Transformers 文档

Gemma2

Hugging Face's logo
加入 Hugging Face 社区

并获得增强版文档体验

开始使用

Gemma2

概述

Gemma2 模型由 Google 的 Gemma2 团队在 Gemma2: 基于 Gemini 技术和研究的开放模型 中提出。发布了两个 Gemma2 模型,参数规模分别为 90 亿 (9B) 和 270 亿 (27B)。

博客文章的摘要如下:

我们现在正式向全球的研究人员和开发者发布 Gemma 2。Gemma 2 有 90 亿 (9B) 和 270 亿 (27B) 两种参数规模,与第一代相比,Gemma 2 的性能更高,推理效率更高,并且内置了重大的安全改进。事实上,在 27B 的规模下,它提供了与规模大它两倍的模型相比的竞争性替代方案,实现了在最近的 12 月之前只有专有模型才能实现的性能。

提示

  • 可以使用转换脚本 src/transformers/models/Gemma2/convert_Gemma2_weights_to_hf.py 转换原始检查点。
  • Gemma2 每隔一层使用滑动窗口注意力,这使得它不适合使用 ~DynamicCache 或张量元组进行典型的 kv 缓存。为了在 Gemma2 前向调用中启用缓存,您必须初始化 ~HybridCache 实例并将其作为 past_key_values 传递给前向调用。请注意,如果您 past_key_values 中已经包含先前键值,则您还需要准备 cache_position

该模型由 Arthur ZuckerPedro CuencaTom Arsen 贡献。

Gemma2Config

class transformers.Gemma2Config

< >

( vocab_size = 256000 hidden_size = 3072 intermediate_size = 24576 num_hidden_layers = 28 num_attention_heads = 16 num_key_value_heads = 16 head_dim = 256 hidden_activation = 'gelu_pytorch_tanh' max_position_embeddings = 8192 initializer_range = 0.02 rms_norm_eps = 1e-06 use_cache = True pad_token_id = 0 eos_token_id = 1 bos_token_id = 2 tie_word_embeddings = True rope_theta = 10000.0 attention_bias = False attention_dropout = 0.0 query_pre_attn_scalar = 224 sliding_window = 4096 final_logit_softcapping = 30.0 attn_logit_softcapping = 50.0 cache_implementation = 'hybrid' **kwargs )

参数

  • vocab_size (int, 可选, 默认值 256000) — Gemma2 模型的词汇量大小。定义了调用 Gemma2Model 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 3072) — 隐藏表示的维度。
  • intermediate_size (int, 可选, 默认值 24576) — MLP 表示的维度。
  • num_hidden_layers (int, 可选, 默认值 28) — Transformer 解码器中的隐藏层数。
  • num
  • num_key_value_heads (int, 可选, 默认为 16) — 用于实现分组查询注意力的 key_value 头数。 如果 num_key_value_heads=num_attention_heads,模型将使用多头注意力 (MHA),如果 num_key_value_heads=1 模型将使用多查询注意力 (MQA),否则将使用 GQA。 在将多头检查点转换为 GQA 检查点时,应通过对该组中所有原始头的平均池化来构建每个组的键和值头。 有关更多详细信息,请查看 这篇论文。 如果未指定,将默认为 num_attention_heads
  • head_dim (int, 可选, 默认为 256) — 注意力头维度。
  • hidden_activation (strfunction, 可选, 默认为 "gelu_pytorch_tanh") — 解码器中的非线性激活函数(函数或字符串)。 如果未指定,将默认为 "gelu_pytorch_tanh""gelu_pytorch_tanh" 使用 "gelu" 激活函数的近似值。
  • max_position_embeddings (int, 可选, 默认为 8192) — 该模型可能使用的最大序列长度。
  • initializer_range (float, 可选, 默认为 0.02) — 初始化所有权重矩阵的截断正态初始化的标准差。
  • rms_norm_eps (float, 可选, 默认为 1e-06) — rms 归一化层使用的 epsilon。
  • use_cache (bool, 可选, 默认为 True) — 模型是否应该返回最后的键值注意力(并非所有模型都使用)。 仅在 config.is_decoder=True 时相关。
  • pad_token_id (int, 可选, 默认为 0) — 填充标记 ID。
  • eos_token_id (int, 可选, 默认为 1) — 流结束标记 ID。
  • bos_token_id (int, 可选, 默认为 2) — 流开始标记 ID。
  • rope_theta (float, 可选, 默认为 10000.0) — RoPE 嵌入的基本周期。
  • attention_bias (bool, 默认为 False, 可选, 默认为 False) — 是否在自注意力期间在查询、键、值和输出投影层中使用偏差。
  • attention_dropout (float, 可选, 默认为 0.0) — 注意概率的丢弃率。
  • query_pre_attn_scalar (float, 可选, 默认为 224) — 用于注意力分数的缩放因子
  • sliding_window (int, 可选, 默认为 4096) — 在 Gemma2 中,每隔一层使用滑动窗口注意力。 这是滑动窗口的大小。
  • final_logit_softcapping (float, 可选, 默认为 30.0) — 对 logits 应用 tanh 软帽时使用的缩放因子。
  • attn_logit_softcapping (float, 可选, 默认为 50.0) — 对注意力分数应用 tanh 软帽时使用的缩放因子。
  • cache_implementation (str, 可选, 默认为 "hybrid") — 要与 generate 一起使用的缓存类型。

这是用于存储 Gemma2Model 配置的配置类。 它用于根据指定的参数实例化 Gemma2 模型,定义模型架构。 使用默认值实例化配置将产生与 Gemma2-7B 相似的配置。 例如 google/gemma2-7b 配置对象继承自 PretrainedConfig,可用于控制模型输出。 阅读来自 PretrainedConfig 的文档以获取更多信息。

>>> from transformers import Gemma2Model, Gemma2Config
>>> # Initializing a Gemma2 gemma2-7b style configuration
>>> configuration = Gemma2Config()
>>> # Initializing a model from the gemma2-7b style configuration
>>> model = Gemma2Model(configuration)
>>> # Accessing the model configuration
>>> configuration = model.config

Gemma2Model

class transformers.Gemma2Model

< >

( config: Gemma2Config )

参数

  • 此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解有关一般用法和行为的所有事项。

    Transformer 解码器,包含 config.num_hidden_layers 层。每层都是一个 Gemma2DecoderLayer

    前向

    < >

    ( input_ids: LongTensor = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Optional = None inputs_embeds: Optional = None use_cache: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None cache_position: Optional = None )

    参数

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

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

      什么是输入 ID?

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

      • 1 表示 未掩码 的标记,
      • 0 表示 掩码 的标记。

      什么是注意力掩码?

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

      如果使用 past_key_values,则可以选择仅输入最后的 input_ids(那些没有将其过去键值状态传递给此模型的输入)形状为 (batch_size, 1),而不是所有 input_ids 形状为 (batch_size, sequence_length)

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

      • 1 表示头部 未掩码
      • 0 表示头部 掩码
    • 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。选择范围在 [0, config.n_positions - 1] 中。

      什么是位置 ID?

    • past_key_values (Cachetuple(tuple(torch.FloatTensor))可选) — 预先计算的隐藏状态(自注意力块和交叉注意力块中的键和值),可用于加快顺序解码速度。这通常包含模型在解码的先前阶段返回的 past_key_values,当 use_cache=Trueconfig.use_cache=True 时。

      允许两种格式:

      • 一个 Cache 实例,请参见我们的 kv 缓存指南
      • 长度为 config.n_layerstuple(torch.FloatTensor) 元组,每个元组都有两个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。这也称为传统缓存格式。

      模型将输出与作为输入提供的相同缓存格式。如果没有传递 past_key_values,将返回传统缓存格式。

      如果使用 past_key_values,则用户可以选择仅输入最后的 input_ids(那些没有将其过去键值状态传递给此模型的输入)形状为 (batch_size, 1),而不是所有 input_ids 形状为 (batch_size, sequence_length)

    • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)可选) — 可选地,您可以选择直接传递嵌入式表示,而不是传递 input_ids。如果您想比模型的内部嵌入查找矩阵更细致地控制如何将 input_ids 索引转换为关联向量,这将很有用。
    • use_cache (bool可选) — 如果设置为 True,则将返回 past_key_values 键值状态,可用于加快解码速度(参见 past_key_values)。
    • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息,请参阅返回张量下的 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。
    • cache_position (torch.LongTensor 形状为 (sequence_length), 可选) — 指示输入序列标记在序列中的位置的索引。与 position_ids 相反,此张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。

    Gemma2Model 正向方法覆盖 __call__ 特殊方法。

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

Gemma2ForCausalLM

class transformers.Gemma2ForCausalLM

< >

( config )

前向

< >

( input_ids: LongTensor = None attention_mask: 可选 = None position_ids: 可选 = None past_key_values: 可选 = None inputs_embeds: 可选 = None labels: 可选 = None use_cache: 可选 = None output_attentions: 可选 = None output_hidden_states: 可选 = None return_dict: 可选 = None cache_position: 可选 = None num_logits_to_keep: int = 0 ) transformers.modeling_outputs.CausalLMOutputWithPasttuple(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。如果您提供它,默认情况下将忽略填充。

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

    什么是输入 ID?

  • attention_mask (torch.Tensor 形状为 (batch_size, sequence_length), 可选) — 用于避免对填充 token 索引执行注意力的掩码。掩码值选择在 [0, 1] 中:

    • 1 表示未被屏蔽的 token,
    • 0 表示被屏蔽的 token。

    什么是注意力掩码?

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

    如果使用 past_key_values,则可以选择仅输入最后一个 input_ids(请参见 past_key_values)。

    如果你想更改填充行为,你应该阅读 modeling_opt._prepare_decoder_attention_mask 并根据你的需要进行修改。有关默认策略的更多信息,请参阅 论文 中的图 1。

    • 1 表示头部未被屏蔽
    • 0 表示头部被屏蔽
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length), 可选) — 输入序列 token 在位置嵌入中的位置索引。选择在 [0, config.n_positions - 1] 范围内。

    什么是位置 ID?

  • past_key_values (Cachetuple(tuple(torch.FloatTensor)), 可选) — 预先计算的隐藏状态(自注意力块和交叉注意力块中的键和值),可用于加速顺序解码。这通常包含在模型在解码的先前阶段返回的 past_key_values 中,当 use_cache=Trueconfig.use_cache=True 时。

    允许两种格式:

    • 一个 Cache 实例,请参阅我们的 kv 缓存指南
    • 长度为 config.n_layerstuple(torch.FloatTensor) 元组,每个元组具有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。这也被称为传统的缓存格式。

    模型将输出与作为输入馈送的相同缓存格式。如果没有传递 past_key_values,则将返回传统的缓存格式。

    如果使用 past_key_values,则用户可以选择仅输入形状为 (batch_size, 1) 的最后一个 input_ids(那些没有将它们过去的键值状态提供给此模型的),而不是所有形状为 (batch_size, sequence_length)input_ids

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 可选地,而不是传递 input_ids,你可以选择直接传递嵌入表示。如果你想对如何将 input_ids 索引转换为相关的向量(比模型的内部嵌入查找矩阵更灵活)进行更多控制,这将很有用。
  • use_cache (bool, 可选) — 如果设置为 True,则返回 past_key_values 键值状态,可用于加速解码(请参见 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关详细信息,请参见返回张量中的 attentions
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关详细信息,请参见返回张量中的 hidden_states
  • return_dict (bool, 可选) — 是否返回一个 ModelOutput,而不是一个简单的元组。
  • cache_position (torch.LongTensor 形状为 (sequence_length)可选) — 表示输入序列标记在序列中的位置的索引。与 position_ids 相反,此张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。

    参数 — labels (torch.LongTensor 形状为 (batch_size, sequence_length)可选): 用于计算掩蔽语言建模损失的标签。索引应为 [0, ..., config.vocab_size] 或 -100 (参见 input_ids 文档字符串)。索引设置为 -100 的标记将被忽略(掩蔽),损失仅针对标签在 [0, ..., config.vocab_size] 中的标记进行计算。

    num_logits_to_keep (int可选): 计算最后 num_logits_to_keep 个标记的 logits。如果为 0,则计算所有 input_ids 的 logits(特殊情况)。生成只需要最后一个标记的 logits,并且仅针对该标记计算它们可以节省内存,这对长序列或大型词汇表大小来说非常重要。

返回值

transformers.modeling_outputs.CausalLMOutputWithPasttuple(torch.FloatTensor)

一个 transformers.modeling_outputs.CausalLMOutputWithPast 或一个 torch.FloatTensor 的元组(如果传递 return_dict=False 或当 config.return_dict=False 时),包含取决于配置 (Gemma2Config) 和输入的各种元素。

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

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

  • 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_layerstuple(torch.FloatTensor) 元组,每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。

    包含预先计算的隐藏状态(自注意力块中的键和值),可用于(参见 past_key_values 输入)加快顺序解码。

  • 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 的元组(一个用于嵌入的输出,如果模型具有嵌入层,加上每个层的输出)形状为 (batch_size, sequence_length, hidden_size)

    模型在每个层的输出处的隐藏状态,加上可选的初始嵌入输出。

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

    自注意力头中用于计算加权平均值的注意力 softmax 之后的注意力权重。

The Gemma2ForCausalLM 正向方法,覆盖 __call__ 特殊方法。

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

例子

>>> from transformers import AutoTokenizer, GemmaForCausalLM

>>> model = GemmaForCausalLM.from_pretrained("google/gemma-2-9b")
>>> tokenizer = AutoTokenizer.from_pretrained("google/gemma-2-9b")

>>> prompt = "What is your favorite condiment?"
>>> inputs = tokenizer(prompt, return_tensors="pt")

>>> # Generate
>>> generate_ids = model.generate(inputs.input_ids, max_length=30)
>>> tokenizer.batch_decode(generate_ids, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]
"What is your favorite condiment?"

Gemma2ForSequenceClassification

class transformers.Gemma2ForSequenceClassification

< >

( config )

参数

  • config (Gemma2Config) — 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() 方法以加载模型权重。

Gemma2 模型转换器,顶部带有序列分类头(线性层)。

Gemma2ForSequenceClassification 使用最后一个标记进行分类,就像其他因果模型(例如 GPT-2)一样。

由于它对最后一个标记进行分类,因此它需要知道最后一个标记的位置。如果在配置中定义了 pad_token_id,它会找到每行中不是填充标记的最后一个标记。如果未定义 pad_token_id,它只会简单地获取批次中每行的最后一个值。由于它在传递 inputs_embeds 而不是 input_ids 时无法猜测填充标记,因此它会执行相同的操作(获取批次中每行的最后一个值)。

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、调整输入嵌入大小、修剪头等)。

此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解有关一般用法和行为的所有事项。

前向

< >

( input_ids: Optional = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Union = None inputs_embeds: Optional = None labels: Optional = None use_cache: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None )

参数

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

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

    什么是输入 ID?

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

    • 1 代表 **未被掩盖** 的标记
    • 0 代表 **被掩盖** 的标记

    什么是注意力掩码?

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

    如果使用 past_key_values,可以选择只输入最后一个 input_ids(请参阅 past_key_values)。

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

    • 1 表示头 **未被掩盖**
    • 0 表示头 **被掩盖**
  • position_ids (torch.LongTensor 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.n_positions - 1] 范围内选择。

    什么是位置 ID?

  • past_key_values (Cachetuple(tuple(torch.FloatTensor))可选) — 预先计算的隐藏状态(自注意力块和交叉注意力块中的键和值),可用于加速顺序解码。这通常包含模型在解码的先前阶段返回的 past_key_values,当 use_cache=Trueconfig.use_cache=True 时。

    允许两种格式:

    • 一个 Cache 实例,请参阅我们的 kv 缓存指南
    • tuple(torch.FloatTensor) 的元组,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。这也称为传统缓存格式。

    模型将输出与输入相同的缓存格式。如果没有传递 past_key_values,则将返回传统缓存格式。

    如果使用 past_key_values,用户可以选择只输入最后一个 input_ids(那些没有传递给该模型的过去键值状态的 input_ids),形状为 (batch_size, 1),而不是所有 input_ids,形状为 (batch_size, sequence_length)

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)可选) — 选择性地,而不是传递 input_ids,您可以选择直接传递嵌入表示。如果您希望对如何将 input_ids 索引转换为关联向量(比模型内部嵌入查找矩阵更精细)有更多控制,这将很有用。
  • use_cache (bool可选) — 如果设置为 True,则会返回 past_key_values 键值状态,并可用于加速解码(请参阅 past_key_values)。
  • output_attentions (bool可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息,请参阅返回张量下的 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 而不是简单的元组。
  • cache_position (torch.LongTensor 形状为 (sequence_length)可选) — 表示输入序列标记在序列中的位置的索引。与 position_ids 相反,此张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。
  • labels (torch.LongTensor 形状为 (batch_size,)可选) — 用于计算序列分类/回归损失的标签。 索引应在 [0, ..., config.num_labels - 1] 中。 如果 config.num_labels == 1,则计算回归损失(均方损失),如果 config.num_labels > 1,则计算分类损失(交叉熵)。

The Gemma2ForSequenceClassification forward method, overrides the __call__ special method.

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

Gemma2ForTokenClassification

class transformers.Gemma2ForTokenClassification

< >

( config )

参数

  • config (Gemma2Config) — 模型配置类,包含模型的所有参数。 使用配置文件进行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。

Gemma2 模型转换器,在其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、调整输入嵌入大小、修剪头等)。

此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解有关一般用法和行为的所有事项。

前向

< >

( input_ids: Optional = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Optional = None inputs_embeds: Optional = None labels: Optional = None use_cache: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None )

参数

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

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

    什么是输入 ID?

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

    • 1 表示未掩码的标记,
    • 0 表示掩码的标记。

    什么是注意力掩码?

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

    如果使用 past_key_values,可以选择仅输入最后一个 input_ids(请参阅 past_key_values)。

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

    • 1 表示头未掩码
    • 0 表示头掩码
  • 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。 从 [0, config.n_positions - 1] 中选择。

    什么是位置 ID?

  • past_key_values (Cachetuple(tuple(torch.FloatTensor)), 可选) — 预先计算的隐藏状态(自注意力块和交叉注意力块中的键和值),可用于加快顺序解码。这通常包含模型在解码的先前阶段返回的 past_key_values,当 use_cache=Trueconfig.use_cache=True 时。

    允许两种格式:

    • 一个 Cache 实例,请参阅我们的 kv 缓存指南
    • 长度为 config.n_layerstuple(torch.FloatTensor) 元组,每个元组包含两个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。这也被称为传统的缓存格式。

    模型将输出与输入相同的缓存格式。如果未传递 past_key_values,则将返回传统的缓存格式。

    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 input_ids(那些没有为该模型提供过去键值状态的 input_ids),而不是形状为 (batch_size, sequence_length) 的所有 input_ids

  • inputs_embeds (形状为 (batch_size, sequence_length, hidden_size)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。如果您希望对如何将 input_ids 索引转换为关联向量(而不是模型的内部嵌入查找矩阵)进行更多控制,这将很有用。
  • use_cache (bool, 可选) — 如果设置为 True,则返回 past_key_values 键值状态,可用于加快解码速度(请参阅 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息,请参阅返回张量中的 attentions
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息,请参阅返回张量中的 hidden_states
  • return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。
  • cache_position (形状为 (sequence_length)torch.LongTensor, 可选) — 指示输入序列标记在序列中的位置的索引。与 position_ids 相反,此张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。
  • labels (形状为 (batch_size,)torch.LongTensor, 可选) — 用于计算序列分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 中。如果 config.num_labels == 1,则计算回归损失(均方误差损失),如果 config.num_labels > 1,则计算分类损失(交叉熵)。

Gemma2ForTokenClassification 正向方法覆盖了 __call__ 特殊方法。

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

< > 在 GitHub 上更新