Transformers 文档

BROS

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

BROS

概述

BROS 模型由 Teakgyu Hong、Donghyun Kim、Mingi Ji、Wonseok Hwang、Daehyun Nam、Sungrae Park 在BROS:一种专注于文本和布局的预训练语言模型,用于更好地从文档中提取关键信息中提出。

BROS 代表*依赖空间信息的 BERT*。它是一个仅编码器 Transformer 模型,将一系列标记及其边界框作为输入,并输出一系列隐藏状态。BROS 编码相对空间信息,而不是使用绝对空间信息。

它使用两个目标进行预训练:BERT 中使用的标记掩码语言建模目标 (TMLM) 和一种新颖的区域掩码语言建模目标 (AMLM)。在 TMLM 中,标记被随机掩码,模型使用空间信息和其他未掩码标记预测掩码标记。AMLM 是 TMLM 的二维版本。它随机掩码文本标记并使用与 TMLM 相同的信息进行预测,但它掩码的是文本块(区域)。

BrosForTokenClassification 在 BrosModel 之上有一个简单的线性层。它预测每个标记的标签。BrosSpadeEEForTokenClassification 在 BrosModel 之上有一个 initial_token_classifiersubsequent_token_classifierinitial_token_classifier 用于预测每个实体的第一个标记,subsequent_token_classifier 用于预测实体内的下一个标记。BrosSpadeELForTokenClassification 在 BrosModel 之上有一个 entity_linkerentity_linker 用于预测两个实体之间的关系。

BrosForTokenClassificationBrosSpadeEEForTokenClassification 本质上执行相同的工作。但是,BrosForTokenClassification 假设输入标记是完美序列化的(这是一项非常具有挑战性的任务,因为它们存在于二维空间中),而 BrosSpadeEEForTokenClassification 允许在处理序列化错误方面更大的灵活性,因为它从一个标记预测下一个连接标记。

BrosSpadeELForTokenClassification 执行实体内链接任务。如果两个实体共享某种关系,它会预测从一个标记(一个实体)到另一个标记(另一个实体)的关系。

BROS 在关键信息提取 (KIE) 基准测试(如 FUNSD、SROIE、CORD 和 SciTSR)上取得了相当或更好的结果,而无需依赖显式的视觉特征。

论文的摘要是:

从文档图像中提取关键信息 (KIE) 需要理解二维 (2D) 空间中文本的上下文和空间语义。最近的许多研究试图通过开发预训练语言模型来解决这个问题,这些模型侧重于将文档图像中的视觉特征与其文本和布局相结合。另一方面,本文通过回归基础来解决这个问题:有效地结合文本和布局。具体来说,我们提出了一个名为 BROS(依赖空间性的 BERT)的预训练语言模型,它对二维空间中文本的相对位置进行编码,并使用区域掩码策略从未标记的文档中学习。通过这种针对理解二维空间中文本的优化训练方案,BROS 在四个 KIE 基准测试(FUNSD、SROIE、CORD 和 SciTSR)上与先前的方法相比表现出相当或更好的性能,而无需依赖视觉特征。本文还揭示了 KIE 任务中的两个现实挑战——(1) 最小化来自不正确文本排序的错误和 (2) 从较少的下游示例中进行有效学习——并证明了 BROS 相对于先前方法的优越性。*

此模型由 jinho8345 贡献。原始代码可以在 此处 找到。

使用技巧和示例

  • forward() 需要 input_idsbbox(边界框)。每个边界框应采用 (x0, y0, x1, y1) 格式(左上角、右下角)。边界框的获取取决于外部 OCR 系统。x 坐标应通过文档图像宽度进行归一化,y 坐标应通过文档图像高度进行归一化。
def expand_and_normalize_bbox(bboxes, doc_width, doc_height):
    # here, bboxes are numpy array

    # Normalize bbox -> 0 ~ 1
    bboxes[:, [0, 2]] = bboxes[:, [0, 2]] / width
    bboxes[:, [1, 3]] = bboxes[:, [1, 3]] / height
  • [~transformers.BrosForTokenClassification.forward~transformers.BrosSpadeEEForTokenClassification.forward~transformers.BrosSpadeEEForTokenClassification.forward] 不仅需要 input_idsbbox,还需要 box_first_token_mask 来计算损失。它是一个掩码,用于过滤掉每个框的非首个标记。您可以在从单词创建 input_ids 时保存边界框的起始标记索引来获取此掩码。您可以使用以下代码创建 box_first_token_mask
def make_box_first_token_mask(bboxes, words, tokenizer, max_seq_length=512):

    box_first_token_mask = np.zeros(max_seq_length, dtype=np.bool_)

    # encode(tokenize) each word from words (List[str])
    input_ids_list: List[List[int]] = [tokenizer.encode(e, add_special_tokens=False) for e in words]

    # get the length of each box
    tokens_length_list: List[int] = [len(l) for l in input_ids_list]

    box_end_token_indices = np.array(list(itertools.accumulate(tokens_length_list)))
    box_start_token_indices = box_end_token_indices - np.array(tokens_length_list)

    # filter out the indices that are out of max_seq_length
    box_end_token_indices = box_end_token_indices[box_end_token_indices < max_seq_length - 1]
    if len(box_start_token_indices) > len(box_end_token_indices):
        box_start_token_indices = box_start_token_indices[: len(box_end_token_indices)]

    # set box_start_token_indices to True
    box_first_token_mask[box_start_token_indices] = True

    return box_first_token_mask

资源

  • 演示脚本可以在 此处 找到。

BrosConfig

transformers.BrosConfig

< >

( vocab_size = 30522 hidden_size = 768 num_hidden_layers = 12 num_attention_heads = 12 intermediate_size = 3072 hidden_act = 'gelu' hidden_dropout_prob = 0.1 attention_probs_dropout_prob = 0.1 max_position_embeddings = 512 type_vocab_size = 2 initializer_range = 0.02 layer_norm_eps = 1e-12 pad_token_id = 0 dim_bbox = 8 bbox_scale = 100.0 n_relations = 1 classifier_dropout_prob = 0.1 **kwargs )

参数

  • vocab_size (int, 可选, 默认值为 30522) — Bros 模型的词汇表大小。定义了在调用 BrosModelTFBrosModel 时传递的 inputs_ids 可以表示的不同标记的数量。
  • hidden_size (int, 可选, 默认值为 768) — 编码器层和池化层的维度。
  • num_hidden_layers (int, 可选, 默认值为 12) — Transformer 编码器中的隐藏层数。
  • num_attention_heads (int, 可选, 默认值为 12) — Transformer 编码器中每个注意力层的注意力头数。
  • intermediate_size (int, 可选, 默认值为 3072) — Transformer 编码器中“中间”(通常称为前馈)层的维度。
  • hidden_act (strCallable, 可选, 默认为 "gelu") — 编码器和池化器中使用的非线性激活函数(函数或字符串)。如果为字符串,则支持 "gelu""relu""silu""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) — 此模型可能用到的最大序列长度。通常设置为较大的值以防万一(例如 512 或 1024 或 2048)。
  • type_vocab_size (int, 可选, 默认为 2) — 调用 BrosModelTFBrosModel 时传递的 token_type_ids 的词汇表大小。
  • 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。
  • pad_token_id (int可选,默认为 0) — 词汇表中填充标记的索引。
  • dim_bbox (int可选,默认为 8) — 边界框坐标的维度。 (x0, y1, x1, y0, x1, y1, x0, y1)
  • bbox_scale (float可选,默认为 100.0) — 边界框坐标的缩放因子。
  • n_relations (int可选,默认为 1) — SpadeEE(实体提取), SpadeEL(实体链接) 头部的关系数量。
  • classifier_dropout_prob (float可选,默认为 0.1) — 分类器头的 dropout 比率。

这是用于存储 BrosModelTFBrosModel 配置的配置类。它用于根据指定的参数实例化 Bros 模型,定义模型架构。使用默认值实例化配置将产生与 Bros jinho8345/bros-base-uncased 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 BrosConfig, BrosModel

>>> # Initializing a BROS jinho8345/bros-base-uncased style configuration
>>> configuration = BrosConfig()

>>> # Initializing a model from the jinho8345/bros-base-uncased style configuration
>>> model = BrosModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

BrosProcessor

class transformers.BrosProcessor

< >

( tokenizer = None **kwargs )

参数

  • tokenizer (BertTokenizerFast, 可选) — [‘BertTokenizerFast`] 的实例。分词器是必需的输入。

构造一个包装 BERT 分词器的 Bros 处理器。

BrosProcessor 提供 BertTokenizerFast 的所有功能。有关更多信息,请参阅 call()decode() 的文档字符串。

__call__

< >

( text: Union = None add_special_tokens: bool = True padding: Union = False truncation: Union = None max_length: Optional = None stride: int = 0 pad_to_multiple_of: Optional = None return_token_type_ids: Optional = None return_attention_mask: Optional = None return_overflowing_tokens: bool = False return_special_tokens_mask: bool = False return_offsets_mapping: bool = False return_length: bool = False verbose: bool = True return_tensors: Union = None **kwargs )

此方法使用 BertTokenizerFast.call() 准备模型的文本。

有关更多信息,请参阅上述两种方法的文档字符串。

BrosModel

class transformers.BrosModel

< >

( config add_pooling_layer = True )

参数

  • config (BrosConfig) — 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关联的权重,只会加载配置。 查看 from_pretrained() 方法来加载模型权重。

Bros 模型是一个基本的 Transformer 模型,它输出原始的隐藏状态,顶部没有任何特定的头部。 该模型也是 PyTorch torch.nn.Module 的子类。 将其用作常规的 PyTorch 模块,并参考 PyTorch 文档以获取有关一般用法和行为的所有信息。

forward

< >

( input_ids: Optional = None bbox: Optional = None attention_mask: Optional = None token_type_ids: Optional = None position_ids: Optional = None head_mask: Optional = None inputs_embeds: Optional = None encoder_hidden_states: Optional = None encoder_attention_mask: Optional = None past_key_values: Optional = None use_cache: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None ) transformers.modeling_outputs.BaseModelOutputWithPoolingAndCrossAttentions or tuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor of shape (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。

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

    什么是输入 ID?

  • bbox (‘torch.FloatTensor’ of shape ‘(batch_size, num_boxes, 4)’) — 输入序列中每个标记的边界框坐标。 每个边界框都是一个包含四个值的列表 (x1, y1, x2, y2),其中 (x1, y1) 是边界框的左上角坐标,(x2, y2) 是边界框的右下角坐标。
  • attention_mask (torch.FloatTensor , 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 未被掩码 的标记,
    • 0 表示 已被掩码 的标记。

    什么是注意力掩码?

  • bbox_first_token_mask (torch.FloatTensor , 形状为 (batch_size, sequence_length), 可选) — 掩码,用于指示每个边界框的第一个标记。掩码值在 [0, 1] 中选择:

    • 1 表示 未被掩码 的标记,
    • 0 表示 已被掩码 的标记。
  • token_type_ids (torch.LongTensor , 形状为 (batch_size, sequence_length), 可选) — 段标记索引,用于指示输入的第一部分和第二部分。索引在 [0, 1] 中选择:

    • 0 对应于 句子 A 标记,
    • 1 对应于 句子 B 标记。

    什么是标记类型 ID?

  • position_ids (torch.LongTensor , 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 [0, config.max_position_embeddings - 1] 范围内选择。

    什么是位置 ID?

  • head_mask (torch.FloatTensor , 形状为 (num_heads,)(num_layers, num_heads), 可选) — 掩码,用于使自注意力模块的选定头部无效。掩码值在 [0, 1] 中选择:

    • 1 表示头部 未被掩码
    • 0 表示头部 已被掩码
  • 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能控制如何将 input_ids 索引转换为关联向量,则此选项很有用。
  • 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,请参阅返回张量下的 `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。

返回值

transformers.modeling_outputs.BaseModelOutputWithPoolingAndCrossAttentionstuple(torch.FloatTensor)

一个 transformers.modeling_outputs.BaseModelOutputWithPoolingAndCrossAttentions 或一个 torch.FloatTensor 元组(如果传递了 return_dict=Falseconfig.return_dict=False)包含根据配置 (BrosConfig) 和输入而定的各种元素。

  • last_hidden_state (torch.FloatTensor ,形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层输出的隐藏状态序列。

  • pooler_output (torch.FloatTensor ,形状为 (batch_size, hidden_size)) — 序列第一个标记(分类标记)在经过用于辅助预训练任务的层进一步处理后的最后一层隐藏状态。例如,对于 BERT 系列模型,这将返回经过线性层和 tanh 激活函数处理后的分类标记。线性层权重在预训练期间从下一个句子预测(分类)目标中训练得到。

  • hidden_states (tuple(torch.FloatTensor)可选,在传递 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 元组(一个用于嵌入的输出,如果模型有嵌入层,+ 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以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor)可选,在传递 output_attentions=Trueconfig.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)

    注意力 softmax 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=Trueconfig.add_cross_attention=Trueconfig.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)

    解码器交叉注意力层在注意力 softmax 后的注意力权重,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,在传递 use_cache=Trueconfig.use_cache=True 时返回) — 长度为 config.n_layerstuple(torch.FloatTensor) 元组,每个元组有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量,如果 config.is_encoder_decoder=True,则可选 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(自注意力块中的键和值,如果 config.is_encoder_decoder=True,则可选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。

BrosModel 前向方法,覆盖了 __call__ 特殊方法。

尽管前向传递的配方需要在此函数中定义,但之后应该调用 Module 实例而不是此实例,因为前者负责运行预处理和后处理步骤,而后者则默默地忽略它们。

示例

>>> import torch
>>> from transformers import BrosProcessor, BrosModel

>>> processor = BrosProcessor.from_pretrained("jinho8345/bros-base-uncased")

>>> model = BrosModel.from_pretrained("jinho8345/bros-base-uncased")

>>> encoding = processor("Hello, my dog is cute", add_special_tokens=False, return_tensors="pt")
>>> bbox = torch.tensor([[[0, 0, 1, 1]]]).repeat(1, encoding["input_ids"].shape[-1], 1)
>>> encoding["bbox"] = bbox

>>> outputs = model(**encoding)
>>> last_hidden_states = outputs.last_hidden_state

BrosForTokenClassification

transformers.BrosForTokenClassification

< >

( config )

参数

  • config (BrosConfig) — 模型配置类,包含模型的所有参数。 使用配置文件初始化不会加载与模型关联的权重,只会加载配置。 查看 from_pretrained() 方法来加载模型权重。

Bros 模型顶部有一个标记分类头(隐藏状态输出顶部的线性层),例如用于命名实体识别 (NER) 任务。

此模型也是一个 PyTorch torch.nn.Module 子类。 将其用作常规 PyTorch 模块,并参阅 PyTorch 文档以获取与一般用法和行为相关的所有内容。

forward

< >

( input_ids: Optional = None bbox: Optional = None attention_mask: Optional = None bbox_first_token_mask: Optional = None token_type_ids: Optional = None position_ids: Optional = None head_mask: Optional = None inputs_embeds: Optional = None labels: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None ) transformers.modeling_outputs.TokenClassifierOutput or tuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor of shape (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。

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

    什么是输入 ID?

  • bbox (形状为 `(batch_size, num_boxes, 4)` 的 `torch.FloatTensor`) — 输入序列中每个词符的边界框坐标。每个边界框由四个值组成 (x1, y1, x2, y2),其中 (x1, y1) 是边界框左上角的坐标,(x2, y2) 是边界框右下角的坐标。
  • attention_mask (形状为 `(batch_size, sequence_length)` 的 `torch.FloatTensor`,可选)— 掩码,用于避免对填充词符索引执行注意力机制。掩码值在 `[0, 1]` 中选择:

    • 1 表示词符**未被掩盖**,
    • 0 表示词符**已被掩盖**。

    什么是注意力掩码?

  • bbox_first_token_mask (形状为 `(batch_size, sequence_length)` 的 `torch.FloatTensor`,可选) — 掩码,用于指示每个边界框的第一个词符。掩码值在 `[0, 1]` 中选择:

    • 1 表示词符**未被掩盖**,
    • 0 表示词符**已被掩盖**。
  • token_type_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选)— 段落词符索引,用于指示输入的第一部分和第二部分。索引在 `[0, 1]` 中选择:

    • 0 对应于*句子 A* 的词符,
    • 1 对应于*句子 B* 的词符。

    什么是词符类型 ID?

  • position_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选)— 位置嵌入中每个输入序列词符的位置索引。在 `[0, config.max_position_embeddings - 1]` 范围内选择。

    什么是位置 ID?

  • head_mask (形状为 `(num_heads,)` 或 `(num_layers, num_heads)` 的 `torch.FloatTensor`,可选)— 掩码,用于将自注意力模块的选定头部置零。掩码值在 `[0, 1]` 中选择:

    • 1 表示头部**未被掩盖**,
    • 0 表示头部**已被掩盖**。
  • inputs_embeds (形状为 `(batch_size, sequence_length, hidden_size)` 的 `torch.FloatTensor`,可选) — 可选参数,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好地控制如何将 `input_ids` 索引转换为关联向量,则此参数非常有用。
  • 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 ModelOutput 而不是普通的元组。

返回值

transformers.modeling_outputs.TokenClassifierOutputtuple(torch.FloatTensor)

一个 transformers.modeling_outputs.TokenClassifierOutput 或一个 torch.FloatTensor 的元组(如果传递了 return_dict=Falseconfig.return_dict=False),包含根据配置 (BrosConfig) 和输入的不同元素。

  • loss (形状为 (1,)torch.FloatTensor, 可选,当提供 labels 时返回) — 分类损失。

  • logits (形状为 (batch_size, sequence_length, config.num_labels)torch.FloatTensor) — 分类分数(SoftMax 之前)。

  • hidden_states (tuple(torch.FloatTensor)可选,在传递 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 元组(一个用于嵌入的输出,如果模型有嵌入层,+ 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以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor)可选,在传递 output_attentions=Trueconfig.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)

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

BrosForTokenClassification forward 方法,覆盖 __call__ 特殊方法。

尽管前向传递的配方需要在此函数中定义,但之后应该调用 Module 实例而不是此实例,因为前者负责运行预处理和后处理步骤,而后者则默默地忽略它们。

示例

>>> import torch
>>> from transformers import BrosProcessor, BrosForTokenClassification

>>> processor = BrosProcessor.from_pretrained("jinho8345/bros-base-uncased")

>>> model = BrosForTokenClassification.from_pretrained("jinho8345/bros-base-uncased")

>>> encoding = processor("Hello, my dog is cute", add_special_tokens=False, return_tensors="pt")
>>> bbox = torch.tensor([[[0, 0, 1, 1]]]).repeat(1, encoding["input_ids"].shape[-1], 1)
>>> encoding["bbox"] = bbox

>>> outputs = model(**encoding)

BrosSpadeEEForTokenClassification

transformers.BrosSpadeEEForTokenClassification

< >

( config )

参数

  • config (BrosConfig) — 模型配置类,包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重,只会加载配置。查看 from_pretrained() 方法来加载模型权重。

Bros 模型,顶部有一个标记分类头(在隐藏状态输出之上的 initial_token_layers 和 subsequent_token_layer),例如用于命名实体识别 (NER) 任务。initial_token_classifier 用于预测每个实体的第一个标记,subsequent_token_classifier 用于预测实体内的后续标记。与 BrosForTokenClassification 相比,该模型对序列化错误更稳健,因为它从一个标记预测下一个标记。

此模型也是一个 PyTorch torch.nn.Module 子类。 将其用作常规 PyTorch 模块,并参阅 PyTorch 文档以获取与一般用法和行为相关的所有内容。

forward

< >

( input_ids: Optional = None bbox: Optional = None attention_mask: Optional = None bbox_first_token_mask: Optional = None token_type_ids: Optional = None position_ids: Optional = None head_mask: Optional = None inputs_embeds: Optional = None initial_token_labels: Optional = None subsequent_token_labels: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None ) transformers.models.bros.modeling_bros.BrosSpadeOutputtuple(torch.FloatTensor)

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。

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

    什么是输入 ID?

  • bbox (‘torch.FloatTensor’ 形状为 ‘(batch_size, num_boxes, 4)’) — 输入序列中每个标记的边界框坐标。 每个边界框是由四个值 (x1, y1, x2, y2) 组成的列表,其中 (x1, y1) 是边界框的左上角坐标,(x2, y2) 是边界框的右下角坐标。
  • attention_mask (torch.FloatTensor 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 表示标记未被屏蔽
    • 0 表示标记已被屏蔽

    什么是注意力掩码?

  • bbox_first_token_mask (torch.FloatTensor 类型,形状为 (batch_size, sequence_length),可选) — 指示每个边界框第一个标记的掩码。掩码值在 [0, 1] 中选择:

    • 未被掩码 的标记为 1,
    • 被掩码 的标记为 0。
  • token_type_ids (torch.LongTensor 类型,形状为 (batch_size, sequence_length),可选) — 用于区分输入的不同部分的段落标记索引。索引值在 [0, 1] 中选择:

    • 0 对应 *句子 A* 标记,
    • 1 对应 *句子 B* 标记。

    什么是标记类型 ID?

  • position_ids (torch.LongTensor 类型,形状为 (batch_size, sequence_length),可选) — 每个输入序列标记在位置嵌入中的位置索引。在 [0, config.max_position_embeddings - 1] 范围内选择。

    什么是位置 ID?

  • head_mask (torch.FloatTensor 类型,形状为 (num_heads,)(num_layers, num_heads),可选) — 用于将自注意力模块的选定头部置零的掩码。掩码值在 [0, 1] 中选择:

    • 1 表示该头部未被掩码
    • 0 表示该头部被掩码
  • inputs_embeds (torch.FloatTensor 类型,形状为 (batch_size, sequence_length, hidden_size),可选) — 可以选择直接传递嵌入表示,而不是传递 input_ids。如果希望比模型的内部嵌入查找矩阵更好地控制如何将 input_ids 索引转换为关联向量,则此选项很有用。
  • 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 ModelOutput 而不是普通元组。

返回值

transformers.models.bros.modeling_bros.BrosSpadeOutputtuple(torch.FloatTensor)

一个 transformers.models.bros.modeling_bros.BrosSpadeOutput 或一个 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 (BrosConfig) 和输入而定的各种元素。

  • loss (形状为 (1,)torch.FloatTensor, 可选,当提供 labels 时返回) — 分类损失。

  • initial_token_logits (torch.FloatTensor 形状为 (batch_size, sequence_length, config.num_labels)) — 实体初始标记(SoftMax 之前)的分类分数。

  • subsequent_token_logits (torch.FloatTensor 形状为 (batch_size, sequence_length, sequence_length+1)) — 实体序列标记(SoftMax 之前)的分类分数。

  • hidden_states (tuple(torch.FloatTensor)可选,在传递 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 元组(一个用于嵌入的输出,如果模型有嵌入层,+ 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以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor)可选,在传递 output_attentions=Trueconfig.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)

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

BrosSpadeEEForTokenClassification 正向方法,覆盖 __call__ 特殊方法。

尽管前向传递的配方需要在此函数中定义,但之后应该调用 Module 实例而不是此实例,因为前者负责运行预处理和后处理步骤,而后者则默默地忽略它们。

示例

>>> import torch
>>> from transformers import BrosProcessor, BrosSpadeEEForTokenClassification

>>> processor = BrosProcessor.from_pretrained("jinho8345/bros-base-uncased")

>>> model = BrosSpadeEEForTokenClassification.from_pretrained("jinho8345/bros-base-uncased")

>>> encoding = processor("Hello, my dog is cute", add_special_tokens=False, return_tensors="pt")
>>> bbox = torch.tensor([[[0, 0, 1, 1]]]).repeat(1, encoding["input_ids"].shape[-1], 1)
>>> encoding["bbox"] = bbox

>>> outputs = model(**encoding)

BrosSpadeELForTokenClassification

transformers.BrosSpadeELForTokenClassification

< >

( config )

参数

  • config (BrosConfig) — 模型配置类,包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重,只会加载配置。请查看 from_pretrained() 方法来加载模型权重。

Bros 模型,顶部有一个标记分类头(隐藏状态输出顶部有一个 entity_linker 层),例如用于实体链接。entity_linker 用于预测实体内链接(一个实体到另一个实体)。

此模型也是一个 PyTorch torch.nn.Module 子类。 将其用作常规 PyTorch 模块,并参阅 PyTorch 文档以获取与一般用法和行为相关的所有内容。

forward

< >

( input_ids: Optional = None bbox: Optional = None attention_mask: Optional = None bbox_first_token_mask: Optional = None token_type_ids: Optional = None position_ids: Optional = None head_mask: Optional = None inputs_embeds: Optional = None labels: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None ) transformers.modeling_outputs.TokenClassifierOutput or tuple(torch.FloatTensor)

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。

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

    什么是输入 ID?

  • bbox (torch.FloatTensor 类型,形状为 (batch_size, num_boxes, 4)) - 输入序列中每个词例的边界框坐标。每个边界框由四个值组成 (x1, y1, x2, y2),其中 (x1, y1) 是边界框左上角的坐标,(x2, y2) 是边界框右下角的坐标。
  • attention_mask (torch.FloatTensor 类型,形状为 (batch_size, sequence_length),可选) - 掩码,用于避免对填充词例索引执行注意力机制。掩码值在 [0, 1] 中选择:

    • 1 表示词例**未被掩盖**,
    • 0 表示词例**已被掩盖**。

    什么是注意力掩码?

  • bbox_first_token_mask (torch.FloatTensor 类型,形状为 (batch_size, sequence_length),可选) - 掩码,用于指示每个边界框的第一个词例。掩码值在 [0, 1] 中选择:

    • 1 表示词例**未被掩盖**,
    • 0 表示词例**已被掩盖**。
  • token_type_ids (torch.LongTensor 类型,形状为 (batch_size, sequence_length),可选) - 片段词例索引,用于指示输入的第一部分和第二部分。索引在 [0, 1] 中选择:

    • 0 对应于*句子 A* 的词例,
    • 1 对应于*句子 B* 的词例。

    什么是词例类型 ID?

  • position_ids (torch.LongTensor 类型,形状为 (batch_size, sequence_length),可选) - 位置嵌入中每个输入序列词例的位置索引。在 [0, config.max_position_embeddings - 1] 范围内选择。

    什么是位置 ID?

  • head_mask (torch.FloatTensor 类型,形状为 (num_heads,)(num_layers, num_heads),可选) - 掩码,用于将自注意力模块中选定的头部置零。掩码值在 [0, 1] 中选择:

    • 1 表示头部**未被掩盖**,
    • 0 表示头部**已被掩盖**。
  • inputs_embeds (torch.FloatTensor 类型,形状为 (batch_size, sequence_length, hidden_size),可选) - 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能控制如何将 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 ModelOutput 而不是普通的元组。

返回值

transformers.modeling_outputs.TokenClassifierOutputtuple(torch.FloatTensor)

一个 transformers.modeling_outputs.TokenClassifierOutput 或一个 torch.FloatTensor 的元组(如果传递了 return_dict=Falseconfig.return_dict=False),包含根据配置 (BrosConfig) 和输入的不同元素。

  • loss (形状为 (1,)torch.FloatTensor, 可选,当提供 labels 时返回) — 分类损失。

  • logits (形状为 (batch_size, sequence_length, config.num_labels)torch.FloatTensor) — 分类分数(SoftMax 之前)。

  • hidden_states (tuple(torch.FloatTensor)可选,在传递 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 元组(一个用于嵌入的输出,如果模型有嵌入层,+ 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以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor)可选,在传递 output_attentions=Trueconfig.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)

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

BrosSpadeELForTokenClassification 的 forward 方法,重写了 __call__ 特殊方法。

尽管前向传递的配方需要在此函数中定义,但之后应该调用 Module 实例而不是此实例,因为前者负责运行预处理和后处理步骤,而后者则默默地忽略它们。

示例

>>> import torch
>>> from transformers import BrosProcessor, BrosSpadeELForTokenClassification

>>> processor = BrosProcessor.from_pretrained("jinho8345/bros-base-uncased")

>>> model = BrosSpadeELForTokenClassification.from_pretrained("jinho8345/bros-base-uncased")

>>> encoding = processor("Hello, my dog is cute", add_special_tokens=False, return_tensors="pt")
>>> bbox = torch.tensor([[[0, 0, 1, 1]]]).repeat(1, encoding["input_ids"].shape[-1], 1)
>>> encoding["bbox"] = bbox

>>> outputs = model(**encoding)
< > 在 GitHub 上更新