参数

• input_ids (torch.getLongTensor 的形状为 (batch_size, num_choices, sequence_length)) — 词汇表中对输入序列标记的索引。

  可以通过使用 AutoTokenizer 来获得索引。请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 以获取详细信息。

  输入ID是什么？

• attention_mask (torch.get.FloatTensor 的形状为 (batch_size, num_choices, sequence_length), 可选) — 用于避免在填充标记索引上执行注意力的掩码。掩码值在 [0, 1] 范围内被选中：
  • 1 代表未被 掩码 的标记，
  • 0 代表被 掩码 的标记。

  注意掩码是什么？

• token_type_ids (torch.getLongTensor 的形状为 (batch_size, num_choices, sequence_length), 可选) — 用于指示输入价段的段标记索引。索引在 [0, 1] 范围内被选中：
  • 0 对应于 句子 A 标记，
  • 1 对应于 句子 B 标记。

  段标记索引是什么？

• position_ids （torch.LongTensor，形状(batch_size, num_choices, sequence_length)，可选）— 每个输入序列标记的位置嵌入中的索引。选择范围为 [0, config.max_position_embeddings - 1]。

  什么是位置ID？

• head_mask （torch.FloatTensor，形状(num_heads,) 或 (num_layers, num_heads)，可选）— 将自注意力模块中的选定头禁用的掩码。掩码值选择范围为 [0, 1]：
  • 1 表示头没有被掩码，
  • 0 表示头被掩码。

• inputs_embeds （torch.FloatTensor，形状(batch_size, num_choices, 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。这对于您想要比模型内部嵌入查找矩阵有更多控制权将input_ids索引转换为相关向量时很有用。
• output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。详情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。详情请参阅返回张量下的hidden_states。
• return_dict (bool, 可选) — 是否返回ModelOutput而非普通元组。
• labels (torch.LongTensor 的形状为 (batch_size,)，可选）—— 用于计算多选题分类损失的标签。索引应在 [0, ..., num_choices-1] 范围内，其中 num_choices 是输入张量的第二个维度的尺寸。（参见上面的 input_ids）

A transformers.modeling_outputs.MultipleChoiceModelOutput 或一个包含 torch.FloatTensor 的元组（如果 return_dict=False 传入或者当 config.return_dict=False）包含根据配置（Data2VecTextConfig）和输入的各种元素。

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

• logits （形状为 (batch_size, num_choices) 的 torch.FloatTensor）—— num_choices 是输入张量的第二个维度。（参见上面的 input_ids）

  分类分数（SoftMax 之前）。

• hidden_states （tuple(torch.FloatTensor)，可选，如果传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回）— 包含各层输出的 torch.FloatTensor 元组（如果模型有嵌入层，还有一个嵌入层输出 + 每层的输出）的形状为 (batch_size, sequence_length, hidden_size)。

  模型在每个输出层以及可选的初始嵌入输出的隐藏状态。

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

  注意力权重在注意力softmax之后，用于在自注意力头中计算加权平均。

参数

• input_ids (torch.LongTensor 形状 (batch_size, sequence_length)) — 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()。

  什么是输入 ID？

• attention_mask （形状为 (batch_size, sequence_length) 的 torch.FloatTensor，可选） — 以避免在填充标记索引上执行关注。在 [0, 1) 区间选择的掩码值：
  • 1 代表未被 屏蔽 的标记，
  • 0 代表被 屏蔽 的标记。
  什么是关注掩码？
• token_type_ids （形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选） — 段标记索引，用于指示输入的第一和第二部分。在 [0, 1] 区间选择的索引：
  • 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 （形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选） — 输入序列中每个标记在位置嵌入中的索引。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,) 或 (num_layers, num_heads)，可选) — 用于取消选择自注意力模块所选头的掩码。掩码值在 [0, 1] 范围内：
  • 1 表示头未 屏蔽，
  • 0 表示头已 屏蔽。
• inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 可以选择直接传递一个嵌入表示，而不是传递 input_ids。这在您想对如何将 input_ids 索引转换为相关向量有更多控制时很有用，比模型内部的嵌入查找矩阵控制更多。
• output_attentions (bool，可选) — 是否返回所有注意力层的注意力张量。有关更多信息，请参阅返回张量下的 attentions。
• output_hidden_states (bool, 可选) — 返回所有层的隐藏状态。更多细节参见返回张量下的 hidden_states。
• return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。
• labels (torch.LongTensor 形状为 (batch_size, sequence_length), 可选) — 计算标记分类损失的标签。索引应为 [0, ..., config.num_labels - 1]。

A transformers.modeling_outputs.TokenClassifierOutput 或一个元组，由 torch.FloatTensor 组成（如果通过 return_dict=False 或当 config.return_dict=False），包含根据配置（Data2VecTextConfig）和输入依赖的各种元素。

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

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

• hidden_states （tuple(torch.FloatTensor)，可选，如果传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回）— 包含各层输出的 torch.FloatTensor 元组（如果模型有嵌入层，还有一个嵌入层输出 + 每层的输出）的形状为 (batch_size, sequence_length, hidden_size)。

  模型在每个输出层以及可选的初始嵌入输出的隐藏状态。

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

  注意力权重在注意力softmax之后，用于在自注意力头中计算加权平均。

参数

• input_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor) — 词汇表中的输入序列标记索引。
  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 (形状为 (batch_size, sequence_length) 的 torch.FloatTensor，可选) — 避免对填充标记索引执行注意力操作的掩码。掩码值选择在 [0, 1] 范围内：
  • 1 表示未掩码的 tokens，
  • 0 表示掩码的 tokens。

  什么是注意力掩码？

• token_type_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 段标记索引以指示输入的第一和第二部分。索引选择在 [0, 1] 范围内：
  • 0 代表 句子 A 标记，
  • 1 代表 句子 B 标记。

  什么是标记类型 ID？

• position_ids （ torch.LongTensor 形状的 (batch_size, sequence_length)，可选） — 每个输入序列标记在位置嵌入中的索引。选择在范围 [0, config.max_position_embeddings - 1] 内。

  什么是位置ID？

• head_mask （ torch.FloatTensor 形状的 (num_heads,) 或 (num_layers, num_heads)，可选） — 错过来自 L增强所选头部的自我注意力模块。掩码值选择在 [0, 1] 范围内：
  • 1 表示头部没有被 掩蔽，
  • 0 表示头部被 掩蔽。
• inputs_embeds （ torch.FloatTensor 形状的 (batch_size, sequence_length, hidden_size)，可选） — 可选的，而不是传递 input_ids，您可以直接传递嵌入表示。在您想比模型内部嵌入查找矩阵拥有更多控制权地将 input_ids 索引转换为相关向量的情况下很有用。
• — output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。关于返回张量下的更多信息，请见 attentions。
• — output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。关于返回张量下的更多信息，请见 hidden_states。
• — return_dict (bool, 可选) — 是否返回ModelOutput而不是一个普通元组。
• start_positions (torch.LongTensor 形状为 (batch_size,)，可选) — 标记的跨度开始位置的标签，用于计算token分类损失。位置限制在序列长度（sequence_length）内。序列外的位置不计入损失计算。
• end_positions (torch.LongTensor 形状为 (batch_size,)，可选) — 标记的跨度结束位置的标签，用于计算token分类损失。位置限制在序列长度（sequence_length）内。序列外的位置不计入损失计算。

A transformers.modeling_outputs.QuestionAnsweringModelOutput 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或 config.return_dict=False），包含根据配置（Data2VecTextConfig）和输入的不同元素。

• loss （torch.FloatTensor 形状为 (1,)，可选，当提供 labels 时返回） — 总跨度提取损耗是开始和结束位置的自交叉熵之和。

• 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）。

• hidden_states （tuple(torch.FloatTensor)，可选，如果传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回）— 包含各层输出的 torch.FloatTensor 元组（如果模型有嵌入层，还有一个嵌入层输出 + 每层的输出）的形状为 (batch_size, sequence_length, hidden_size)。

  模型在每个输出层以及可选的初始嵌入输出的隐藏状态。

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

  注意力权重在注意力softmax之后，用于在自注意力头中计算加权平均。

参数

• pixel_values (torch.FloatTensor 的形状为 (批量大小, 通道数, 高度, 宽度) ) — 像素值。像素值可以使用 AutoImageProcessor 获取。有关详细信息，请参阅 BeitImageProcessor.call()。
• head_mask (torch.FloatTensor of shape (num_heads,) or (num_layers, num_heads), 可选) — 用于禁用自注意力模块中选定的头的掩码。掩码值在 [0, 1] 内选择：
  • 1 表示该头是未掩码，
  • 0 表示该头是掩码。
• 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，请参阅返回的张量下的 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，请参阅返回的张量下的 hidden_states。
• interpolate_pos_encoding (bool, 可选, 默认为False) —— 是否插值预训练的位置编码。
• return_dict (bool, 可选) —— 是否以ModelOutput的形式返回，而不是普通的元组。
• bool_masked_pos (torch.BoolTensor的形状为(batch_size, num_patches), 可选) —— 表示哪些补丁被掩码（1）以及哪些没有被掩码（0）的布尔掩码位置。

如果传递了 return_dict=False 或当 config.return_dict=False 时，返回 transformers.models.data2vec.modeling_data2vec_vision.Data2VecVisionModelOutputWithPooling 或一个torch.FloatTensor的元组（包含各种元素，具体取决于配置（Data2VecVisionConfig）和输入）。

• last_hidden_state (torch.FloatTensor of shape (batch_size, sequence_length, hidden_size)) — 模型最后层输出的隐藏状态序列。

• pooler_output (torch.FloatTensor的形状为(batch_size, hidden_size)) —— 如果设置config.use_mean_pooling 为 True，则返回补丁标记的最后一层隐藏状态的均值（不包括[CLS]标记）。如果设置为False，则返回[CLS]标记的最后隐藏状态。

• hidden_states (tuple(torch.FloatTensor), optional, returned when output_hidden_states=True is passed or when config.output_hidden_states=True) — 一个包含 torch.FloatTensor 的元组（一个用于嵌入输出，一个用于每层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  模型的每个层的隐藏状态输出以及初始嵌入输出。

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

  注意力权重在注意力softmax之后，用于在自注意力头中计算加权平均。

参数

• pixel_values (torch.FloatTensor of shape (batch_size, num_channels, height, width)) — 像素值。像素值可以通过AutoImageProcessor获取。有关详细信息，请参阅BeitImageProcessor.call()。
• head_mask （torch.FloatTensor 形状为(num_heads,)或(num_layers, num_heads)，可选）—注销self-attention模块所选头部的掩码。选择的掩码值在[0, 1]范围内：
  • 1表示头部没有被掩码；
  • 0表示头部被掩码。
• output_attentions （bool，可选）—是否返回所有注意力层的注意力张量。更多详情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。更多详情请参见返回张量下的hidden_states。
• interpolate_pos_encoding (bool, 可选, 默认值为 False) — 是否插值预训练的位置编码。
• 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,), 可选) — 计算图像分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 范围内。如果 config.num_labels == 1 则计算回归损失（均方损失），如果 config.num_labels > 1 则计算分类损失（交叉熵）。

一个 transformers.modeling_outputs.ImageClassifierOutput 或是一个包含各种元素的 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），这取决于配置（Data2VecVisionConfig）和输入。

• loss (torch.FloatTensor 形状为 (1,), 可选, 当提供 labels 时返回) — 分类（或回归，如果 config.num_labels==1）损失。

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

• hidden_states (tuple(torch.FloatTensor), 可选，当传递output_hidden_states=True或配置中设置config.output_hidden_states=True时返回) — 一个torch.FloatTensor元组（如果模型有嵌入层，表示嵌入层的输出，以及每个阶段的输出），形状为(batch_size, sequence_length, hidden_size)。模型在每个阶段输出的隐藏状态（也称为特征图）。

• attentions (tuple(torch.FloatTensor), 可选，当传递output_attentions=True或配置中设置config.output_attentions=True时返回) — 形状为(batch_size, num_heads, patch_size, sequence_length)的torch.FloatTensor元组（每个层一个），表示每个层的注意力。

  注意力权重在注意力softmax之后，用于在自注意力头中计算加权平均。

参数

• pixel_values (torch.FloatTensor 形状 (batch_size, num_channels, height, width)) — 像素值。使用 AutoImageProcessor 可以获取像素值。有关详细信息，请参阅 BeitImageProcessor.call()。
• head_mask (torch.FloatTensor 形状 (num_heads,) 或 (num_layers, num_heads)，可选) — 用于取消选中自注意力模块中选择的头的掩码。掩码值选择在 [0, 1]：
  • 1 表示该头 未掩码，
  • 0 表示该头 已掩码。
• 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。更多详细信息请参阅返回张量下的 hidden_states。
• interpolate_pos_encoding (bool, 可选，默认为 False) — 是否插值预训练的位置编码。
• return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通的元组。
• labels (torch.LongTensor of shape (batch_size, height, width), optional) — 计算损失的真实语义分割图。索引应在 [0, ..., config.num_labels - 1] 内。如果 config.num_labels > 1，则计算分类损失（交叉熵）。

A transformers.modeling_outputs.SemanticSegmenterOutput 或一个torch.FloatTensor的元组（如果`return_dict=False`被传递或当`config.return_dict=False`），包含根据配置（Data2VecVisionConfig）和输入的不同元素。

• loss (torch.FloatTensor 形状为 (1,), 可选, 当提供 labels 时返回) — 分类（或回归，如果 config.num_labels==1）损失。

• logits (torch.FloatTensor of shape (batch_size, config.num_labels, logits_height, logits_width)) — 对每个像素的分类得分。

  返回的logits不一定与作为输入传递的 pixel_values 大小相同。这是为了避免进行两次插值并且在将logits调整到原始图像大小时丢失一些质量。您应始终检查logits的形状并根据需要调整大小。

• hidden_states (tuple(torch.FloatTensor)，optional，当传递 `output_hidden_states=True` 或当 `config.output_hidden_states=True` 时返回) — 一个torch.FloatTensor元组（如果模型有一个嵌入层，则为嵌入层的输出 + 每层的输出）的序列，形状为 (batch_size, patch_size, hidden_size)。

  模型在每个输出层以及可选的初始嵌入输出的隐藏状态。

• attentions (tuple(torch.FloatTensor), 可选，当传递output_attentions=True或配置中设置config.output_attentions=True时返回) — 形状为(batch_size, num_heads, patch_size, sequence_length)的torch.FloatTensor元组（每个层一个），表示每个层的注意力。

  注意力权重在注意力softmax之后，用于在自注意力头中计算加权平均。