参数

• input_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor) — 词汇表中输入序列 tokens 的索引。如果您提供填充，默认情况下填充将被忽略。

  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 IDs？

• attention_mask (形状为 (batch_size, sequence_length) 的 torch.Tensor，可选) — 用于避免在填充 token 索引上执行 attention 的掩码。 掩码值在 [0, 1] 中选择：
  • 1 表示 token 未被掩盖，
  • 0 表示 token 被掩盖。

  什么是 attention 掩码？

• decoder_input_ids (形状为 (batch_size, target_sequence_length) 的 torch.LongTensor，可选) — 词汇表中 decoder 输入序列 tokens 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 decoder 输入 IDs？

  BlenderbotSmall 使用 bos_token_id 作为 decoder_input_ids 生成的起始 token。 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）。

• decoder_attention_mask (形状为 (batch_size, target_sequence_length) 的 torch.LongTensor，可选) — 默认行为：生成一个 tensor，该 tensor 忽略 decoder_input_ids 中的填充 tokens。 默认情况下，也将使用因果掩码。
• head_mask (形状为 (encoder_layers, encoder_attention_heads) 的 torch.Tensor，可选) — 用于 nullify encoder 中 attention 模块的选定 head 的掩码。 掩码值在 [0, 1] 中选择：
  • 1 表示 head 未被掩盖，
  • 0 表示 head 被掩盖。
• decoder_head_mask (形状为 (decoder_layers, decoder_attention_heads) 的 torch.Tensor，可选) — 用于 nullify decoder 中 attention 模块的选定 head 的掩码。 掩码值在 [0, 1] 中选择：
  • 1 表示 head 未被掩盖，
  • 0 表示 head 被掩盖。
• cross_attn_head_mask (形状为 (decoder_layers, decoder_attention_heads) 的 torch.Tensor，可选) — 用于 nullify decoder 中 cross-attention 模块的选定 head 的掩码。 掩码值在 [0, 1] 中选择：
  • 1 表示 head 未被掩盖，
  • 0 表示 head 被掩盖。
• encoder_outputs (tuple(tuple(torch.FloatTensor), 可选) — Tuple 由 (last_hidden_state, 可选: hidden_states, 可选: attentions) 组成，last_hidden_state 的形状为 (batch_size, sequence_length, hidden_size)，可选) 是 encoder 最后一层的输出端的 hidden-states 序列。 在 decoder 的 cross-attention 中使用。
• 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)) 的 Tuple，其中每个 tuple 都有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head)) 的 tensors 和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加 tensors。

  包含预先计算的 hidden-states（self-attention 块和 cross-attention 块中的 key 和 values），可以用于（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 （那些没有将其过去的 key value states 提供给此模型的）形状为 (batch_size, 1) 而不是所有形状为 (batch_size, sequence_length) 的 decoder_input_ids。

• inputs_embeds (形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor，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细地控制如何将 input_ids 索引转换为关联的向量，这将非常有用。
• decoder_inputs_embeds (形状为 (batch_size, target_sequence_length, hidden_size) 的 torch.FloatTensor，可选) — 可选地，您可以选择直接传递嵌入表示，而不是传递 decoder_input_ids。 如果使用 past_key_values，则可以选择仅输入最后一个 decoder_inputs_embeds （请参阅 past_key_values）。 如果您希望比模型的内部嵌入查找矩阵更精细地控制如何将 decoder_input_ids 索引转换为关联的向量，这将非常有用。

  如果 decoder_input_ids 和 decoder_inputs_embeds 均未设置，则 decoder_inputs_embeds 采用 inputs_embeds 的值。

• 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）。
• output_attentions (bool，可选) — 是否返回所有 attention 层的 attention 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 而不是普通 tuple。

一个 transformers.modeling_outputs.Seq2SeqModelOutput 或一个 torch.FloatTensor 的 tuple（如果传递了 return_dict=False 或当 config.return_dict=False 时），其中包含各种元素，具体取决于配置 (BlenderbotSmallConfig) 和输入。

• last_hidden_state (形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor) — 模型 decoder 的最后一层的输出端的 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)) 的 Tuple，其中每个 tuple 都有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head)) 的 tensors 和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加 tensors。

  包含预先计算的 hidden-states（self-attention 块和 cross-attention 块中的 key 和 values），可以用于（请参阅 past_key_values 输入）加速顺序解码。

• decoder_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 的 Tuple（如果模型具有嵌入层，则为嵌入输出，+ 每个层的输出各一个），形状为 (batch_size, sequence_length, hidden_size)。

  decoder 在每层输出端的 Hidden-states 加上可选的初始嵌入输出。

• decoder_attentions (tuple(torch.FloatTensor), 可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的 Tuple（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 中的加权平均值。

• cross_attentions (tuple(torch.FloatTensor), 可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的 Tuple（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 cross-attention 层的 Attention 权重，在 attention softmax 之后，用于计算 cross-attention heads 中的加权平均值。

• encoder_last_hidden_state (形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor，可选) — 模型 encoder 的最后一层的输出端的 hidden-states 序列。

• encoder_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 的 Tuple（如果模型具有嵌入层，则为嵌入输出，+ 每个层的输出各一个），形状为 (batch_size, sequence_length, hidden_size)。

  encoder 在每层输出端的 Hidden-states 加上可选的初始嵌入输出。

• encoder_attentions (tuple(torch.FloatTensor), 可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的 Tuple（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  encoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 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 tokens 的索引。如果您提供填充，默认情况下填充将被忽略。

  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 IDs？

• attention_mask (torch.Tensor，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 被 Mask。

  什么是 attention masks？

• 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 tokens 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()。

  什么是解码器输入 IDs？

  BlenderbotSmall 使用 bos_token_id 作为 decoder_input_ids 生成的起始 token。如果使用 past_key_values，则可以选择仅输入最后的 decoder_input_ids（请参阅 past_key_values）。

• 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 中的 pad tokens 的 tensor。默认情况下也会使用因果 mask。
• head_mask (torch.Tensor，形状为 (encoder_layers, encoder_attention_heads), 可选) — Mask，用于 nullify 编码器中 attention 模块的选定 head。Mask 值在 [0, 1] 中选择：
  • 1 表示 head 未被 Mask，
  • 0 表示 head 被 Mask。
• decoder_head_mask (torch.Tensor，形状为 (decoder_layers, decoder_attention_heads), 可选) — Mask，用于 nullify 解码器中 attention 模块的选定 head。Mask 值在 [0, 1] 中选择：
  • 1 表示 head 未被 Mask，
  • 0 表示 head 被 Mask。
• cross_attn_head_mask (torch.Tensor，形状为 (decoder_layers, decoder_attention_heads), 可选) — Mask，用于 nullify 解码器中 cross-attention 模块的选定 head。Mask 值在 [0, 1] 中选择：
  • 1 表示 head 未被 Mask，
  • 0 表示 head 被 Mask。
• encoder_outputs (tuple(tuple(torch.FloatTensor), 可选) — Tuple 由 (last_hidden_state, 可选: hidden_states, 可选: attentions) 组成，其中 last_hidden_state 的形状为 (batch_size, sequence_length, hidden_size)，可选) 是编码器最后一层输出的 hidden-states 序列。在解码器的 cross-attention 中使用。
• past_key_values (tuple(tuple(torch.FloatTensor)), 可选, 当传递 use_cache=True 或 config.use_cache=True 时返回) — tuple(torch.FloatTensor) 的 tuple，长度为 config.n_layers，其中每个 tuple 都有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的 tensors 和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的额外 tensors。

  包含预先计算的 hidden-states（自注意力模块和 cross-attention 模块中的 key 和 values），这些 hidden-states 可以使用（参见 past_key_values 输入）以加速顺序解码。

  如果使用 past_key_values，用户可以选择仅输入最后的 decoder_input_ids（那些没有将其过去的 key value states 提供给此模型的）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), 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好地控制如何将 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，您可以选择直接传递嵌入表示，而不是传递 decoder_input_ids。如果使用 past_key_values，则可以选择仅输入最后的 decoder_inputs_embeds（请参阅 past_key_values）。如果您希望比模型的内部嵌入查找矩阵更好地控制如何将 decoder_input_ids 索引转换为关联的向量，这将非常有用。

  如果 decoder_input_ids 和 decoder_inputs_embeds 均未设置，则 decoder_inputs_embeds 采用 inputs_embeds 的值。

• use_cache (bool, 可选) — 如果设置为 True，则返回 past_key_values 键值状态，并且可以用于加速解码（请参阅 past_key_values）。
• 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。
• labels (torch.LongTensor，形状为 (batch_size, sequence_length), 可选) — 用于计算 masked language modeling loss 的标签。索引应为 [0, ..., config.vocab_size] 或 -100（请参阅 input_ids docstring）。索引设置为 -100 的 tokens 将被忽略（masked），loss 仅针对标签在 [0, ..., config.vocab_size] 中的 tokens 计算。

一个 transformers.modeling_outputs.Seq2SeqLMOutput 或一个 torch.FloatTensor 的 tuple (如果传递了 return_dict=False 或当 config.return_dict=False 时)，其中包含各种元素，具体取决于配置 (BlenderbotSmallConfig) 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。

• logits (torch.FloatTensor，形状为 (batch_size, sequence_length, config.vocab_size)) — 语言建模 head 的预测分数（SoftMax 之前每个词汇表 token 的分数）。

• 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)) 的 Tuple，其中每个 tuple 都有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head)) 的 tensors 和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加 tensors。

  包含预先计算的 hidden-states（self-attention 块和 cross-attention 块中的 key 和 values），可以用于（请参阅 past_key_values 输入）加速顺序解码。

• decoder_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 的 Tuple（如果模型具有嵌入层，则为嵌入输出，+ 每个层的输出各一个），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• decoder_attentions (tuple(torch.FloatTensor), 可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的 Tuple（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 中的加权平均值。

• cross_attentions (tuple(torch.FloatTensor), 可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的 Tuple（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 cross-attention 层的 Attention 权重，在 attention softmax 之后，用于计算 cross-attention heads 中的加权平均值。

• encoder_last_hidden_state (形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor，可选) — 模型 encoder 的最后一层的输出端的 hidden-states 序列。

• encoder_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 的 Tuple（如果模型具有嵌入层，则为嵌入输出，+ 每个层的输出各一个），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• encoder_attentions (tuple(torch.FloatTensor), 可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的 Tuple（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  encoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 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 tokens 的索引。如果您提供填充，默认情况下填充将被忽略。

  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 IDs？

• attention_mask (torch.Tensor of shape (batch_size, sequence_length), optional) — 用于避免在 padding token 索引上执行 attention 的掩码。Mask values selected in [0, 1]:
  • 1 for tokens that are not masked,
  • 0 for tokens that are masked.

  什么是 attention masks？

• encoder_hidden_states (torch.FloatTensor of shape (batch_size, sequence_length, hidden_size), optional) — 编码器最后一层的输出端的隐藏状态序列。如果模型配置为解码器，则在 cross-attention 中使用。
• encoder_attention_mask (torch.FloatTensor of shape (batch_size, sequence_length), optional) — 用于避免在编码器输入的 padding token 索引上执行 attention 的掩码。如果模型配置为解码器，则此掩码在 cross-attention 中使用。Mask values selected in [0, 1]:
• head_mask (torch.Tensor of shape (decoder_layers, decoder_attention_heads), optional) — 用于 nullify attention 模块的 selected heads 的掩码。Mask values selected in [0, 1]:
  • 1 indicates the head is not masked,
  • 0 indicates the head is masked.
• cross_attn_head_mask (torch.Tensor of shape (decoder_layers, decoder_attention_heads), optional) — 用于 nullify cross-attention 模块的 selected heads 的掩码。Mask values selected in [0, 1]:
  • 1 indicates the head is not masked,
  • 0 indicates the head is masked.
• past_key_values (tuple(tuple(torch.FloatTensor)), optional, returned when use_cache=True is passed or when config.use_cache=True) — 长度为 config.n_layers 的 tuple(torch.FloatTensor) 元组，其中每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的 tensors 和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加 tensors。当模型在 Sequence to Sequence 模型中用作解码器时，才需要这两个附加 tensors。

  包含预先计算的隐藏状态（self-attention 块和 cross-attention 块中的 key 和 values），这些状态可以用于（参见 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次的 decoder_input_ids（那些没有将其 past key value 状态提供给此模型的），形状为 (batch_size, 1)，而不是形状为 (batch_size, sequence_length) 的所有 decoder_input_ids。

• labels (torch.LongTensor of shape (batch_size, sequence_length), optional) — 用于计算 masked language modeling loss 的标签。索引应在 [0, ..., config.vocab_size] 或 -100 中（参见 input_ids 文档字符串）。索引设置为 -100 的 tokens 将被忽略（masked），loss 仅针对标签在 [0, ..., config.vocab_size] 中的 tokens 计算。
• use_cache (bool, optional) — 如果设置为 True，则返回 past_key_values key value 状态，并可用于加速解码（参见 past_key_values）。
  • 1 for tokens that are not masked,
  • 0 for tokens that are masked.
• output_attentions (bool, optional) — 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, optional) — 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, optional) — 是否返回 ModelOutput 而不是普通的元组。

一个 transformers.modeling_outputs.CausalLMOutputWithCrossAttentions 或 torch.FloatTensor 的元组 (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 (BlenderbotSmallConfig) 和输入。

• loss (torch.FloatTensor of shape (1,), optional, returned when labels is provided) — 语言建模 loss (用于 next-token prediction)。

• logits (torch.FloatTensor，形状为 (batch_size, sequence_length, config.vocab_size)) — 语言建模 head 的预测分数（SoftMax 之前每个词汇表 token 的分数）。

• hidden_states (tuple(torch.FloatTensor), optional, returned when output_hidden_states=True is passed or when config.output_hidden_states=True) — torch.FloatTensor 的元组 (如果模型具有嵌入层，则为嵌入输出之一；+ 每层输出一个)，形状为 (batch_size, sequence_length, hidden_size)。

  模型在每层输出端的 Hidden-states，加上可选的初始嵌入输出。

• attentions (tuple(torch.FloatTensor), optional, returned when output_attentions=True is passed or when config.output_attentions=True) — torch.FloatTensor 的元组 (每层一个)，形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  attention softmax 之后的 Attention weights，用于计算 self-attention heads 中的加权平均值。

• cross_attentions (tuple(torch.FloatTensor), 可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的 Tuple（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  attention softmax 之后的 Cross attentions weights，用于计算 cross-attention heads 中的加权平均值。

• past_key_values (tuple(tuple(torch.FloatTensor)), optional, returned when use_cache=True is passed or when config.use_cache=True) — 长度为 config.n_layers 的 torch.FloatTensor 元组的元组，其中每个元组包含 self-attention 和 cross-attention 层的缓存 key、value 状态（如果模型在 encoder-decoder 设置中使用）。仅当 config.is_decoder = True 时相关。

  包含预先计算的隐藏状态（attention 块中的 key 和 values），这些状态可以用于（参见 past_key_values 输入）加速顺序解码。

参数

• input_ids (tf.Tensor of shape (batch_size, sequence_length)) — 词汇表中输入序列 tokens 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 input IDs？

• attention_mask (tf.Tensor of shape (batch_size, sequence_length), optional) — 用于避免在 padding token 索引上执行 attention 的掩码。Mask values selected in [0, 1]:
  • 1 for tokens that are not masked,
  • 0 for tokens that are masked.

  什么是 attention masks？

• decoder_input_ids (tf.Tensor of shape (batch_size, target_sequence_length), optional) — 词汇表中解码器输入序列 tokens 的索引。

  索引可以使用 AutoTokenizer 获得。 参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 以了解详情。

  什么是解码器输入 ID？

  BlenderbotSmall 使用 bos_token_id 作为 decoder_input_ids 生成的起始 token。 如果使用 past_key_values，则可以选择仅输入最后的 decoder_input_ids （请参阅 past_key_values）。

• decoder_attention_mask (tf.Tensor of shape (batch_size, target_sequence_length), optional) — 默认情况下会创建，并忽略 pad tokens。 大多数用例不建议设置此项。
• decoder_position_ids (tf.Tensor of shape (batch_size, sequence_length), optional) — 位置嵌入中每个解码器输入序列 tokens 的位置索引。 在范围 [0, config.max_position_embeddings - 1] 中选择。
• head_mask (tf.Tensor of shape (encoder_layers, encoder_attention_heads), optional) — 用于使编码器中注意力模块的选定 head 失效的 Mask。 在 [0, 1] 中选择的 Mask 值：
  • 1 表示 head 未被 Mask，
  • 0 表示 head 被 Mask。
• decoder_head_mask (tf.Tensor of shape (decoder_layers, decoder_attention_heads), optional) — 用于使解码器中注意力模块的选定 head 失效的 Mask。 在 [0, 1] 中选择的 Mask 值：
  • 1 表示 head 未被 Mask，
  • 0 表示 head 被 Mask。
• cross_attn_head_mask (tf.Tensor of shape (decoder_layers, decoder_attention_heads), optional) — 用于使 cross-attention 模块的选定 head 失效的 Mask。 在 [0, 1] 中选择的 Mask 值：
  • 1 表示 head 未被 Mask，
  • 0 表示 head 被 Mask。
• encoder_outputs (tf.FloatTensor, optional) — 编码器最后一层的输出 hidden states。 在解码器的 cross-attention 中使用。 形状为 (batch_size, sequence_length, hidden_size) 的序列是
• past_key_values (Tuple[Tuple[tf.Tensor]] of length config.n_layers) — 包含注意力模块的预计算 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最后的 decoder_input_ids （那些没有将其 past key value states 提供给此模型的）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, optional, defaults to True) — 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）。 在训练期间设置为 False，在生成期间设置为 True
• output_attentions (bool, optional) — 是否返回所有注意力层的 attentions tensors。 有关更多详细信息，请参见返回的 tensors 下的 attentions。 此参数只能在 eager 模式下使用，在 graph 模式下将使用 config 中的值。
• output_hidden_states (bool, optional) — 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。 此参数只能在 eager 模式下使用，在 graph 模式下将使用 config 中的值。
• return_dict (bool, optional) — 是否返回 ModelOutput 而不是普通的 tuple。 此参数可以在 eager 模式下使用，在 graph 模式下该值将始终设置为 True。
• training (bool, optional, defaults to False) — 是否在训练模式下使用模型（dropout 模块等某些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 tf.Tensor 的 tuple （如果传递了 return_dict=False 或当 config.return_dict=False 时），其中包含各种元素，具体取决于配置 (BlenderbotSmallConfig) 和输入。

• last_hidden_state (tf.Tensor of shape (batch_size, sequence_length, hidden_size)) — 模型解码器最后一层的输出 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 (List[tf.Tensor], optional, returned when use_cache=True is passed or when config.use_cache=True) — tf.Tensor 列表，长度为 config.n_layers，每个 tensor 的形状为 (2, batch_size, num_heads, sequence_length, embed_size_per_head))。

  包含解码器的预计算 hidden-states（注意力模块中的 key 和 values），可用于加速顺序解码（请参阅 past_key_values 输入）。

• decoder_hidden_states (tuple(tf.Tensor), optional, returned when output_hidden_states=True is passed or when config.output_hidden_states=True) — tf.Tensor 的 tuple (embeddings 的输出 + 每个层的输出)，形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• decoder_attentions (tuple(tf.Tensor), optional, returned when output_attentions=True is passed or when config.output_attentions=True) — tf.Tensor 的 tuple (每个层一个)，形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 中的加权平均值。

• cross_attentions (tuple(tf.Tensor), optional, returned when output_attentions=True is passed or when config.output_attentions=True) — tf.Tensor 的 tuple (每个层一个)，形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 cross-attention 层的 Attention 权重，在 attention softmax 之后，用于计算 cross-attention heads 中的加权平均值。

• encoder_last_hidden_state (tf.Tensor of shape (batch_size, sequence_length, hidden_size), optional) — 模型编码器最后一层的输出 hidden-states 序列。

• encoder_hidden_states (tuple(tf.Tensor), optional, returned when output_hidden_states=True is passed or when config.output_hidden_states=True) — tf.Tensor 的 tuple (embeddings 的输出 + 每个层的输出)，形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• encoder_attentions (tuple(tf.Tensor), optional, returned when output_attentions=True is passed or when config.output_attentions=True) — tf.Tensor 的 tuple (每个层一个)，形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  encoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 中的加权平均值。

参数

• input_ids (tf.Tensor of shape ({0})) — 词汇表中输入序列 tokens 的索引。

  索引可以使用 AutoTokenizer 获得。 参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 以了解详情。

  什么是输入 ID？

• attention_mask (tf.Tensor of shape ({0}), optional) — Mask，用于避免在 padding token 索引上执行注意力机制。 在 [0, 1] 中选择的 Mask 值：
  • 1 表示 tokens 未被 Mask，
  • 0 表示 tokens 被 Mask。

  什么是注意力 Mask？

• decoder_input_ids (tf.Tensor of shape (batch_size, target_sequence_length), optional) — 词汇表中解码器输入序列 tokens 的索引。

  索引可以使用 AutoTokenizer 获得。 参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 以了解详情。

  什么是解码器输入 ID？

  BlenderbotSmall 使用 bos_token_id 作为 decoder_input_ids 生成的起始 token。 如果使用 past_key_values，则可以选择仅输入最后的 decoder_input_ids （请参阅 past_key_values）。

• decoder_attention_mask (tf.Tensor of shape (batch_size, target_sequence_length), optional) — 默认情况下会创建，并忽略 pad tokens。 大多数用例不建议设置此项。
• decoder_position_ids (tf.Tensor of shape (batch_size, sequence_length), optional) — 位置嵌入中每个解码器输入序列 tokens 的位置索引。 在范围 [0, config.max_position_embeddings - 1] 中选择。
• head_mask (tf.Tensor，形状为 (encoder_layers, encoder_attention_heads)，可选) — 用于置空编码器中注意力模块所选 head 的掩码。掩码值选自 [0, 1]：
  • 1 表示 head 不被掩盖，
  • 0 表示 head 被掩盖。
• decoder_head_mask (tf.Tensor，形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于置空解码器中注意力模块所选 head 的掩码。掩码值选自 [0, 1]：
  • 1 表示 head 不被掩盖，
  • 0 表示 head 被掩盖。
• cross_attn_head_mask (tf.Tensor，形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于置空交叉注意力模块所选 head 的掩码。掩码值选自 [0, 1]：
  • 1 表示 head 不被掩盖，
  • 0 表示 head 被掩盖。
• encoder_outputs (tf.FloatTensor，可选) — 编码器最后一层的输出的隐藏状态。在解码器的交叉注意力中使用。形状为 (batch_size, sequence_length, hidden_size) 的序列
• 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。如果使用了 past_key_values，用户可以选择仅输入最后的 decoder_input_ids (那些没有将其过去的键值状态提供给此模型的)，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，默认为 True) — 如果设置为 True，则返回 past_key_values 键值状态，可用于加速解码（参见 past_key_values）。训练期间设置为 False，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，请参见返回的张量下的 attentions。此参数只能在 eager 模式下使用，在 graph 模式下将使用 config 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，请参见返回的张量下的 hidden_states。此参数只能在 eager 模式下使用，在 graph 模式下将使用 config 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 eager 模式下使用，在 graph 模式下，该值将始终设置为 True。
• training (bool，可选，默认为 False) — 是否在训练模式下使用模型（某些模块，如 dropout 模块，在训练和评估之间具有不同的行为）。
• 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 tokens 将被忽略（掩码），损失仅针对标签在 [0, ..., config.vocab_size] 中的 tokens 计算。

一个 transformers.modeling_tf_outputs.TFSeq2SeqLMOutput 或 tf.Tensor 元组（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 (BlenderbotSmallConfig) 和输入。

• loss (tf.Tensor，形状为 (n,)，可选，其中 n 是非掩码标签的数量，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 head 的预测分数（SoftMax 之前每个词汇表 token 的分数）。

• past_key_values (List[tf.Tensor], optional, returned when use_cache=True is passed or when config.use_cache=True) — tf.Tensor 列表，长度为 config.n_layers，每个 tensor 的形状为 (2, batch_size, num_heads, sequence_length, embed_size_per_head))。

  包含解码器的预计算 hidden-states（注意力模块中的 key 和 values），可用于加速顺序解码（请参阅 past_key_values 输入）。

• decoder_hidden_states (tuple(tf.Tensor), optional, returned when output_hidden_states=True is passed or when config.output_hidden_states=True) — tf.Tensor 的 tuple (embeddings 的输出 + 每个层的输出)，形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• decoder_attentions (tuple(tf.Tensor), optional, returned when output_attentions=True is passed or when config.output_attentions=True) — tf.Tensor 的 tuple (每个层一个)，形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 中的加权平均值。

• cross_attentions (tuple(tf.Tensor), optional, returned when output_attentions=True is passed or when config.output_attentions=True) — tf.Tensor 的 tuple (每个层一个)，形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 cross-attention 层的 Attention 权重，在 attention softmax 之后，用于计算 cross-attention heads 中的加权平均值。

• encoder_last_hidden_state (tf.Tensor of shape (batch_size, sequence_length, hidden_size), optional) — 模型编码器最后一层的输出 hidden-states 序列。

• encoder_hidden_states (tuple(tf.Tensor), optional, returned when output_hidden_states=True is passed or when config.output_hidden_states=True) — tf.Tensor 的 tuple (embeddings 的输出 + 每个层的输出)，形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• encoder_attentions (tuple(tf.Tensor), optional, returned when output_attentions=True is passed or when config.output_attentions=True) — tf.Tensor 的 tuple (每个层一个)，形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  encoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 中的加权平均值。

一个 transformers.modeling_flax_outputs.FlaxSeq2SeqModelOutput 或 torch.FloatTensor 元组（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 (BlenderbotSmallConfig) 和输入。

• 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端的隐藏状态序列。

  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 hidden-state。

• past_key_values (tuple(tuple(jnp.ndarray))，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(jnp.ndarray)) 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 hidden-states（self-attention 块和 cross-attention 块中的 key 和 values），可以用于（请参阅 past_key_values 输入）加速顺序解码。

• decoder_hidden_states (tuple(jnp.ndarray)，可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 元组（embeddings 的输出一个，每层输出一个），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• decoder_attentions (tuple(jnp.ndarray)，可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 中的加权平均值。

• cross_attentions (tuple(jnp.ndarray)，可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 cross-attention 层的 Attention 权重，在 attention softmax 之后，用于计算 cross-attention heads 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端的隐藏状态序列。

• encoder_hidden_states (tuple(jnp.ndarray)，可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 元组（embeddings 的输出一个，每层输出一个），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• encoder_attentions (tuple(jnp.ndarray)，可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  encoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 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 tokens 的索引。如果您提供 padding，默认情况下将被忽略。

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

  什么是输入 IDs？

• attention_mask (jnp.ndarray，形状为 (batch_size, sequence_length)，可选) — 掩码，用于避免在 padding 标记索引上执行 attention。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。

  什么是 attention 掩码？

• 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。
• output_attentions (bool，可选) — 是否返回所有 attention 层的 attentions 张量。有关更多详细信息，请参阅返回的张量下的 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，请参阅返回的张量下的 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 或一个 torch.FloatTensor 元组（如果传递了 return_dict=False 或者当 config.return_dict=False 时），包含各种元素，具体取决于配置 (<class 'transformers.models.blenderbot_small.configuration_blenderbot_small.BlenderbotSmallConfig'>) 和输入。

• last_hidden_state (jnp.ndarray，形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层的输出处的 hidden-states 序列。

• hidden_states (tuple(jnp.ndarray)，可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 元组（embeddings 的输出一个，每层输出一个），形状为 (batch_size, sequence_length, hidden_size)。

  模型在每一层输出以及初始 embedding 输出处的 Hidden-states。

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

  attention softmax 之后的 Attention weights，用于计算 self-attention heads 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()。

  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，则模型将通过将 input_ids 向右移动来创建此张量，以进行遵循论文的去噪预训练。

• encoder_outputs (tuple(tuple(jnp.ndarray)) — 元组由 (last_hidden_state，可选: hidden_states，可选: attentions) 组成 last_hidden_state 的形状为 (batch_size, sequence_length, hidden_size)，可选) 是编码器最后一层输出处的 hidden-states 序列。在解码器的 cross-attention 中使用。
• encoder_attention_mask (jnp.ndarray，形状为 (batch_size, sequence_length)，可选) — 掩码，用于避免在 padding 标记索引上执行 attention。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。

  什么是 attention 掩码？

• 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，该张量忽略 decoder_input_ids 中的 pad 标记。因果掩码也将默认使用。

  如果您想更改 padding 行为，则应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。

• 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。
• past_key_values (Dict[str, np.ndarray]，可选，由 init_cache 返回或在传递先前的 past_key_values 时返回) — 预先计算的 hidden-states 字典（attention 块中的键和值），可用于快速自回归解码。预先计算的键和值 hidden-states 的形状为 [batch_size, max_length]。
• output_attentions (bool，可选) — 是否返回所有 attention 层的 attentions 张量。有关更多详细信息，请参阅返回的张量下的 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，请参阅返回的张量下的 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.FlaxBaseModelOutputWithPastAndCrossAttentions 或一个 torch.FloatTensor 元组（如果传递了 return_dict=False 或者当 config.return_dict=False 时），包含各种元素，具体取决于配置 (<class 'transformers.models.blenderbot_small.configuration_blenderbot_small.BlenderbotSmallConfig'>) 和输入。

• last_hidden_state (jnp.ndarray，形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层的输出处的 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(jnp.ndarray))，可选，当传递 use_cache=True 或当 config.use_cache=True 时返回) — tuple(jnp.ndarray) 元组，长度为 config.n_layers，每个元组具有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head)) 的张量，并且如果 config.is_encoder_decoder=True，则可选地具有 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 hidden-states（自 attention 块中的键和值，以及如果 config.is_encoder_decoder=True，则可选地在 cross-attention 块中），可以用于（请参阅 past_key_values 输入）加速顺序解码。

• hidden_states (tuple(jnp.ndarray)，可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 元组（embeddings 的输出一个，每层输出一个），形状为 (batch_size, sequence_length, hidden_size)。

  模型在每一层输出以及初始 embedding 输出处的 Hidden-states。

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

  attention softmax 之后的 Attention weights，用于计算 self-attention heads 中的加权平均值。

• cross_attentions (tuple(jnp.ndarray)，可选，当传递 output_attentions=True 且 config.add_cross_attention=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 cross-attention 层的 Attention 权重，在 attention softmax 之后，用于计算 cross-attention heads 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 tokens 的索引。 默认情况下，如果您提供填充，则填充将被忽略。

  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 IDs？

• attention_mask (jnp.ndarray，形状为 (batch_size, sequence_length)，可选) — 用于避免在填充 token 索引上执行 attention 的 Mask。 Mask 值在 [0, 1] 中选择：
  • 1 表示 未被 Mask 的 tokens，
  • 0 表示 被 Mask 的 tokens。

  什么是 attention masks？

• 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 tokens 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 IDs？

  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 向右移动以进行降噪预训练来创建此张量，这遵循了论文中的做法。

• 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，该张量忽略 decoder_input_ids 中的 pad tokens。 默认情况下，还将使用因果 mask。

  如果您想更改填充行为，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 token 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 token 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 attention 层的 attentions 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 hidden states。 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 而不是普通的 tuple。

一个 transformers.modeling_flax_outputs.FlaxSeq2SeqLMOutput 或一个 torch.FloatTensor 的 tuple（如果传递了 return_dict=False 或当 config.return_dict=False 时），包括取决于配置 (BlenderbotSmallConfig) 和输入的各种元素。

• logits (jnp.ndarray，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）。

• past_key_values (tuple(tuple(jnp.ndarray))，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(jnp.ndarray)) 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 hidden-states（self-attention 块和 cross-attention 块中的 key 和 values），可以用于（请参阅 past_key_values 输入）加速顺序解码。

• decoder_hidden_states (tuple(jnp.ndarray)，可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 元组（embeddings 的输出一个，每层输出一个），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• decoder_attentions (tuple(jnp.ndarray)，可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 中的加权平均值。

• cross_attentions (tuple(jnp.ndarray)，可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  decoder 的 cross-attention 层的 Attention 权重，在 attention softmax 之后，用于计算 cross-attention heads 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端的隐藏状态序列。

• encoder_hidden_states (tuple(jnp.ndarray)，可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 元组（embeddings 的输出一个，每层输出一个），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出端的 Hidden-states 以及初始嵌入输出。

• encoder_attentions (tuple(jnp.ndarray)，可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  encoder 的 Attention 权重，在 attention softmax 之后，用于计算 self-attention heads 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 tokens 的索引。 默认情况下，如果您提供填充，则填充将被忽略。

  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 IDs？

• attention_mask (jnp.ndarray，形状为 (batch_size, sequence_length)，可选) — 用于避免在填充 token 索引上执行 attention 的 Mask。 Mask 值在 [0, 1] 中选择：
  • 1 表示 未被 Mask 的 tokens，
  • 0 表示 被 Mask 的 tokens。

  什么是 attention masks？

• position_ids (numpy.ndarray，形状为 (batch_size, sequence_length)，可选) — 位置嵌入中每个输入序列 token 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 attention 层的 attentions 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 hidden states。 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 而不是普通的 tuple。

一个 transformers.modeling_flax_outputs.FlaxBaseModelOutput 或一个 torch.FloatTensor 元组（如果传递了 return_dict=False 或者当 config.return_dict=False 时），包含各种元素，具体取决于配置 (<class 'transformers.models.blenderbot_small.configuration_blenderbot_small.BlenderbotSmallConfig'>) 和输入。

• last_hidden_state (jnp.ndarray，形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层的输出处的 hidden-states 序列。

• hidden_states (tuple(jnp.ndarray)，可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 元组（embeddings 的输出一个，每层输出一个），形状为 (batch_size, sequence_length, hidden_size)。

  模型在每一层输出以及初始 embedding 输出处的 Hidden-states。

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

  attention softmax 之后的 Attention weights，用于计算 self-attention heads 中的加权平均值。

参数

• decoder_input_ids (jnp.ndarray，形状为 (batch_size, target_sequence_length)) — 词汇表中解码器输入序列 tokens 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 IDs？

  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 向右移动以进行降噪预训练来创建此张量，这遵循了论文中的做法。

• encoder_outputs (tuple(tuple(jnp.ndarray)) — Tuple 由 (last_hidden_state, 可选: hidden_states, 可选: attentions) 组成， last_hidden_state 的形状为 (batch_size, sequence_length, hidden_size)，可选) 是编码器最后一层输出的 hidden-states 序列。 在解码器的交叉 attention 中使用。
• encoder_attention_mask (jnp.ndarray，形状为 (batch_size, sequence_length)，可选) — 用于避免在填充 token 索引上执行 attention 的 Mask。 Mask 值在 [0, 1] 中选择：
  • 1 表示 未被 Mask 的 tokens，
  • 0 表示 被 Mask 的 tokens。

  什么是 attention masks？

• 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，该张量忽略 decoder_input_ids 中的 pad tokens。 默认情况下，还将使用因果 mask。

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

• decoder_position_ids (numpy.ndarray，形状为 (batch_size, sequence_length)，可选) — 每个解码器输入序列 token 在位置嵌入中的位置索引。 在范围 [0, config.max_position_embeddings - 1] 中选择。
• 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（注意力模块中的键和值），可用于快速自回归解码。 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 而不是普通的元组。

一个 transformers.modeling_flax_outputs.FlaxCausalLMOutputWithCrossAttentions 或一个 torch.FloatTensor 元组（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 (<class 'transformers.models.blenderbot_small.configuration_blenderbot_small.BlenderbotSmallConfig'>) 和输入。

• logits (jnp.ndarray，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(jnp.ndarray)，可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 元组（embeddings 的输出一个，每层输出一个），形状为 (batch_size, sequence_length, hidden_size)。

  模型在每一层输出以及初始 embedding 输出处的 Hidden-states。

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

  attention softmax 之后的 Attention weights，用于计算 self-attention heads 中的加权平均值。

• cross_attentions (tuple(jnp.ndarray)，可选，当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  attention softmax 之后的 Cross attentions weights，用于计算 cross-attention heads 中的加权平均值。

• past_key_values (tuple(tuple(jnp.ndarray))，可选，当传递 use_cache=True 或当 config.use_cache=True 时返回) — 长度为 config.n_layers 的 jnp.ndarray 元组的元组，如果模型在编码器-解码器设置中使用，则每个元组包含自注意力层和交叉注意力层的缓存键、值状态。 仅当 config.is_decoder = True 时相关。

  包含预先计算的隐藏状态（attention 块中的 key 和 values），这些状态可以用于（参见 past_key_values 输入）加速顺序解码。