参数

• input_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)) — input_ids_length = sequence_length 如果 past_key_values 为 None 否则为 past_key_values[0][0].shape[-2] (sequence_length 输入过去键值状态)。词汇表中输入序列标记的索引。

  如果使用了 past_key_values，则只有尚未计算过去值的 input_ids 应该作为 input_ids 传递。

  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 ID？

• past_key_values (Tuple[Tuple[torch.Tensor]] 长度为 config.n_layers) — 包含模型计算的预先计算的隐藏状态（注意力块中的键和值）（参见下面的 past_key_values 输出）。可用于加速顺序解码。传递给此模型的过去值的 input_ids 不应作为 input_ids 传递，因为它们已经计算过。
• 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 **未屏蔽** 的标记，
  • 0 表示 **已屏蔽** 的标记。

  如果使用了 past_key_values，attention_mask 需要包含用于 past_key_values 的屏蔽策略。换句话说，attention_mask 的长度始终必须为：len(past_key_values) + len(input_ids)

  什么是注意力掩码？

• token_type_ids (torch.LongTensor 形状为 (batch_size, input_ids_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,) 或 (num_layers, num_heads)，可选) — 掩码以使自注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 表示头部 **未屏蔽**，
  • 0 表示头部 **已屏蔽**。
• 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。如果您希望比模型的内部嵌入查找矩阵对如何将 input_ids 索引转换为关联向量有更多控制权，这将非常有用。

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

• use_cache (bool，可选) — 如果设置为 True，则会返回 past_key_values 键值状态，可用于加速解码（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，请参见返回的张量中的 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) — 是否返回一个 ModelOutput 而不是一个简单的元组。

一个 transformers.modeling_outputs.BaseModelOutputWithPastAndCrossAttentions 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包括根据配置 (GPT2Config) 和输入的不同元素。

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

  如果使用 past_key_values，则仅输出形状为 (batch_size, 1, hidden_size) 的序列的最后一个隐藏状态。

• past_key_values (tuple(tuple(torch.FloatTensor)), 可选, 当传递了 use_cache=True 或当 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(torch.FloatTensor) 的元组，每个元组都有两个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量) 以及可选的，如果 config.is_encoder_decoder=True，则另外两个形状为 (batch_size, num_heads, encoder_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，以及可选的，如果 config.is_encoder_decoder=True，则在交叉注意力块中），这些状态可用于（参见 past_key_values 输入）加速顺序解码。

• hidden_states (tuple(torch.FloatTensor), 可选, 当传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型具有嵌入层，+ 一个用于每一层的输出） 形状为 (batch_size, sequence_length, hidden_size)。

  每一层输出处的模型隐藏状态，以及可选的初始嵌入输出。

• attentions (tuple(torch.FloatTensor), 可选, 当传递了 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（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, 当传递了 output_attentions=True 和 config.add_cross_attention=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每一层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的交叉注意力层的注意力权重，注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。

参数

• input_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)) — input_ids_length = sequence_length 如果 past_key_values 为 None，否则为 past_key_values[0][0].shape[-2] (输入过去键值状态的 sequence_length)。词汇表中输入序列标记的索引。

  如果使用 past_key_values，则只有没有计算过去值的 input_ids 应该作为 input_ids 传递。

  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 ID？

• past_key_values (Tuple[Tuple[torch.Tensor]] 长度为 config.n_layers) — 包含模型计算的预先计算的隐藏状态（注意力块中的键和值）（参见下面的 past_key_values 输出）。可用于加快顺序解码。传递到此模型的具有过去值的 input_ids 不应作为 input_ids 传递，因为它们已经计算过。
• 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] 中选择掩码值：
  • 1 表示未屏蔽的标记，
  • 0 表示屏蔽的标记。

  如果使用 past_key_values，attention_mask 需要包含用于 past_key_values 的屏蔽策略。换句话说，attention_mask 始终必须具有长度：len(past_key_values) + len(input_ids)

  什么是注意力掩码？

• token_type_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)，可选) — 段标记索引，指示输入的第一部分和第二部分。在 [0, 1] 中选择索引：
  • 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 (torch.LongTensor 形状为 (batch_size, sequence_length)，可选) — 位置嵌入中每个输入序列标记位置的索引。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) — 掩码以使自注意力模块的选定头部失效。在 [0, 1] 中选择掩码值：
  • 1 表示头部未屏蔽，
  • 0 表示头部屏蔽。
• 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 索引转换为关联的向量，这将很有用。

  如果使用 past_key_values，则可选地只需要输入最后一个 inputs_embeds (参见 past_key_values)。

• use_cache (bool，可选) — 如果设置为 True，则将返回 past_key_values 键值状态，并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，请参阅返回张量中的 hidden_states。
• return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个简单的元组。
• labels (torch.LongTensor 形状为 (batch_size, sequence_length), 可选) — 语言建模标签。请注意，标签在模型内部是移位的，即您可以设置 labels = input_ids 索引在 [-100, 0, ..., config.vocab_size] 中选择 所有设置为 -100 的标签都被忽略（屏蔽），损失仅针对 [0, ..., config.vocab_size] 中的标签进行计算

一个 transformers.modeling_outputs.CausalLMOutputWithCrossAttentions 或 torch.FloatTensor 的元组（如果传递 return_dict=False 或 config.return_dict=False 时），包括根据配置 (GPT2Config) 和输入的不同元素。

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

• logits (torch.FloatTensor 形状为 (batch_size, sequence_length, config.vocab_size)) — 语言建模头的预测得分（SoftMax 之前的每个词汇表词的得分）。

• hidden_states (tuple(torch.FloatTensor), 可选, 当传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型具有嵌入层，+ 一个用于每一层的输出） 形状为 (batch_size, sequence_length, hidden_size)。

  每一层输出处的模型隐藏状态，以及可选的初始嵌入输出。

• attentions (tuple(torch.FloatTensor), 可选, 当传递了 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（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, 当传递 output_attentions=True 或 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每一层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  注意 softmax 后的交叉注意权重，用于计算交叉注意头的加权平均值。

• past_key_values (tuple(tuple(torch.FloatTensor)), 可选, 当传递 use_cache=True 或 config.use_cache=True 时返回) — torch.FloatTensor 元组的元组，长度为 config.n_layers，每个元组包含自注意和交叉注意层的缓存键值状态，如果模型用于编码器-解码器设置。仅在 config.is_decoder = True 时相关。

  包含预先计算的隐藏状态（注意块中的键和值），可以用来（参见 past_key_values 输入）加速顺序解码。

参数

• input_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)) — input_ids_length = sequence_length 如果 past_key_values 为 None 否则 past_key_values[0][0].shape[-2] (输入过去键值状态的 sequence_length)。词汇表中输入序列标记的索引。

  如果使用 past_key_values，则应将没有计算其过去的 input_ids 传递为 input_ids。

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

  什么是输入 ID？

• past_key_values (Tuple[Tuple[torch.Tensor]] 长度为 config.n_layers) — 包含模型计算的预先计算的隐藏状态（注意力块中的键和值）（参见下面的 past_key_values 输出）。可用于加速顺序解码。传递到此模型的 input_ids 应将其过去的 input_ids 传递，因为它们已计算。
• 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 代表未被掩码的标记，
  • 0 代表被掩码的标记。

  如果使用 past_key_values，attention_mask 需要包含用于 past_key_values 的掩码策略。换句话说，attention_mask 始终必须具有长度：len(past_key_values) + len(input_ids)

  什么是注意力掩码？

• token_type_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)，可选) — 段标记索引以指示输入的第一部分和第二部分。索引在 [0, 1] 中选择：
  • 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,) 或 (num_layers, num_heads)，可选) — 掩码以使自注意力模块的选定头部无效。在 [0, 1] 中选择的掩码值：
  • 1 代表未被掩码的头部，
  • 0 代表被掩码的头部。
• 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，您可以选择直接传递嵌入表示。如果您希望比模型的内部嵌入查找矩阵更细致地控制如何将 input_ids 索引转换为关联的向量，这将非常有用。

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

• 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（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。有关详细信息，请参阅返回张量中的 hidden_states。
• return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个简单的元组。
• mc_token_ids (torch.LongTensor 形状为 (batch_size, num_choices), 可选, 默认值为输入的最后一个标记的索引) — 每个输入序列中分类标记的索引。在 [0, input_ids.size(-1) - 1] 范围内选择。
• labels (torch.LongTensor 形状为 (batch_size, sequence_length), 可选) — 用于语言建模的标签。请注意，标签在模型内部会发生移位，即您可以设置 labels = input_ids。索引在 [-100, 0, ..., config.vocab_size - 1] 范围内选择。所有设置为 -100 的标签将被忽略（屏蔽），损失仅针对 [0, ..., config.vocab_size - 1] 范围内的标签计算。
• mc_labels (torch.LongTensor 形状为 (batch_size), 可选) — 用于计算多项选择分类损失的标签。索引应在 [0, ..., num_choices] 范围内，其中 num_choices 是输入张量的第二维的大小（参见上面的 input_ids）。

一个 transformers.models.gpt2.modeling_gpt2.GPT2DoubleHeadsModelOutput 或一个 torch.FloatTensor 元组（如果传递了 return_dict=False 或者当 config.return_dict=False 时），包含根据配置（GPT2Config）和输入而变化的各种元素。

• loss (torch.FloatTensor 形状为 (1,), 可选, 当提供 labels 时返回) — 语言建模损失。

• mc_loss (torch.FloatTensor 形状为 (1,), 可选, 当提供 mc_labels 时返回) — 多项选择分类损失。

• logits (torch.FloatTensor 形状为 (batch_size, num_choices, 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）。

• mc_logits (torch.FloatTensor 形状为 (batch_size, num_choices)) — 多项选择分类头的预测分数（SoftMax 之前的每个选项的分数）。

• past_key_values (Tuple[Tuple[torch.Tensor]], 可选, 当传递 use_cache=True 或者当 config.use_cache=True 时返回) — 长度为 config.n_layers 的元组，包含形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量元组。

  包含预先计算的隐藏状态（注意块中的键和值），可以用来（参见 past_key_values 输入）加速顺序解码。

• hidden_states (tuple(torch.FloatTensor), 可选, 当传递 output_hidden_states=True 或者当 config.output_hidden_states=True 时返回) — torch.FloatTensor 元组（一个用于嵌入的输出 + 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加上初始嵌入输出。

• attentions (tuple(torch.FloatTensor), 可选, 当传递了 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每一层一个）形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  注意力Softmax后的GPT2注意力权重，用于计算自注意力头中的加权平均值。

参数

• input_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)) — input_ids_length = sequence_length 如果 past_key_values 为 None 否则 past_key_values[0][0].shape[-2] (输入过去键值状态的 sequence_length)。输入序列token在词典中的索引。

  如果使用 past_key_values，只有没有计算过去值的 input_ids 应该作为 input_ids 传入。

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

  什么是输入 ID?

• past_key_values (Tuple[Tuple[torch.Tensor]] 长度为 config.n_layers) — 包含模型计算的预先计算的隐藏状态（注意块中的键和值）（见下文的 past_key_values 输出）。可用于加速顺序解码。已计算过过去的 input_ids 不应作为 input_ids 传入。
• attention_mask (torch.FloatTensor 形状为 (batch_size, sequence_length), 可选) — 掩码以避免对填充 token 索引执行注意力。掩码值选择在 [0, 1] 中：
  • 1 代表未掩码的 token，
  • 0 代表掩码的 token。

  如果使用 past_key_values，attention_mask 需要包含用于 past_key_values 的掩码策略。换句话说，attention_mask 始终必须具有长度：len(past_key_values) + len(input_ids)

  什么是注意力掩码?

• token_type_ids (torch.LongTensor 形状为 (batch_size, input_ids_length), 可选) — 分段 token 索引，用于指示输入的第一部分和第二部分。索引选择在 [0, 1] 中：
  • 0 代表句子 A token，
  • 1 代表句子 B token。

  什么是 token 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 token 位置的索引。选择在 [0, config.max_position_embeddings - 1] 范围内。

  什么是位置 ID?

• head_mask (torch.FloatTensor 形状为 (num_heads,) 或 (num_layers, num_heads), 可选) — 掩码以使自注意力模块的选定头部失效。掩码值选择在 [0, 1] 中：
  • 1 代表未掩码的头部，
  • 0 代表掩码的头部。
• inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 可选地，您可以选择直接传入嵌入表示，而不是传入 input_ids。如果您想要更多地控制如何将 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，这将很有用。

  如果使用 past_key_values，可以选择仅输入最后一个 inputs_embeds（见 past_key_values）。

• use_cache (bool, optional) — 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）。
• output_attentions (bool, optional) — 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, optional) — 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, optional) — 是否返回 ModelOutput 而不是普通元组。
• start_positions (torch.LongTensor of shape (batch_size,), optional) — 用于计算令牌分类损失的标记跨度开始位置（索引）的标签。位置被钳制到序列长度（sequence_length）。序列之外的位置不会被考虑用于计算损失。
• end_positions (torch.LongTensor of shape (batch_size,), optional) — 用于计算令牌分类损失的标记跨度结束位置（索引）的标签。位置被钳制到序列长度（sequence_length）。序列之外的位置不会被考虑用于计算损失。

一个 transformers.modeling_outputs.QuestionAnsweringModelOutput 或者 torch.FloatTensor 的元组（如果传递了 return_dict=False 或者当 config.return_dict=False 时），包含根据配置（GPT2Config）和输入的不同元素。

• loss (torch.FloatTensor of shape (1,), optional, returned when labels is provided) — 总跨度提取损失是开始和结束位置的交叉熵之和。

• start_logits (torch.FloatTensor of shape (batch_size, sequence_length)) — 跨度开始得分（在 SoftMax 之前）。

• end_logits (torch.FloatTensor of shape (batch_size, sequence_length)) — 跨度结束得分（在 SoftMax 之前）。

• hidden_states (tuple(torch.FloatTensor), 可选, 当传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型具有嵌入层，+ 一个用于每一层的输出） 形状为 (batch_size, sequence_length, hidden_size)。

  每一层输出处的模型隐藏状态，以及可选的初始嵌入输出。

• attentions (tuple(torch.FloatTensor), 可选, 当传递了 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（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。

参数

• input_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)) — input_ids_length = sequence_length 如果 past_key_values 为 None 否则 past_key_values[0][0].shape[-2] (sequence_length 输入过去键值状态)。词汇表中输入序列 token 的索引。

  如果使用 past_key_values，则只有未计算过去值的 input_ids 应该作为 input_ids 传递。

  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 ID?

• past_key_values (Tuple[Tuple[torch.Tensor]] 长度为 config.n_layers) — 包含由模型计算的预计算隐藏状态（注意力块中的键和值）（参见下面的 past_key_values 输出）。可用于加速顺序解码。传递给此模型的 input_ids 应该不作为 input_ids 传递，因为它们已经计算过了。
• attention_mask (torch.FloatTensor 形状为 (batch_size, sequence_length)，可选) — 避免对填充 token 索引执行注意力的掩码。在 [0, 1] 中选择的掩码值：
  • 1 表示 未屏蔽 的 token，
  • 0 表示 屏蔽 的 token。

  如果使用 past_key_values，attention_mask 需要包含用于 past_key_values 的屏蔽策略。换句话说，attention_mask 始终必须具有以下长度：len(past_key_values) + len(input_ids)

  什么是注意力掩码?

• token_type_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)，可选) — 段 token 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 token，
  • 1 对应于 句子 B token。

  什么是 token 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 token 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,) 或 (num_layers, num_heads)，可选) — 掩码，用于使自注意力模块中选择的头部失效。在 [0, 1] 中选择的掩码值：
  • 1 表示 未屏蔽 的头部，
  • 0 表示 屏蔽 的头部。
• inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 可选地，除了传递 input_ids，您也可以选择直接传递嵌入表示。如果您想要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，这将非常有用。
• 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。
• 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（均方误差损失），如果 config.num_labels > 1，则计算分类损失（交叉熵）。

一个 transformers.modeling_outputs.SequenceClassifierOutputWithPast 或 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 (GPT2Config) 和输入而变化的各种元素。

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

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

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

  包含预计算的隐藏状态（自注意力块中的键和值），可用于（请参阅 past_key_values 输入）加速顺序解码。

• hidden_states (tuple(torch.FloatTensor), 可选, 当传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型具有嵌入层，+ 一个用于每一层的输出） 形状为 (batch_size, sequence_length, hidden_size)。

  每一层输出处的模型隐藏状态，以及可选的初始嵌入输出。

• attentions (tuple(torch.FloatTensor), 可选, 当传递了 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（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。

参数

• input_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)) — input_ids_length = sequence_length 如果 past_key_values 为 None，否则为 past_key_values[0][0].shape[-2] (输入过去键值状态的 sequence_length)。输入序列词元的词汇表中的索引。

  如果使用 past_key_values，则只有 input_ids 中没有计算其过去值的 input_ids 应作为 input_ids 传递。

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

  什么是输入 ID？

• past_key_values (Tuple[Tuple[torch.Tensor]] 长度为 config.n_layers) — 包含模型计算的预先计算的隐藏状态（注意力块中的键和值）（请参阅下面的 past_key_values 输出）。可用于加快顺序解码速度。已提供其过去的 input_ids 不应作为 input_ids 传递，因为它们已计算完毕。
• attention_mask (torch.FloatTensor 形状为 (batch_size, sequence_length)，可选) — 掩码，用于避免在填充词元索引上执行注意力。在 [0, 1] 中选择掩码值：
  • 1 表示未掩码的词元，
  • 0 表示已掩码的词元。

  如果使用 past_key_values，attention_mask 需要包含用于 past_key_values 的掩码策略。换句话说，attention_mask 始终必须具有长度：len(past_key_values) + len(input_ids)

  什么是注意力掩码？

• token_type_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)，可选) — 分段词元索引，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 表示 句子 A 词元，
  • 1 表示 句子 B 词元。

  什么是词元类型 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词元位置的索引。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) — 掩码，用于使自注意力模块的选定头部无效。在 [0, 1] 中选择掩码值：
  • 1 表示头部未掩码，
  • 0 表示头部已掩码。
• 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。如果您希望对如何将 input_ids 索引转换为关联的向量（而不是模型的内部嵌入查找矩阵）有更多控制，这将很有用。

  如果使用 past_key_values，则可选地只需要输入最后一个 inputs_embeds (请参阅 past_key_values)。

• use_cache (bool, optional) — 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）。
• output_attentions (bool, optional) — 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, optional) — 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, optional) — 是否返回 ModelOutput 而不是普通元组。
• labels (torch.LongTensor of shape (batch_size, sequence_length), optional) — 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）。

一个 transformers.modeling_outputs.TokenClassifierOutput 或 torch.FloatTensor 元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含根据配置 (GPT2Config) 和输入而异的各种元素。

• loss (torch.FloatTensor of shape (1,), optional, returned when labels is provided) — 分类损失。

• logits (torch.FloatTensor of shape (batch_size, sequence_length, config.num_labels)) — 分类分数（在 SoftMax 之前）。

• hidden_states (tuple(torch.FloatTensor), 可选, 当传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型具有嵌入层，+ 一个用于每一层的输出） 形状为 (batch_size, sequence_length, hidden_size)。

  每一层输出处的模型隐藏状态，以及可选的初始嵌入输出。

• attentions (tuple(torch.FloatTensor), 可选, 当传递了 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（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。

参数

• input_ids (Numpy array 或 tf.Tensor，形状为 (batch_size, input_ids_length)) — input_ids_length = sequence_length 如果 past_key_values 为 None 否则为 past_key_values[0].shape[-2] (输入过去的键值状态的 sequence_length)。词汇表中输入序列标记的索引。

  如果使用 past_key_values，则仅应将尚未计算其过去值的输入 ID 作为 input_ids 传递。

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

  什么是输入 ID？

• past_key_values (List[tf.Tensor]，长度为 config.n_layers) — 包含模型计算的预先计算的隐藏状态（注意力块中的键和值）（参见下面的 past_key_values 输出）。可用于加速顺序解码。传递给此模型的具有过去值的标记 ID 不应作为输入 ID 传递，因为它们已经计算过了。
• attention_mask (tf.Tensor 或 Numpy array，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 表示被掩码的标记。

  如果使用 past_key_values，attention_mask 需要包含用于 past_key_values 的掩码策略。换句话说，attention_mask 的长度始终必须为：len(past_key_values) + len(input_ids)

  什么是注意力掩码？

• token_type_ids (tf.Tensor 或 Numpy array，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 (tf.Tensor 或 Numpy array，形状为 (batch_size, sequence_length)，可选) — 输入序列标记的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 (Numpy array 或 tf.Tensor，形状为 (num_heads,) 或 (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 表示未被掩码的头部，
  • 0 表示被掩码的头部。
• inputs_embeds (tf.Tensor 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。如果您希望对将 input_ids 索引转换为相关向量的方式比模型的内部嵌入查找矩阵有更多控制权，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。此参数仅可在急切模式下使用，在图模式下，将使用配置中的值。
• 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，请参阅返回张量下的 hidden_states。此参数仅可在急切模式下使用，在图模式下，将使用配置中的值。
• return_dict (bool，可选) — 是否返回 ModelOutput 而不是普通元组。此参数可在急切模式下使用，在图模式下，该值始终设置为 True。
• training (bool，可选，默认值为 False) — 是否以训练模式使用模型（某些模块，如 dropout 模块，在训练和评估之间有不同的行为）。
• encoder_hidden_states (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 编码器最后一层输出的隐藏状态序列。如果模型配置为解码器，则在交叉注意力中使用。
• encoder_attention_mask (tf.Tensor 形状为 (batch_size, sequence_length)，可选) — 用于避免对编码器输入的填充标记索引执行注意力的掩码。如果模型配置为解码器，则在交叉注意力中使用此掩码。掩码值选择在 [0, 1] 中：
  • 1 表示未被掩码的标记，
  • 0 表示被掩码的标记。
• past_key_values (Tuple[Tuple[tf.Tensor]] 长度为 config.n_layers) — 包含预先计算的注意力块的关键和值隐藏状态。可用于加速解码。如果使用 past，用户可以选择仅输入最后一个 decoder_input_ids（没有将其过去的关键值状态提供给此模型的那些） 形状为 (batch_size, 1) 而不是所有 decoder_input_ids 形状为 (batch_size, sequence_length)。
• use_cache (bool，可选，默认值为 True) — 如果设置为 True，则将返回 past_key_values 键值状态，可用于加速解码（请参阅 past）。在训练期间设置为 False，在生成期间设置为 True

一个 transformers.modeling_tf_outputs.TFBaseModelOutputWithPastAndCrossAttentions 或 tf.Tensor 的元组（如果传递了 return_dict=False 或 config.return_dict=False），包含取决于配置的各种元素 (GPT2Config) 和输入。

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

  如果使用 past_key_values，则仅输出形状为 (batch_size, 1, hidden_size) 的序列的最后一个隐藏状态。

• past_key_values (List[tf.Tensor], 可选, 当传递 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tf.Tensor 列表，每个张量形状为 (2, batch_size, num_heads, sequence_length, embed_size_per_head))。

  包含预先计算的隐藏状态（注意块中的键和值），可以用来（参见 past_key_values 输入）加速顺序解码。

• hidden_states (tuple(tf.FloatTensor), 可选, 当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — tf.Tensor 元组 (一个用于嵌入的输出 + 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加上初始嵌入输出。

• attentions (tuple(tf.Tensor), 可选, 当传递 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 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(tf.Tensor), 可选, 当传递 output_attentions=True 或 config.output_attentions=True 时返回) — tf.Tensor 元组 (每一层一个)，形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的交叉注意力层的注意力权重，注意力 softmax 之后，用于计算交叉注意力头中的加权平均值。

参数

• input_ids (Numpy 数组 或 tf.Tensor，形状为 (batch_size, input_ids_length)) — input_ids_length = sequence_length 如果 past_key_values 为 None，否则为 past_key_values[0].shape[-2] (输入过去键值状态的 sequence_length)。输入序列标记在词汇表中的索引。

  如果使用 past_key_values，则只有没有计算其过去的输入 ID 应该作为 input_ids 传递。

  索引可以使用 AutoTokenizer 获取。查看 PreTrainedTokenizer.call() 和 PreTrainedTokenizer.encode() 以获取详细信息。

  什么是输入 ID?

• past_key_values (List[tf.Tensor] 长度为 config.n_layers) — 包含模型计算的预先计算的隐藏状态 (注意块中的键和值)(参见下面的 past_key_values 输出)。可用于加速顺序解码。已经计算过过去的标记 ID 不应作为输入 ID 传递，因为它们已经计算过了。
• attention_mask (tf.Tensor 或 Numpy 数组，形状为 (batch_size, sequence_length), 可选) — 用于避免在填充标记索引上执行注意的掩码。掩码值选择在 [0, 1] 中：
  • 1 表示未被掩码的标记，
  • 0 表示被掩码的标记。

  如果使用 past_key_values，attention_mask 需要包含用于 past_key_values 的掩码策略。换句话说，attention_mask 始终必须具有长度：len(past_key_values) + len(input_ids)

  什么是注意力掩码?

• token_type_ids (tf.Tensor 或 Numpy array 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 (tf.Tensor 或 Numpy array 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。在范围 [0, config.max_position_embeddings - 1] 中选择。

  什么是位置 ID？

• head_mask (Numpy array 或 tf.Tensor 形状为 (num_heads,) 或 (num_layers, num_heads)，可选) — 用于使自注意力模块的选定头部无效的掩码。掩码值在 [0, 1] 中选择：
  • 1 表示头部未被掩码，
  • 0 表示头部被掩码。
• inputs_embeds (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 可选地，您也可以选择直接传递嵌入表示，而不是传递 input_ids。如果您想要对如何将 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）有更多控制，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。有关详细信息，请参阅返回张量中的 attentions。此参数只能在急切模式下使用，在图模式下将使用配置中的值。
• output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关详细信息，请参阅返回张量中的 hidden_states。此参数只能在急切模式下使用，在图模式下将使用配置中的值。
• return_dict (bool，可选) — 是否返回一个 ModelOutput，而不是一个简单的元组。此参数可以在急切模式下使用，在图模式下，该值将始终设置为 True。
• training (bool，可选，默认为 False) — 是否以训练模式使用模型（某些模块，如 dropout 模块，在训练和评估之间具有不同的行为）。
• encoder_hidden_states (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size)，可选) — 编码器最后一层输出处的隐藏状态序列。如果模型配置为解码器，则在交叉注意力中使用。
• encoder_attention_mask (tf.Tensor 形状为 (batch_size, sequence_
• past_key_values (Tuple[Tuple[tf.Tensor]] 长度为 config.n_layers) — 包含预先计算的注意力块的键值隐藏状态。可用于加速解码。如果使用 past，则用户可以选择仅输入最后 decoder_input_ids（其过去键值状态未提供给此模型）形状为 (batch_size, 1) 而不是所有 decoder_input_ids 形状为 (batch_size, sequence_length)。
• 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（见 past）。在训练期间设置为 False，在生成期间设置为 True
• labels (tf.Tensor 形状为 (batch_size, sequence_length), 可选) — 用于计算交叉熵分类损失的标签。索引应在 [0, ..., config.vocab_size - 1] 之间。