获取有关这些方法的更多信息。
BertGenerationEncoder
class transformers.BertGenerationEncoder
< source >( config )
参数
- config (BertGenerationConfig) — 带有模型所有参数的模型配置类。使用配置文件初始化不会加载与模型关联的权重,仅加载配置。查看 from_pretrained() 方法以加载模型权重。
裸 BertGeneration 模型 transformer,输出原始 hidden-states,顶部没有任何特定的 head。
此模型继承自 PreTrainedModel。查看超类文档以了解库为其所有模型实现的通用方法(例如下载或保存、调整输入 embeddings 大小、剪枝 heads 等)。
此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch Module,并参考 PyTorch 文档以了解与一般用法和行为相关的所有事项。
该模型可以充当编码器(仅具有自注意力)以及解码器,在后一种情况下,在自注意力层之间添加一个交叉注意力层,遵循 Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan N. Gomez、Lukasz Kaiser 和 Illia Polosukhin 在 Attention is all you need 中描述的架构。
当利用 Bert 或 Roberta 检查点用于 EncoderDecoderModel 类时,应使用此模型,如 Sascha Rothe、Shashi Narayan 和 Aliaksei Severyn 在 Leveraging Pre-trained Checkpoints for Sequence Generation Tasks 中所述。
要作为解码器运行,模型需要在配置的 is_decoder
参数设置为 True
的情况下初始化。要在 Seq2Seq 模型中使用,模型需要使用 is_decoder
参数和 add_cross_attention
都设置为 True
进行初始化;然后期望 encoder_hidden_states
作为前向传播的输入。
forward
< source >( input_ids: typing.Optional[torch.Tensor] = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.Tensor] = None head_mask: typing.Optional[torch.Tensor] = None inputs_embeds: typing.Optional[torch.Tensor] = None encoder_hidden_states: typing.Optional[torch.Tensor] = None encoder_attention_mask: typing.Optional[torch.Tensor] = None past_key_values: typing.Optional[typing.Tuple[typing.Tuple[torch.FloatTensor]]] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None **kwargs ) → transformers.modeling_outputs.BaseModelOutputWithPastAndCrossAttentions 或 tuple(torch.FloatTensor)
参数
- input_ids (
torch.LongTensor
,形状为(batch_size, sequence_length)
) — 词汇表中输入序列 token 的索引。索引可以使用 AutoTokenizer 获得。有关详细信息,请参阅 PreTrainedTokenizer.call() 和 PreTrainedTokenizer.encode()。
- attention_mask (
torch.FloatTensor
,形状为(batch_size, sequence_length)
,可选) — 用于避免对填充 token 索引执行 attention 的 Mask。Mask 值在[0, 1]
中选择:- 1 表示 token 未被 mask,
- 0 表示 token 已被 mask。
- position_ids (
torch.LongTensor
,形状为(batch_size, sequence_length)
,可选) — 每个输入序列 token 在位置 embeddings 中的位置索引。在范围[0, config.max_position_embeddings - 1]
中选择。 - head_mask (
torch.FloatTensor
,形状为(num_heads,)
或(num_layers, num_heads)
,可选) — 用于 nullify 自注意力模块的选定 heads 的 Mask。Mask 值在[0, 1]
中选择:- 1 表示 head 未被 mask,
- 0 表示 head 已被 mask。
- 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
。如果您希望比模型的内部 embedding 查找矩阵更精细地控制如何将input_ids
索引转换为关联向量,这将非常有用。 - output_attentions (
bool
,可选) — 是否返回所有 attention 层的 attentions tensors。有关更多详细信息,请参阅返回的 tensors 下的attentions
。 - output_hidden_states (
bool
,可选) — 是否返回所有层的 hidden states。有关更多详细信息,请参阅返回的 tensors 下的hidden_states
。 - return_dict (
bool
,可选) — 是否返回 ModelOutput 而不是 plain tuple。 - 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 hidden-states 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 token 索引执行 attention 的 Mask。如果模型配置为解码器,则此 mask 在交叉注意力中使用。Mask 值在[0, 1]
中选择:1
表示 token 未被 MASK,0
表示 token 已被 MASK。 - past_key_values (
tuple(tuple(torch.FloatTensor))
,长度为config.n_layers
,每个 tuple 有 4 个形状为(batch_size, num_heads, sequence_length - 1, embed_size_per_head)
的 tensors) — 包含 attention blocks 的预计算 key 和 value hidden states。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
(那些没有将其 past key value states 提供给此模型的 decoder_input_ids),而不是形状为(batch_size, sequence_length)
的所有decoder_input_ids
。 - use_cache (
bool
,可选) — 如果设置为True
,则返回past_key_values
key value states,可用于加速解码(请参阅past_key_values
)。
返回
transformers.modeling_outputs.BaseModelOutputWithPastAndCrossAttentions 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.BaseModelOutputWithPastAndCrossAttentions 或一个 torch.FloatTensor
元组(如果传递 return_dict=False
或当 config.return_dict=False
时),包括各种元素,具体取决于配置 (BertGenerationConfig) 和输入。
-
last_hidden_state (
torch.FloatTensor
,形状为(batch_size, sequence_length, hidden_size)
) — 模型最后一层输出的 hidden-states 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 hidden-state。 -
past_key_values (
tuple(tuple(torch.FloatTensor))
,可选,当传递use_cache=True
或当config.use_cache=True
时返回) — 长度为config.n_layers
的tuple(tuple(torch.FloatTensor))
元组,每个 tuple 有 2 个形状为(batch_size, num_heads, sequence_length, embed_size_per_head)
的 tensors,以及可选的,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 tensors。包含预计算的 hidden-states(自注意力模块中的 key 和 values,以及可选的,如果
config.is_encoder_decoder=True
,则交叉注意力模块中的 key 和 values),这些 hidden-states 可以用于加速顺序解码(请参阅past_key_values
输入)。 -
hidden_states (
tuple(torch.FloatTensor)
,可选,当传递output_hidden_states=True
或当config.output_hidden_states=True
时返回) —torch.FloatTensor
元组(如果模型具有 embedding 层,则为 embeddings 的输出一个,+ 为每一层的输出一个),形状为(batch_size, sequence_length, hidden_size)
。模型在每一层输出的 Hidden-states 加上可选的初始 embedding 输出。
-
attentions (
tuple(torch.FloatTensor)
,可选,当传递output_attentions=True
或当config.output_attentions=True
时返回) —torch.FloatTensor
元组(每一层一个),形状为(batch_size, num_heads, sequence_length, sequence_length)
。attention softmax 之后的 attentions 权重,用于计算自注意力 heads 中的加权平均值。
-
cross_attentions (
tuple(torch.FloatTensor)
,可选,当传递output_attentions=True
且config.add_cross_attention=True
或当config.output_attentions=True
时返回) —torch.FloatTensor
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 attentions 权重,在 attention softmax 之后,用于计算交叉注意力 heads 中的加权平均值。
BertGenerationEncoder
的 forward 方法,覆盖了 __call__
特殊方法。
虽然前向传递的配方需要在该函数中定义,但是应该在之后调用 Module
实例而不是此函数,因为前者会处理预处理和后处理步骤,而后者会默默地忽略它们。
示例
>>> from transformers import AutoTokenizer, BertGenerationEncoder
>>> import torch
>>> tokenizer = AutoTokenizer.from_pretrained("google/bert_for_seq_generation_L-24_bbc_encoder")
>>> model = BertGenerationEncoder.from_pretrained("google/bert_for_seq_generation_L-24_bbc_encoder")
>>> inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
>>> outputs = model(**inputs)
>>> last_hidden_states = outputs.last_hidden_state
BertGenerationDecoder
class transformers.BertGenerationDecoder
< source >( config )
参数
- config (BertGenerationConfig) — 包含模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重,仅加载配置。请查看 from_pretrained() 方法来加载模型权重。
BertGeneration 模型,顶部带有用于 CLM 微调的 语言建模
头。
此模型继承自 PreTrainedModel。查看超类文档以了解库为其所有模型实现的通用方法(例如下载或保存、调整输入 embeddings 大小、剪枝 heads 等)。
此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch Module,并参考 PyTorch 文档以了解与一般用法和行为相关的所有事项。
forward
< source >( input_ids: typing.Optional[torch.Tensor] = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.Tensor] = None head_mask: typing.Optional[torch.Tensor] = None inputs_embeds: typing.Optional[torch.Tensor] = None encoder_hidden_states: typing.Optional[torch.Tensor] = None encoder_attention_mask: typing.Optional[torch.Tensor] = None labels: typing.Optional[torch.Tensor] = None past_key_values: typing.Optional[typing.Tuple[typing.Tuple[torch.FloatTensor]]] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None **kwargs ) → transformers.modeling_outputs.CausalLMOutputWithCrossAttentions 或 tuple(torch.FloatTensor)
参数
- input_ids (
torch.LongTensor
,形状为(batch_size, sequence_length)
) — 词汇表中输入序列 tokens 的索引。索引可以使用 AutoTokenizer 获得。 请参阅 PreTrainedTokenizer.call() 和 PreTrainedTokenizer.encode() 获取详细信息。
- attention_mask (
torch.FloatTensor
,形状为(batch_size, sequence_length)
,可选) — 用于避免在 padding token 索引上执行 attention 的 Mask。Mask 值在[0, 1]
中选择:- 1 表示 tokens 未被 Mask,
- 0 表示 tokens 已被 Mask。
- position_ids (
torch.LongTensor
,形状为(batch_size, sequence_length)
,可选) — 每个输入序列 tokens 在 position embeddings 中的位置索引。在范围[0, config.max_position_embeddings - 1]
中选择。 - head_mask (
torch.FloatTensor
,形状为(num_heads,)
或(num_layers, num_heads)
,可选) — 用于 nullify self-attention 模块中选定 heads 的 Mask。Mask 值在[0, 1]
中选择:- 1 表示 head 未被 Mask,
- 0 表示 head 已被 Mask。
- 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
索引转换为关联的向量,这将非常有用。 - output_attentions (
bool
,可选) — 是否返回所有 attention 层的 attentions tensors。有关更多详细信息,请参见返回的 tensors 下的attentions
。 - output_hidden_states (
bool
,可选) — 是否返回所有层的 hidden states。有关更多详细信息,请参见返回的 tensors 下的hidden_states
。 - return_dict (
bool
,可选) — 是否返回 ModelOutput 而不是普通的 tuple。 - 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 hidden-states 序列。如果模型配置为 decoder,则在 cross-attention 中使用。 - encoder_attention_mask (
torch.FloatTensor
,形状为(batch_size, sequence_length)
,可选) — 用于避免在编码器输入的 padding token 索引上执行 attention 的 Mask。如果模型配置为 decoder,则此 mask 在 cross-attention 中使用。Mask 值在[0, 1]
中选择:- 1 表示 tokens 未被 Mask,
- 0 表示 tokens 已被 Mask。
- labels (
torch.LongTensor
,形状为(batch_size, sequence_length)
,可选) — 用于计算从左到右语言建模损失(下一个单词预测)的标签。索引应在[-100, 0, ..., config.vocab_size]
中(请参阅input_ids
docstring)。索引设置为-100
的 tokens 将被忽略(masked),损失仅针对标签在[0, ..., config.vocab_size]
中的 tokens 计算。 - past_key_values (
tuple(tuple(torch.FloatTensor))
,长度为config.n_layers
,每个 tuple 具有 4 个形状为(batch_size, num_heads, sequence_length - 1, embed_size_per_head)
的 tensors) — 包含 attention blocks 的预计算 key 和 value hidden states。可用于加速解码。如果使用
past_key_values
,则用户可以选择仅输入最后一次的decoder_input_ids
(那些没有将其 past key value states 提供给此模型的)的形状为(batch_size, 1)
而不是所有形状为(batch_size, sequence_length)
的decoder_input_ids
。 - use_cache (
bool
,可选) — 如果设置为True
,则返回past_key_values
key value states,并且可以用于加速解码(请参阅past_key_values
)。
返回
transformers.modeling_outputs.CausalLMOutputWithCrossAttentions 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.CausalLMOutputWithCrossAttentions 或一个 torch.FloatTensor
的 tuple(如果传递了 return_dict=False
或当 config.return_dict=False
时),包含各种元素,具体取决于配置 (BertGenerationConfig) 和输入。
-
loss (
torch.FloatTensor
,形状为(1,)
,可选,当提供labels
时返回) — 语言建模损失(用于下一个 token 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(SoftMax 之前每个词汇表 token 的分数)。 -
hidden_states (
tuple(torch.FloatTensor)
,可选,当传递output_hidden_states=True
或当config.output_hidden_states=True
时返回) —torch.FloatTensor
元组(如果模型具有 embedding 层,则为 embeddings 的输出一个,+ 为每一层的输出一个),形状为(batch_size, sequence_length, hidden_size)
。模型在每一层输出的 Hidden-states 加上可选的初始 embedding 输出。
-
attentions (
tuple(torch.FloatTensor)
,可选,当传递output_attentions=True
或当config.output_attentions=True
时返回) —torch.FloatTensor
元组(每一层一个),形状为(batch_size, num_heads, sequence_length, sequence_length)
。attention softmax 之后的 attentions 权重,用于计算自注意力 heads 中的加权平均值。
-
cross_attentions (
tuple(torch.FloatTensor)
,可选,当传递了output_attentions=True
或当config.output_attentions=True
时返回) —torch.FloatTensor
的 Tuple(每一层一个),形状为(batch_size, num_heads, sequence_length, sequence_length)
。attention softmax 之后的 Cross attentions 权重,用于计算 cross-attention heads 中的加权平均值。
-
past_key_values (
tuple(tuple(torch.FloatTensor))
,可选,当传递了use_cache=True
或当config.use_cache=True
时返回) —torch.FloatTensor
tuples 的 Tuple,长度为config.n_layers
,每个 tuple 包含 self-attention 和 cross-attention 层的缓存 key、value states(如果模型在 encoder-decoder 设置中使用)。仅当config.is_decoder = True
时相关。包含可用于加速顺序解码的预计算 hidden-states(attention blocks 中的 key 和 values)(请参阅
past_key_values
输入)。
BertGenerationDecoder
的 forward 方法,覆盖了 __call__
特殊方法。
虽然前向传递的配方需要在该函数中定义,但是应该在之后调用 Module
实例而不是此函数,因为前者会处理预处理和后处理步骤,而后者会默默地忽略它们。
示例
>>> from transformers import AutoTokenizer, BertGenerationDecoder, BertGenerationConfig
>>> import torch
>>> tokenizer = AutoTokenizer.from_pretrained("google/bert_for_seq_generation_L-24_bbc_encoder")
>>> config = BertGenerationConfig.from_pretrained("google/bert_for_seq_generation_L-24_bbc_encoder")
>>> config.is_decoder = True
>>> model = BertGenerationDecoder.from_pretrained(
... "google/bert_for_seq_generation_L-24_bbc_encoder", config=config
... )
>>> inputs = tokenizer("Hello, my dog is cute", return_token_type_ids=False, return_tensors="pt")
>>> outputs = model(**inputs)
>>> prediction_logits = outputs.logits