Transformers 文档

GPT-NeoX

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

GPT-NeoX

PyTorch SDPA

概述

我们介绍了 GPT-NeoX-20B,这是一个在 Pile 上训练的 200 亿参数自回归语言模型,其权重将通过宽松许可证免费向公众开放。据我们所知,在提交时,它是最大规模的、权重公开可用的密集型自回归模型。在这项工作中,我们描述了 GPT-NeoX-20B 的架构和训练,并在一系列语言理解、数学和基于知识的任务上评估了其性能。我们发现 GPT-NeoX-20B 是一个特别强大的少样本推理器,在五样本评估时,其性能增益远超同等规模的 GPT-3 和 FairSeq 模型。我们在 https://github.com/EleutherAI/gpt-neox 上开源了训练和评估代码以及模型权重。

该模型的开发由 Sid Black、Stella Biderman 和 Eric Hallahan 领导,并得到了 CoreWeave 的慷慨支持。

GPT-NeoX-20B 使用 fp16 进行训练,因此建议按如下方式初始化模型

model = GPTNeoXForCausalLM.from_pretrained("EleutherAI/gpt-neox-20b").half().cuda()

GPT-NeoX-20B 的分词器也与 GPT-J-6B 和 GPT-Neo 中使用的不同。新的分词器为空白字符分配了额外的词元,使模型更适合某些任务,如代码生成。

用法示例

可以使用 `generate()` 方法来使用 GPT Neo 模型生成文本。

>>> from transformers import GPTNeoXForCausalLM, GPTNeoXTokenizerFast

>>> model = GPTNeoXForCausalLM.from_pretrained("EleutherAI/gpt-neox-20b")
>>> tokenizer = GPTNeoXTokenizerFast.from_pretrained("EleutherAI/gpt-neox-20b")

>>> prompt = "GPTNeoX20B is a 20B-parameter autoregressive Transformer model developed by EleutherAI."

>>> input_ids = tokenizer(prompt, return_tensors="pt").input_ids

>>> gen_tokens = model.generate(
...     input_ids,
...     do_sample=True,
...     temperature=0.9,
...     max_length=100,
... )
>>> gen_text = tokenizer.batch_decode(gen_tokens)[0]

使用 Flash Attention 2

Flash Attention 2 是一个更快、更优化的模型版本。

安装

首先,检查您的硬件是否与 Flash Attention 2 兼容。最新的兼容硬件列表可以在官方文档中找到。如果您的硬件与 Flash Attention 2 不兼容,您仍然可以通过上面提到的 Better Transformer 支持来受益于注意力核优化。

接下来,安装 最新版本的 Flash Attention 2

pip install -U flash-attn --no-build-isolation

用法

要使用 Flash Attention 2 加载模型,我们可以将参数 `attn_implementation="flash_attention_2"` 传递给 `.from_pretrained`。我们还将以半精度(例如 `torch.float16`)加载模型,因为它几乎不会降低音频质量,但能显著降低内存使用并加快推理速度。

>>> from transformers import GPTNeoXForCausalLM, GPTNeoXTokenizerFast

model = GPTNeoXForCausalLM.from_pretrained("EleutherAI/gpt-neox-20b", torch_dtype=torch.float16, attn_implementation="flash_attention_2").to(device)
...

预期加速

以下是一个预期加速图,比较了使用 `stockmark/gpt-neox-japanese-1.4b` checkpoint 的原生 transformers 实现与 Flash Attention 2 版本的模型在序列长度为 2048 时的纯推理时间。

使用缩放点积注意力 (SDPA)

PyTorch 在 `torch.nn.functional` 中包含了一个原生的缩放点积注意力(SDPA)算子。该函数包含多种实现,可根据输入和所用硬件进行应用。更多信息请参见官方文档GPU 推理页面。

当实现可用时,SDPA 默认用于 `torch>=2.1.1`,但你也可以在 `from_pretrained()` 中设置 `attn_implementation="sdpa"` 来明确请求使用 SDPA。

from transformers import GPTNeoXForCausalLM
model = GPTNeoXForCausalLM.from_pretrained("EleutherAI/gpt-neox-20b", torch_dtype=torch.float16, attn_implementation="sdpa")
...

为了获得最佳加速效果,我们建议以半精度(例如 `torch.float16` 或 `torch.bfloat16`)加载模型。

在本地基准测试(rtx3080ti-16GB, PyTorch 2.2.1, OS Ubuntu 22.04)中使用 `float16` 和 pythia-410m-deduped,我们在训练和推理期间观察到以下加速。

训练

批次大小 序列长度 每批处理时间(Eager - 秒) 每批处理时间(SDPA - 秒) 加速(%) Eager 峰值内存(MB) SDPA 峰值内存(MB) 内存节省(%)
1 128 0.024 0.019 28.945 1789.95 1789.95 0
1 256 0.039 0.031 23.18 1845.83 1844.84 0.053
1 512 0.08 0.055 45.524 2278.38 1953.76 16.615
1 1024 0.19 0.102 86.777 4772.36 2408.35 98.159
1 2048 0.565 0.204 177.098 13484.1 3882.01 247.348
2 128 0.037 0.032 15.121 1843.86 1844.78 -0.05
2 256 0.067 0.055 21.706 1999.72 1951.67 2.462
2 512 0.144 0.096 50.046 3613.16 2406.77 50.125
2 1024 0.366 0.193 89.666 8707.55 3878.86 124.487
2 2048 OOM(内存不足) 0.379 / OOM(内存不足) 6825.13 SDPA 不会 OOM
4 128 0.06 0.054 11.539 1947.6 1952.06 -0.228
4 256 0.119 0.093 28.072 3008.39 2405.99 25.038
4 512 0.275 0.187 47.145 6290.58 3877.29 62.242
4 1024 OOM(内存不足) 0.36 / OOM(内存不足) 6821.98 SDPA 不会 OOM
4 2048 OOM(内存不足) 0.731 / OOM(内存不足) 12705.1 SDPA 不会 OOM

推理

批次大小 序列长度 每个词元的延迟 Eager (ms) 每个词元的延迟 SDPA (ms) 加速(%) 内存 Eager (MB) 内存 SDPA (MB) 内存节省 (%)
1 128 6.569 5.858 12.14 974.831 974.826 0
1 256 7.009 5.863 19.542 1029.01 1028.08 0.09
1 512 7.157 5.965 19.983 1137.54 1137.52 0.001
1 1024 7.523 6.506 15.637 1329.3 1329.26 0.003
1 2048 9.271 9.205 0.713 1752.47 1734.51 1.036
2 128 7.239 5.959 21.493 1044.8 1028.37 1.597
2 256 7.228 6.036 19.757 1167.32 1137.73 2.601
2 512 7.538 6.693 12.628 1352.93 1329.55 1.758
2 1024 8.916 8.632 3.291 1752.56 1734.62 1.034
2 2048 12.628 12.606 0.181 2558.72 2545.8 0.508
4 128 7.278 6.046 20.373 1168.41 1137.79 2.691
4 256 7.614 6.588 15.574 1353.1 1329.79 1.753
4 512 8.798 8.144 8.028 1752.76 1734.85 1.032
4 1024 11.765 11.303 4.09 2558.96 2546.04 0.508
4 2048 19.568 17.735 10.33 4175.5 4165.26 0.246

资源

GPTNeoXConfig

class transformers.GPTNeoXConfig

< >

( vocab_size = 50432 hidden_size = 6144 num_hidden_layers = 44 num_attention_heads = 64 intermediate_size = 24576 hidden_act = 'gelu' rotary_pct = 0.25 rotary_emb_base = 10000 attention_dropout = 0.0 hidden_dropout = 0.0 classifier_dropout = 0.1 max_position_embeddings = 2048 initializer_range = 0.02 layer_norm_eps = 1e-05 use_cache = True bos_token_id = 0 eos_token_id = 2 tie_word_embeddings = False use_parallel_residual = True rope_scaling = None attention_bias = True **kwargs )

参数

  • vocab_size (int, 可选, 默认为 50432) — GPTNeoX 模型的词汇表大小。定义了调用 GPTNeoXModel 时传递的 `inputs_ids` 可以表示的不同词元的数量。
  • hidden_size (int, 可选, 默认为 6144) — 编码器层和池化层的维度。
  • num_hidden_layers (int, 可选, 默认为 44) — Transformer 编码器中的隐藏层数量。
  • num_attention_heads (int, 可选, 默认为 64) — Transformer 编码器中每个注意力层的注意力头数量。
  • intermediate_size (int, 可选, 默认为 24576) — Transformer 编码器中“中间”(即前馈)层的维度。
  • hidden_act (str 或 `function`, 可选, 默认为 `"gelu"`) — 编码器和池化层中的非线性激活函数(函数或字符串)。如果是字符串,支持 `"gelu"`、`"relu"`、`"selu"` 和 `"gelu_new"`。
  • rotary_pct (`float`, *可选*, 默认为 0.25) — 分配给旋转嵌入的隐藏维度百分比。
  • rotary_emb_base (`int`, *可选*, 默认为 10000) — 用于计算旋转嵌入频率的基数。
  • attention_dropout (`float`, *可选*, 默认为 0.0) — 注意力分数的丢弃率概率。
  • hidden_dropout (`float`, *可选*, 默认为 0.0) — (1) 词嵌入、(2) 注意力后隐藏状态和 (3) mlp 后隐藏状态的丢弃率。
  • classifier_dropout (`float`, *可选*, 默认为 0.1) — 在进行词元分类时使用的参数,用于模型 GPTNeoXForTokenClassification

    隐藏层的丢弃率。

  • max_position_embeddings (int, 可选, 默认为 2048) — 该模型可能使用的最大序列长度。通常将其设置为较大的值以备不时之需(例如,512、1024 或 2048)。
  • initializer_range (`float`, *可选*, 默认为 1e-5) — 用于初始化所有权重矩阵的截断正态初始化器的标准差。
  • layer_norm_eps (float, 可选, 默认为 1e-12) — 层归一化层使用的 epsilon 值。
  • use_cache (bool, 可选, 默认为 `True`) — 模型是否应返回最后一个键/值注意力(并非所有模型都使用)。仅当 `config.is_decoder=True` 时相关。
  • use_parallel_residual (bool, 可选, 默认为 `True`) — 是否在每个 Transformer 层中使用“并行”公式,这可以在大规模(例如 20B)训练时提供轻微的速度提升。
  • rope_scaling (Dict, *可选*) — 包含 RoPE 嵌入缩放配置的字典。注意:如果您应用了新的 rope 类型,并期望模型能在更长的 `max_position_embeddings` 上工作,我们建议您相应地更新此值。预期内容:`rope_type` (str):要使用的 RoPE 子变体。可以是 [‘default’, ‘linear’, ‘dynamic’, ‘yarn’, ‘longrope’, ‘llama3’] 之一,其中 ‘default’ 是原始的 RoPE 实现。`factor` (float, *可选*):与除 ‘default’ 外的所有 rope 类型一起使用。应用于 RoPE 嵌入的缩放因子。在大多数缩放类型中,`factor` 为 x 将使模型能够处理长度为 x * 原始最大预训练长度的序列。`original_max_position_embeddings` (int, *可选*):与 ‘dynamic’、‘longrope’ 和 ‘llama3’ 一起使用。预训练期间使用的原始最大位置嵌入。`attention_factor` (float, *可选*):与 ‘yarn’ 和 ‘longrope’ 一起使用。应用于注意力计算的缩放因子。如果未指定,则默认为实现推荐的值,并使用 `factor` 字段推断建议值。`beta_fast` (float, *可选*):仅与 ‘yarn’ 一起使用。用于设置线性斜坡函数中外推(仅)边界的参数。如果未指定,则默认为 32。`beta_slow` (float, *可选*):仅与 ‘yarn’ 一起使用。用于设置线性斜坡函数中插值(仅)边界的参数。如果未指定,则默认为 1。`short_factor` (list[float], *可选*):仅与 ‘longrope’ 一起使用。应用于短上下文(< `original_max_position_embeddings`)的缩放因子。必须是与隐藏大小除以注意力头数再除以 2 相同长度的数字列表。`long_factor` (list[float], *可选*):仅与 ‘longrope’ 一起使用。应用于长上下文(> `original_max_position_embeddings`)的缩放因子。必须是与隐藏大小除以注意力头数再除以 2 相同长度的数字列表。`low_freq_factor` (float, *可选*):仅与 ‘llama3’ 一起使用。应用于 RoPE 低频分量的缩放因子。`high_freq_factor` (float, *可选*):仅与 ‘llama3’ 一起使用。应用于 RoPE 高频分量的缩放因子。
  • attention_bias (bool, 可选, 默认为 True) — 在自注意力机制中,是否在查询、键、值和输出投影层中使用偏置。
  • 示例

这是一个用于存储 GPTNeoXModel 配置的配置类。它用于根据指定的参数实例化一个 GPTNeoX 模型,定义模型架构。使用默认值实例化配置将产生与 GPTNeoX EleutherAI/gpt-neox-20b 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。

>>> from transformers import GPTNeoXConfig, GPTNeoXModel

>>> # Initializing a GPTNeoX gpt-neox-20b style configuration
>>> configuration = GPTNeoXConfig()

>>> # Initializing a model (with random weights) from the gpt-neox-20b style configuration
>>> model = GPTNeoXModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.config

GPTNeoXTokenizerFast

class transformers.GPTNeoXTokenizerFast

< >

( vocab_file = None merges_file = None tokenizer_file = None unk_token = '<|endoftext|>' bos_token = '<|endoftext|>' eos_token = '<|endoftext|>' pad_token = None add_bos_token = False add_eos_token = False add_prefix_space = False **kwargs )

参数

  • vocab_file (str) — 词汇表文件的路径。
  • merges_file (str) — 合并文件的路径。
  • errors (str, 可选, 默认为 "replace") — 将字节解码为 UTF-8 时遵循的范式。有关更多信息,请参阅 bytes.decode
  • unk_token (str, 可选, 默认为 <|endoftext|>) — 未知词元。不在词汇表中的词元无法转换为 ID,将被设置为此词元。
  • bos_token (str, 可选, 默认为 <|endoftext|>) — 序列开始词元。
  • eos_token (str, 可选, 默认为 <|endoftext|>) — 序列结束词元。
  • pad_token (str, 可选) — 用于填充序列的词元。
  • add_prefix_space (bool, 可选, 默认为 False) — 是否在输入前添加一个初始空格。这允许将开头的单词像其他单词一样处理。(GPTNeoX 分词器通过前面的空格来检测单词的开头)。
  • add_bos_token (bool, 可选, 默认为 False) — 是否在序列开头添加一个 bos_token
  • add_eos_token (bool, 可选, 默认为 False) — 是否在序列末尾添加一个 eos_token
  • trim_offsets (bool, 可选, 默认为 True) — 后处理步骤是否应修剪偏移量以避免包含空格。

构建一个“快速”的 GPT-NeoX-20B 分词器(由 HuggingFace 的 tokenizers 库支持)。基于字节级的字节对编码(Byte-Pair-Encoding)。

这个分词器经过训练,将空格视为词元的一部分(有点像 sentencepiece),所以一个词会

无论是否在句子开头(无空格),编码方式都会不同

>>> from transformers import GPTNeoXTokenizerFast

>>> tokenizer = GPTNeoXTokenizerFast.from_pretrained("openai-community/gpt2")
>>> tokenizer("Hello world")["input_ids"]
[15496, 995]

>>> tokenizer(" Hello world")["input_ids"]
[18435, 995]

您可以通过在实例化此分词器时传递 add_prefix_space=True 来绕过此行为,但由于模型并非以此方式进行预训练,这可能会导致性能下降。

当与 is_split_into_words=True 一起使用时,此分词器需要以 add_prefix_space=True 进行实例化。

此分词器继承自 PreTrainedTokenizerFast,其中包含了大部分主要方法。用户应参考此超类以获取有关这些方法的更多信息。

get_special_tokens_mask

< >

( token_ids_0: list token_ids_1: typing.Optional[list[int]] = None already_has_special_tokens: bool = False ) list[int]

参数

  • token_ids_0 (list[int]) — ID 列表。
  • token_ids_1 (list[int], 可选) — 用于序列对的可选的第二个 ID 列表。
  • already_has_special_tokens (bool, 可选, 默认为 False) — 词元列表是否已经使用模型的特殊词元进行了格式化。

返回

list[int]

一个范围为 [0, 1] 的整数列表:1 表示特殊标记,0 表示序列标记。

从没有添加特殊标记的标记列表中检索序列ID。此方法在使用分词器prepare_for_model方法添加特殊标记时调用。

update_post_processor

< >

( )

使用当前的 bos_tokeneos_token 更新底层后处理器。

GPTNeoXModel

class transformers.GPTNeoXModel

< >

( config )

参数

  • config (GPTNeoXModel) — 包含模型所有参数的模型配置类。使用配置文件进行初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法来加载模型权重。

基础的 Gpt Neox 模型,输出原始的隐藏状态,顶部没有任何特定的头。

该模型继承自 PreTrainedModel。请查看超类的文档,了解库为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)。

该模型也是 PyTorch torch.nn.Module 的子类。可以像常规 PyTorch 模块一样使用它,并参考 PyTorch 文档了解所有与常规用法和行为相关的事项。

forward

< >

( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.FloatTensor] = None position_ids: typing.Optional[torch.LongTensor] = None head_mask: typing.Optional[torch.FloatTensor] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None past_key_values: typing.Optional[transformers.cache_utils.Cache] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None cache_position: typing.Optional[torch.LongTensor] = None **flash_attn_kwargs: typing_extensions.Unpack[transformers.modeling_flash_attention_utils.FlashAttentionKwargs] ) transformers.modeling_outputs.BaseModelOutputWithPasttuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor,形状为 (batch_size, sequence_length), 可选) — 词汇表中输入序列词元的索引。默认情况下会忽略填充。

    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.FloatTensor,形状为 (batch_size, sequence_length), 可选) — 用于避免对填充词元索引执行注意力的掩码。掩码值在 [0, 1] 中选择:

    • 1 表示词元未被掩码
    • 0 表示词元被掩码

    什么是注意力掩码?

  • position_ids (torch.LongTensor,形状为 (batch_size, sequence_length), 可选) — 位置嵌入中每个输入序列词元的位置索引。在 [0, config.n_positions - 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) — 用于置零自注意力模块中选定头的掩码。掩码值在 [0, 1] 中选择:

    • 1 表示头未被掩码
    • 0 表示头被掩码
  • inputs_embeds (torch.FloatTensor,形状为 (batch_size, sequence_length, hidden_size), 可选) — 可选地,你可以选择直接传递嵌入表示,而不是传递 `input_ids`。如果你想比模型的内部嵌入查找矩阵更多地控制如何将 `input_ids` 索引转换为相关向量,这会很有用。
  • past_key_values (~cache_utils.Cache, 可选) — 预计算的隐藏状态(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。这通常包括模型在先前解码阶段返回的 `past_key_values`,当 `use_cache=True` 或 `config.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_layers` 的 `tuple(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。这也被称为旧版缓存格式。

    模型将输出与输入相同的缓存格式。如果未传递 `past_key_values`,将返回旧版缓存格式。

    如果使用 `past_key_values`,用户可以选择只输入最后一个 `input_ids`(那些没有为其提供过去键值状态的 `input_ids`),形状为 `(batch_size, 1)`,而不是所有 `input_ids` 的形状 `(batch_size, sequence_length)`。

  • use_cache (bool, 可选) — 如果设置为 `True`,将返回 `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`。
  • cache_position (torch.LongTensor,形状为 (sequence_length), 可选) — 描述输入序列词元在序列中位置的索引。与 `position_ids` 相反,此张量不受填充影响。它用于在正确的位置更新缓存并推断完整的序列长度。

返回

transformers.modeling_outputs.BaseModelOutputWithPasttuple(torch.FloatTensor)

一个 transformers.modeling_outputs.BaseModelOutputWithPast 或一个 `torch.FloatTensor` 的元组(如果传递 `return_dict=False` 或当 `config.return_dict=False`),根据配置(GPTNeoXConfig)和输入,包含各种元素。

  • 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。

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

  • past_key_values (Cache, 可选, 当 `use_cache=True` 被传递或当 `config.use_cache=True` 时返回) — 这是一个 Cache 实例。有关更多详细信息,请参阅我们的 kv 缓存指南

    包含预先计算的隐藏状态(自注意力块中的键和值,以及如果 `config.is_encoder_decoder=True`,则在交叉注意力块中),可用于(参见 `past_key_values` 输入)加速顺序解码。

  • hidden_states (tuple(torch.FloatTensor), 可选, 当 `output_hidden_states=True` 被传递或当 `config.output_hidden_states=True` 时返回) — `torch.FloatTensor` 的元组(一个用于嵌入层的输出,如果模型有嵌入层,+ 一个用于每层输出),形状为 `(batch_size, sequence_length, hidden_size)`。

    模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor), 可选, 当 `output_attentions=True` 被传递或当 `config.output_attentions=True` 时返回) — `torch.FloatTensor` 的元组(每层一个),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。

GPTNeoXModel 的前向方法会覆盖 `__call__` 特殊方法。

尽管前向传递的逻辑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,因为前者会处理运行前处理和后处理步骤,而后者会默默地忽略它们。

GPTNeoXForCausalLM

class transformers.GPTNeoXForCausalLM

< >

( config )

参数

  • config (GPTNeoXForCausalLM) — 包含模型所有参数的模型配置类。使用配置文件进行初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法来加载模型权重。

GPTNeoX 模型,其顶部带有一个用于 CLM 微调的 `语言建模` 头。

该模型继承自 PreTrainedModel。请查看超类的文档,了解库为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)。

该模型也是 PyTorch torch.nn.Module 的子类。可以像常规 PyTorch 模块一样使用它,并参考 PyTorch 文档了解所有与常规用法和行为相关的事项。

forward

< >

( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.FloatTensor] = None position_ids: typing.Optional[torch.LongTensor] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None head_mask: typing.Optional[torch.FloatTensor] = None past_key_values: typing.Union[transformers.cache_utils.Cache, tuple[tuple[torch.FloatTensor]], NoneType] = None labels: typing.Optional[torch.LongTensor] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None cache_position: typing.Optional[torch.LongTensor] = None logits_to_keep: typing.Union[int, torch.Tensor] = 0 **kwargs: typing_extensions.Unpack[transformers.models.gpt_neox.modeling_gpt_neox.KwargsForCausalLM] ) transformers.modeling_outputs.CausalLMOutputWithPasttuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor,形状为 (batch_size, sequence_length), 可选) — 词汇表中输入序列词元的索引。默认情况下会忽略填充。

    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.FloatTensor,形状为 (batch_size, sequence_length), 可选) — 用于避免对填充词元索引执行注意力的掩码。掩码值在 [0, 1] 中选择:

    • 1 表示词元未被掩码
    • 0 表示词元被掩码

    什么是注意力掩码?

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

    什么是位置 ID?

  • inputs_embeds (torch.FloatTensor,形状为 (batch_size, sequence_length, hidden_size), 可选) — 可选地,你可以选择直接传递嵌入表示,而不是传递 `input_ids`。如果你想比模型的内部嵌入查找矩阵更多地控制如何将 `input_ids` 索引转换为相关向量,这会很有用。
  • head_mask (torch.FloatTensor,形状为 (num_heads,)(num_layers, num_heads), 可选) — 用于置零自注意力模块中选定头的掩码。掩码值在 [0, 1] 中选择:

    • 1 表示头未被掩码
    • 0 表示头被掩码
  • past_key_values (Union[~cache_utils.Cache, tuple[tuple[torch.FloatTensor]], NoneType]) — 预计算的隐藏状态(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。这通常包括模型在先前解码阶段返回的 `past_key_values`,当 `use_cache=True` 或 `config.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_layers` 的 `tuple(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。这也被称为旧版缓存格式。

    模型将输出与输入相同的缓存格式。如果未传递 `past_key_values`,将返回旧版缓存格式。

    如果使用 `past_key_values`,用户可以选择只输入最后一个 `input_ids`(那些没有为其提供过去键值状态的 `input_ids`),形状为 `(batch_size, 1)`,而不是所有 `input_ids` 的形状 `(batch_size, sequence_length)`。

  • labels (torch.LongTensor,形状为 (batch_size, sequence_length), 可选) — 用于计算从左到右语言建模损失(下一个词预测)的标签。索引应在 `[-100, 0, ..., config.vocab_size]` 范围内(请参阅 `input_ids` 文档字符串)。索引设置为 `-100` 的词元将被忽略(掩码),损失仅针对标签在 `[0, ..., config.vocab_size]` 范围内的词元计算。
  • use_cache (bool, 可选) — 如果设置为 `True`,将返回 `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。更多细节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。更多细节请参阅返回张量下的 `hidden_states`。
  • cache_position (形状为 `(sequence_length)` 的 `torch.LongTensor`,可选) — 描述输入序列中标记(token)在序列中位置的索引。与 `position_ids` 不同,此张量不受填充(padding)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。
  • logits_to_keep (Union[int, torch.Tensor], 默认为 `0`) — 如果是 `int`,则为最后的 `logits_to_keep` 个标记计算 logits。如果是 `0`,则为所有 `input_ids` 计算 logits(特殊情况)。在生成任务中,通常只需要最后一个标记的 logits,仅为此标记计算可以节省内存,这对于长序列或大词汇表来说非常重要。如果是 `torch.Tensor`,则必须是对应于序列长度维度中要保留的索引的一维张量。这在使用打包张量格式(批次和序列长度使用单一维度)时非常有用。

返回

transformers.modeling_outputs.CausalLMOutputWithPasttuple(torch.FloatTensor)

一个 transformers.modeling_outputs.CausalLMOutputWithPast 或一个 `torch.FloatTensor` 的元组(如果传递了 `return_dict=False` 或 `config.return_dict=False`),根据配置(GPTNeoXConfig)和输入包含各种元素。

  • 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 token 预测)。

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

  • past_key_values (Cache, 可选, 当 `use_cache=True` 被传递或当 `config.use_cache=True` 时返回) — 这是一个 Cache 实例。有关更多详细信息,请参阅我们的 kv 缓存指南

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

  • hidden_states (tuple(torch.FloatTensor), 可选, 当 `output_hidden_states=True` 被传递或当 `config.output_hidden_states=True` 时返回) — `torch.FloatTensor` 的元组(一个用于嵌入层的输出,如果模型有嵌入层,+ 一个用于每层输出),形状为 `(batch_size, sequence_length, hidden_size)`。

    模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor), 可选, 当 `output_attentions=True` 被传递或当 `config.output_attentions=True` 时返回) — `torch.FloatTensor` 的元组(每层一个),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。

GPTNeoXForCausalLM 的 forward 方法,覆盖了 `__call__` 特殊方法。

尽管前向传递的逻辑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,因为前者会处理运行前处理和后处理步骤,而后者会默默地忽略它们。

示例

>>> from transformers import AutoTokenizer, GPTNeoXForCausalLM, GPTNeoXConfig
>>> import torch

>>> tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neox-20b")
>>> config = GPTNeoXConfig.from_pretrained("EleutherAI/gpt-neox-20b")
>>> config.is_decoder = True
>>> model = GPTNeoXForCausalLM.from_pretrained("EleutherAI/gpt-neox-20b", config=config)

>>> inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
>>> outputs = model(**inputs)

>>> prediction_logits = outputs.logits

GPTNeoXForQuestionAnswering

class transformers.GPTNeoXForQuestionAnswering

< >

( config )

参数

  • config (GPTNeoXForQuestionAnswering) — 包含模型所有参数的模型配置类。使用配置文件进行初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法来加载模型权重。

Gpt Neox Transformer 模型,其顶部带有一个用于抽取式问答任务(如 SQuAD)的片段分类头(一个线性层位于隐藏状态输出之上,用于计算 `span start logits` 和 `span end logits`)。

该模型继承自 PreTrainedModel。请查看超类的文档,了解库为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)。

该模型也是 PyTorch torch.nn.Module 的子类。可以像常规 PyTorch 模块一样使用它,并参考 PyTorch 文档了解所有与常规用法和行为相关的事项。

forward

< >

( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.FloatTensor] = None token_type_ids: typing.Optional[torch.LongTensor] = None position_ids: typing.Optional[torch.LongTensor] = None head_mask: typing.Optional[torch.FloatTensor] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None start_positions: typing.Optional[torch.LongTensor] = None end_positions: typing.Optional[torch.LongTensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None ) transformers.modeling_outputs.QuestionAnsweringModelOutput 或 `tuple(torch.FloatTensor)`

参数

  • input_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选) — 词汇表中输入序列标记的索引。默认情况下,填充将被忽略。

    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 (形状为 `(batch_size, sequence_length)` 的 `torch.FloatTensor`,可选) — 用于避免对填充标记索引执行注意力的掩码。掩码值选自 `[0, 1]`:

    • 1 表示标记未被遮盖
    • 0 表示标记被遮盖

    什么是注意力掩码?

  • token_type_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选) — 用于指示输入的第一部分和第二部分的片段标记索引。索引选自 `[0, 1]`:

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

    什么是标记类型 ID?

  • position_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选) — 每个输入序列标记在位置嵌入中的位置索引。选自 `[0, config.n_positions - 1]` 范围。

    什么是位置 ID?

  • head_mask (形状为 `(num_heads,)` 或 `(num_layers, num_heads)` 的 `torch.FloatTensor`,可选) — 用于置零自注意力模块中选定头的掩码。掩码值选自 `[0, 1]`:

    • 1 表示头未被遮盖
    • 0 表示头被遮盖
  • inputs_embeds (形状为 `(batch_size, sequence_length, hidden_size)` 的 `torch.FloatTensor`,可选) — 可选地,你可以选择直接传递嵌入表示而不是 `input_ids`。如果你希望比模型内部的嵌入查找矩阵更能控制如何将 `input_ids` 索引转换为相关向量,这将非常有用。
  • start_positions (形状为 `(batch_size,)` 的 `torch.LongTensor`,可选) — 标记的片段开始位置(索引)的标签,用于计算标记分类损失。位置将被限制在序列长度(`sequence_length`)内。序列之外的位置在计算损失时将不被考虑。
  • end_positions (形状为 `(batch_size,)` 的 `torch.LongTensor`,可选) — 标记的片段结束位置(索引)的标签,用于计算标记分类损失。位置将被限制在序列长度(`sequence_length`)内。序列之外的位置在计算损失时将不被考虑。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。更多细节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。更多细节请参阅返回张量下的 `hidden_states`。

返回

transformers.modeling_outputs.QuestionAnsweringModelOutputtuple(torch.FloatTensor)

一个 transformers.modeling_outputs.QuestionAnsweringModelOutput 或一个 `torch.FloatTensor` 的元组(如果传递了 `return_dict=False` 或 `config.return_dict=False`),根据配置(GPTNeoXConfig)和输入包含各种元素。

  • loss (torch.FloatTensor of shape (1,), 可选, 当提供 labels 时返回) — 总范围提取损失是起始位置和结束位置的交叉熵之和。

  • start_logits (torch.FloatTensor of shape (batch_size, sequence_length)) — 范围起始分数(SoftMax 之前)。

  • end_logits (torch.FloatTensor of shape (batch_size, sequence_length)) — 范围结束分数(SoftMax 之前)。

  • hidden_states (tuple(torch.FloatTensor), 可选, 当 `output_hidden_states=True` 被传递或当 `config.output_hidden_states=True` 时返回) — `torch.FloatTensor` 的元组(一个用于嵌入层的输出,如果模型有嵌入层,+ 一个用于每层输出),形状为 `(batch_size, sequence_length, hidden_size)`。

    模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor), 可选, 当 `output_attentions=True` 被传递或当 `config.output_attentions=True` 时返回) — `torch.FloatTensor` 的元组(每层一个),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。

GPTNeoXForQuestionAnswering 的 forward 方法,覆盖了 `__call__` 特殊方法。

尽管前向传递的逻辑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,因为前者会处理运行前处理和后处理步骤,而后者会默默地忽略它们。

示例

>>> from transformers import AutoTokenizer, GPTNeoXForQuestionAnswering
>>> import torch

>>> tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neox-20b")
>>> model = GPTNeoXForQuestionAnswering.from_pretrained("EleutherAI/gpt-neox-20b")

>>> question, text = "Who was Jim Henson?", "Jim Henson was a nice puppet"

>>> inputs = tokenizer(question, text, return_tensors="pt")
>>> with torch.no_grad():
...     outputs = model(**inputs)

>>> answer_start_index = outputs.start_logits.argmax()
>>> answer_end_index = outputs.end_logits.argmax()

>>> predict_answer_tokens = inputs.input_ids[0, answer_start_index : answer_end_index + 1]
>>> tokenizer.decode(predict_answer_tokens, skip_special_tokens=True)
...

>>> # target is "nice puppet"
>>> target_start_index = torch.tensor([14])
>>> target_end_index = torch.tensor([15])

>>> outputs = model(**inputs, start_positions=target_start_index, end_positions=target_end_index)
>>> loss = outputs.loss
>>> round(loss.item(), 2)
...

GPTNeoXForSequenceClassification

class transformers.GPTNeoXForSequenceClassification

< >

( config )

参数

GPTNeoX Model Transformer,其顶部带有一个序列分类头(线性层)。

GPTNeoXForSequenceClassification 使用最后一个标记来进行分类,这与其他因果模型(例如 GPT-1)的做法相同。

由于它在最后一个标记上进行分类,因此需要知道最后一个标记的位置。如果配置中定义了 `pad_token_id`,它会在每一行中找到最后一个非填充标记。如果没有定义 `pad_token_id`,它会简单地取批次中每一行的最后一个值。由于当传递 `inputs_embeds` 而不是 `input_ids` 时,它无法猜测填充标记,因此它会做同样的操作(取批次中每一行的最后一个值)。

该模型继承自 PreTrainedModel。请查看超类的文档,了解库为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)。

该模型也是 PyTorch torch.nn.Module 的子类。可以像常规 PyTorch 模块一样使用它,并参考 PyTorch 文档了解所有与常规用法和行为相关的事项。

forward

< >

( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.FloatTensor] = None position_ids: typing.Optional[torch.LongTensor] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None head_mask: typing.Optional[torch.FloatTensor] = None past_key_values: typing.Union[transformers.cache_utils.Cache, tuple[tuple[torch.FloatTensor]], NoneType] = None labels: typing.Optional[torch.LongTensor] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None ) `transformers.modeling_outputs.SequenceClassifierOutputWithPast` 或 `tuple(torch.FloatTensor)`

参数

  • input_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选) — 词汇表中输入序列标记的索引。默认情况下,填充将被忽略。

    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 (形状为 `(batch_size, sequence_length)` 的 `torch.FloatTensor`,可选) — 用于避免对填充标记索引执行注意力的掩码。掩码值选自 `[0, 1]`:

    • 1 表示标记未被遮盖
    • 0 表示标记被遮盖

    什么是注意力掩码?

  • position_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选) — 每个输入序列标记在位置嵌入中的位置索引。选自 `[0, config.n_positions - 1]` 范围。

    什么是位置 ID?

  • inputs_embeds (形状为 `(batch_size, sequence_length, hidden_size)` 的 `torch.FloatTensor`,可选) — 可选地,你可以选择直接传递嵌入表示而不是 `input_ids`。如果你希望比模型内部的嵌入查找矩阵更能控制如何将 `input_ids` 索引转换为相关向量,这将非常有用。
  • head_mask (形状为 `(num_heads,)` 或 `(num_layers, num_heads)` 的 `torch.FloatTensor`,可选) — 用于置零自注意力模块中选定头的掩码。掩码值选自 `[0, 1]`:

    • 1 表示头未被遮盖
    • 0 表示头被遮盖
  • past_key_values (Union[~cache_utils.Cache, tuple[tuple[torch.FloatTensor]], NoneType]) — 预计算的隐藏状态(自注意力块和交叉注意力块中的键和值),可用于加速序列解码。这通常包括在解码的先前阶段由模型返回的 `past_key_values`,当 `use_cache=True` 或 `config.use_cache=True` 时。

    允许两种格式:

    • Cache 实例,请参阅我们的 kv 缓存指南
    • 长度为 `config.n_layers` 的 `tuple(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。这也称为旧版缓存格式。

    模型将输出与输入相同的缓存格式。如果没有传递 `past_key_values`,将返回旧版缓存格式。

    如果使用 `past_key_values`,用户可以选择只输入最后一个 `input_ids`(那些没有为其提供过去键值状态的标记),形状为 `(batch_size, 1)`,而不是所有 `input_ids`,形状为 `(batch_size, sequence_length)`。

  • labels (形状为 `(batch_size,)` 的 `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]` 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)。
  • use_cache (bool, 可选) — 如果设置为 `True`,将返回 `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。更多细节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。更多细节请参阅返回张量下的 `hidden_states`。

返回

transformers.modeling_outputs.SequenceClassifierOutputWithPasttuple(torch.FloatTensor)

一个 `transformers.modeling_outputs.SequenceClassifierOutputWithPast` 或一个 `torch.FloatTensor` 的元组(如果传递了 `return_dict=False` 或 `config.return_dict=False`),根据配置(GPTNeoXConfig)和输入包含各种元素。

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

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

  • past_key_values (Cache, 可选, 当 `use_cache=True` 被传递或当 `config.use_cache=True` 时返回) — 这是一个 Cache 实例。有关更多详细信息,请参阅我们的 kv 缓存指南

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

  • hidden_states (tuple(torch.FloatTensor), 可选, 当 `output_hidden_states=True` 被传递或当 `config.output_hidden_states=True` 时返回) — `torch.FloatTensor` 的元组(一个用于嵌入层的输出,如果模型有嵌入层,+ 一个用于每层输出),形状为 `(batch_size, sequence_length, hidden_size)`。

    模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor), 可选, 当 `output_attentions=True` 被传递或当 `config.output_attentions=True` 时返回) — `torch.FloatTensor` 的元组(每层一个),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。

GPTNeoXForSequenceClassification 的 forward 方法,覆盖了 `__call__` 特殊方法。

尽管前向传递的逻辑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,因为前者会处理运行前处理和后处理步骤,而后者会默默地忽略它们。

单标签分类示例

>>> import torch
>>> from transformers import AutoTokenizer, GPTNeoXForSequenceClassification

>>> tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neox-20b")
>>> model = GPTNeoXForSequenceClassification.from_pretrained("EleutherAI/gpt-neox-20b")

>>> inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")

>>> with torch.no_grad():
...     logits = model(**inputs).logits

>>> predicted_class_id = logits.argmax().item()
>>> model.config.id2label[predicted_class_id]
...

>>> # To train a model on `num_labels` classes, you can pass `num_labels=num_labels` to `.from_pretrained(...)`
>>> num_labels = len(model.config.id2label)
>>> model = GPTNeoXForSequenceClassification.from_pretrained("EleutherAI/gpt-neox-20b", num_labels=num_labels)

>>> labels = torch.tensor([1])
>>> loss = model(**inputs, labels=labels).loss
>>> round(loss.item(), 2)
...

多标签分类示例

>>> import torch
>>> from transformers import AutoTokenizer, GPTNeoXForSequenceClassification

>>> tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neox-20b")
>>> model = GPTNeoXForSequenceClassification.from_pretrained("EleutherAI/gpt-neox-20b", problem_type="multi_label_classification")

>>> inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")

>>> with torch.no_grad():
...     logits = model(**inputs).logits

>>> predicted_class_ids = torch.arange(0, logits.shape[-1])[torch.sigmoid(logits).squeeze(dim=0) > 0.5]

>>> # To train a model on `num_labels` classes, you can pass `num_labels=num_labels` to `.from_pretrained(...)`
>>> num_labels = len(model.config.id2label)
>>> model = GPTNeoXForSequenceClassification.from_pretrained(
...     "EleutherAI/gpt-neox-20b", num_labels=num_labels, problem_type="multi_label_classification"
... )

>>> labels = torch.sum(
...     torch.nn.functional.one_hot(predicted_class_ids[None, :].clone(), num_classes=num_labels), dim=1
... ).to(torch.float)
>>> loss = model(**inputs, labels=labels).loss

GPTNeoXForTokenClassification

class transformers.GPTNeoXForTokenClassification

< >

( config )

forward

< >

( input_ids: typing.Optional[torch.LongTensor] = None past_key_values: typing.Union[transformers.cache_utils.Cache, tuple[tuple[torch.Tensor]], NoneType] = None attention_mask: typing.Optional[torch.FloatTensor] = None token_type_ids: typing.Optional[torch.LongTensor] = None position_ids: typing.Optional[torch.LongTensor] = None head_mask: typing.Optional[torch.FloatTensor] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None labels: typing.Optional[torch.LongTensor] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None ) transformers.modeling_outputs.TokenClassifierOutput 或 `tuple(torch.FloatTensor)`

参数

  • input_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选) — 词汇表中输入序列标记的索引。默认情况下,填充将被忽略。

    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?

  • past_key_values (Union[~cache_utils.Cache, tuple[tuple[torch.Tensor]], NoneType]) — 预计算的隐藏状态(自注意力块和交叉注意力块中的键和值),可用于加速序列解码。这通常包括在解码的先前阶段由模型返回的 `past_key_values`,当 `use_cache=True` 或 `config.use_cache=True` 时。

    允许两种格式:

    • Cache 实例,请参阅我们的 kv 缓存指南
    • 长度为 `config.n_layers` 的 `tuple(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。这也称为旧版缓存格式。

    模型将输出与输入相同的缓存格式。如果没有传递 `past_key_values`,将返回旧版缓存格式。

    如果使用 `past_key_values`,用户可以选择只输入最后一个 `input_ids`(那些没有为其提供过去键值状态的标记),形状为 `(batch_size, 1)`,而不是所有 `input_ids`,形状为 `(batch_size, sequence_length)`。

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

    • 1 表示标记未被遮盖
    • 0 表示标记被遮盖

    什么是注意力掩码?

  • token_type_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选) — 用于指示输入的第一部分和第二部分的片段标记索引。索引选自 `[0, 1]`:

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

    什么是标记类型 ID?

  • position_ids (形状为 `(batch_size, sequence_length)` 的 `torch.LongTensor`,可选) — 每个输入序列标记在位置嵌入中的位置索引。选自 `[0, config.n_positions - 1]` 范围。

    什么是位置 ID?

  • head_mask (形状为 `(num_heads,)` 或 `(num_layers, num_heads)` 的 `torch.FloatTensor`,可选) — 用于置零自注意力模块中选定头的掩码。掩码值选自 `[0, 1]`:

    • 1 表示头未被遮盖
    • 0 表示头被遮盖
  • inputs_embeds (形状为 `(batch_size, sequence_length, hidden_size)` 的 `torch.FloatTensor`,可选) — 可选地,你可以选择直接传递嵌入表示而不是 `input_ids`。如果你希望比模型内部的嵌入查找矩阵更能控制如何将 `input_ids` 索引转换为相关向量,这将非常有用。
  • labels (形状为 `(batch_size, sequence_length)` 的 `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]` 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)。
  • use_cache (bool, 可选) — 如果设置为 `True`,将返回 `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。更多细节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。更多细节请参阅返回张量下的 `hidden_states`。

返回

transformers.modeling_outputs.TokenClassifierOutputtuple(torch.FloatTensor)

一个 transformers.modeling_outputs.TokenClassifierOutput 对象,或者一个 torch.FloatTensor 的元组(如果传递了 return_dict=False 或当 config.return_dict=False 时),它包含多个元素,具体取决于配置(GPTNeoXConfig)和输入。

  • 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, 当 `output_hidden_states=True` 被传递或当 `config.output_hidden_states=True` 时返回) — `torch.FloatTensor` 的元组(一个用于嵌入层的输出,如果模型有嵌入层,+ 一个用于每层输出),形状为 `(batch_size, sequence_length, hidden_size)`。

    模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor), 可选, 当 `output_attentions=True` 被传递或当 `config.output_attentions=True` 时返回) — `torch.FloatTensor` 的元组(每层一个),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。

GPTNeoXForTokenClassification 的 forward 方法覆盖了 __call__ 特殊方法。

尽管前向传递的逻辑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,因为前者会处理运行前处理和后处理步骤,而后者会默默地忽略它们。

示例

>>> from transformers import AutoTokenizer, GPTNeoXForTokenClassification
>>> import torch

>>> tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neox-20b")
>>> model = GPTNeoXForTokenClassification.from_pretrained("EleutherAI/gpt-neox-20b")

>>> inputs = tokenizer(
...     "HuggingFace is a company based in Paris and New York", add_special_tokens=False, return_tensors="pt"
... )

>>> with torch.no_grad():
...     logits = model(**inputs).logits

>>> predicted_token_class_ids = logits.argmax(-1)

>>> # Note that tokens are classified rather then input words which means that
>>> # there might be more predicted token classes than words.
>>> # Multiple token classes might account for the same word
>>> predicted_tokens_classes = [model.config.id2label[t.item()] for t in predicted_token_class_ids[0]]
>>> predicted_tokens_classes
...

>>> labels = predicted_token_class_ids
>>> loss = model(**inputs, labels=labels).loss
>>> round(loss.item(), 2)
...
< > 在 GitHub 上更新