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，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() 和 PreTrainedTokenizer.call()。

  什么是输入 ID？

• attention_mask (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 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 表示词元未被遮盖，
  • 0 表示词元被遮盖。

  什么是注意力掩码？

• decoder_input_ids (torch.LongTensor，形状为 (batch_size, target_sequence_length)，可选) — 词汇表中解码器输入序列词元的索引。

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

  什么是解码器输入 ID？

  Marian 使用 pad_token_id 作为生成 decoder_input_ids 的起始词元。如果使用 past_key_values，则可以选择只输入最后的 decoder_input_ids（参见 past_key_values）。

• decoder_attention_mask (torch.LongTensor，形状为 (batch_size, target_sequence_length)，可选) — 默认行为：生成一个忽略 decoder_input_ids 中填充词元的张量。默认情况下也会使用因果掩码。
• head_mask (torch.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 表示头部未被遮盖，
  • 0 表示头部被遮盖。
• decoder_head_mask (torch.Tensor，形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使解码器中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 表示头部未被遮盖，
  • 0 表示头部被遮盖。
• cross_attn_head_mask (torch.Tensor，形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使解码器中交叉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 表示头部未被遮盖，
  • 0 表示头部被遮盖。
• encoder_outputs (Union[tuple[torch.Tensor], ~modeling_outputs.BaseModelOutput, NoneType]) — 元组包含（last_hidden_state, 可选: hidden_states, 可选: attentions）last_hidden_state，形状为 (batch_size, sequence_length, hidden_size)，可选）是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意力。
• past_key_values (tuple[tuple[torch.FloatTensor]], 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），可用于加速序列解码。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：

  • 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形状为 (batch_size, 1) 的最后 input_ids（那些没有为其提供过去键值状态的 ID），而不是形状为 (batch_size, sequence_length) 的所有 input_ids。

• inputs_embeds (torch.FloatTensor，形状为 (batch_size, sequence_length, hidden_size)，可选) — 可选地，您可以选择直接传递嵌入表示，而不是传递 input_ids。如果您希望比模型的内部嵌入查找矩阵更能控制如何将 input_ids 索引转换为关联向量，这会很有用。
• decoder_inputs_embeds (torch.FloatTensor，形状为 (batch_size, target_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 decoder_input_ids。如果使用 past_key_values，则可以选择只输入最后的 decoder_inputs_embeds（参见 past_key_values）。如果您希望比模型的内部嵌入查找矩阵更能控制如何将 decoder_input_ids 索引转换为关联向量，这会很有用。

  如果 decoder_input_ids 和 decoder_inputs_embeds 都未设置，decoder_inputs_embeds 将取 inputs_embeds 的值。

• 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（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。有关更多详细信息，请参阅返回的张量下的 hidden_states。
• return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通的元组。
• cache_position (torch.Tensor，形状为 (sequence_length)，可选) — 描绘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。

一个 transformers.modeling_outputs.Seq2SeqModelOutput 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False），根据配置 (MarianConfig) 和输入包含各种元素。

• last_hidden_state (torch.FloatTensor，形状为 (batch_size, sequence_length, hidden_size)) — 模型解码器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 (EncoderDecoderCache, 可选, 当传递 use_cache=True 或当 config.use_cache=True 时返回) — 这是一个 EncoderDecoderCache 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（自注意力块和交叉注意力块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。

• decoder_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)。

  解码器在每个层输出的隐藏状态，加上可选的初始嵌入输出。

• decoder_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（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

• cross_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（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

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

• encoder_last_hidden_state (torch.FloatTensor，形状为 (batch_size, sequence_length, hidden_size)，可选) — 模型编码器最后一层输出的隐藏状态序列。

• encoder_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)。

  编码器在每个层输出的隐藏状态，加上可选的初始嵌入输出。

• encoder_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（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

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，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() 和 PreTrainedTokenizer.call()。

  什么是输入 ID？

• attention_mask (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 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 表示词元未被遮盖，
  • 0 表示词元被遮盖。

  什么是注意力掩码？

• decoder_input_ids (torch.LongTensor，形状为 (batch_size, target_sequence_length)，可选) — 词汇表中解码器输入序列词元的索引。

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

  什么是解码器输入 ID？

  Marian 使用 pad_token_id 作为生成 decoder_input_ids 的起始词元。如果使用 past_key_values，则可以选择只输入最后的 decoder_input_ids（参见 past_key_values）。

• decoder_attention_mask (torch.LongTensor，形状为 (batch_size, target_sequence_length)，可选) — 默认行为：生成一个忽略 decoder_input_ids 中填充词元的张量。默认情况下也会使用因果掩码。
• head_mask (torch.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 表示头部未被遮盖，
  • 0 表示头部被遮盖。
• decoder_head_mask (torch.Tensor，形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使解码器中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 表示头部未被遮盖，
  • 0 表示头部被遮盖。
• cross_attn_head_mask (torch.Tensor，形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于使解码器中交叉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 表示头部未被遮盖，
  • 0 表示头部被遮盖。
• encoder_outputs (Union[tuple[torch.Tensor], ~modeling_outputs.BaseModelOutput, NoneType]) — 由 (last_hidden_state, *可选*: hidden_states, *可选*: attentions) 组成的元组。last_hidden_state 的形状为 (batch_size, sequence_length, hidden_size)，*可选*) 是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意力机制。
• past_key_values (tuple[tuple[torch.FloatTensor]], *可选*) — 预计算的隐藏状态（自注意力和交叉注意力模块中的键和值），可用于加速序列解码。这通常包含模型在解码的上一阶段返回的 `past_key_values`，当 `use_cache=True` 或 `config.use_cache=True` 时。

  支持两种格式：

  • 一个 Cache 实例，请参阅我们的 kv 缓存指南；
  • 一个长度为 `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。如果没有传入 `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的 `input_ids`（那些没有为其提供过去键值状态的 `input_ids`），其形状为 `(batch_size, 1)`，而不是形状为 `(batch_size, sequence_length)` 的所有 `input_ids`。

• inputs_embeds (torch.FloatTensor of shape (batch_size, sequence_length, hidden_size), *可选*) — 可选地，你可以选择直接传递一个嵌入表示，而不是 `input_ids`。如果你想比模型内部的嵌入查找矩阵有更多控制权来将 `input_ids` 索引转换为相关向量，这会非常有用。
• decoder_inputs_embeds (torch.FloatTensor of shape (batch_size, target_sequence_length, hidden_size), *可选*) — 可选地，你可以选择直接传递一个嵌入表示，而不是 `decoder_input_ids`。如果使用了 `past_key_values`，可以选择只输入最后的 `decoder_inputs_embeds`（参见 `past_key_values`）。如果你想比模型内部的嵌入查找矩阵有更多控制权来将 `decoder_input_ids` 索引转换为相关向量，这会非常有用。

  如果 `decoder_input_ids` 和 `decoder_inputs_embeds` 都未设置，`decoder_inputs_embeds` 将取 `inputs_embeds` 的值。

• labels (torch.LongTensor of shape (batch_size, sequence_length), *可选*) — 用于计算掩码语言模型损失的标签。索引应在 `[0, ..., config.vocab_size]` 范围内，或为 -100（参见 `input_ids` 文档字符串）。索引设置为 `-100` 的词元将被忽略（掩码），损失仅对标签在 `[0, ..., config.vocab_size]` 范围内的词元进行计算。
• 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（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，请参见返回张量下的 `hidden_states`。
• return_dict (bool, *可选*) — 是否返回一个 ModelOutput 而不是一个普通的元组。
• cache_position (torch.Tensor of shape (sequence_length), *可选*) — 描述输入序列词元在序列中位置的索引。与 `position_ids` 不同，该张量不受填充影响。它用于在正确的位置更新缓存并推断完整的序列长度。

一个 transformers.modeling_outputs.Seq2SeqLMOutput 或一个 `torch.FloatTensor` 的元组（如果传递 `return_dict=False` 或 `config.return_dict=False`），包含根据配置（MarianConfig）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。

• logits (形状为 (batch_size, sequence_length, config.vocab_size) 的 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 (EncoderDecoderCache, 可选, 当传递 use_cache=True 或当 config.use_cache=True 时返回) — 这是一个 EncoderDecoderCache 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（自注意力块和交叉注意力块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。

• decoder_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)。

  解码器在每一层输出时的隐藏状态以及初始嵌入输出。

• decoder_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（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

• cross_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（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

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

• encoder_last_hidden_state (torch.FloatTensor，形状为 (batch_size, sequence_length, hidden_size)，可选) — 模型编码器最后一层输出的隐藏状态序列。

• encoder_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)。

  编码器在每一层输出时的隐藏状态以及初始嵌入输出。

• encoder_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（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

参数

• input_ids (torch.LongTensor of shape (batch_size, sequence_length), *可选*) — 词汇表中输入序列词元的索引。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，请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

  什么是输入 ID？

• attention_mask (torch.Tensor of shape (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？

• encoder_hidden_states (torch.FloatTensor of shape (batch_size, sequence_length, hidden_size), *可选*) — 编码器最后一层输出的隐藏状态序列。如果模型被配置为解码器，则在交叉注意力中使用。
• encoder_attention_mask (torch.FloatTensor of shape (batch_size, sequence_length), *可选*) — 用于避免对编码器输入的填充词元索引执行注意力的掩码。如果模型被配置为解码器，则在交叉注意力中使用此掩码。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。
• head_mask (torch.Tensor of shape (num_heads,) or (num_layers, num_heads), *可选*) — 用于将自注意力模块的选定头置零的掩码。掩码值在 `[0, 1]` 中选择：
  • 1 表示头未被掩码，
  • 0 表示头被掩码。
• cross_attn_head_mask (torch.Tensor of shape (decoder_layers, decoder_attention_heads), *可选*) — 用于将交叉注意力模块的选定头置零的掩码。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 (list[torch.FloatTensor], *可选*) — 预计算的隐藏状态（自注意力和交叉注意力模块中的键和值），可用于加速序列解码。这通常包含模型在解码的上一阶段返回的 `past_key_values`，当 `use_cache=True` 或 `config.use_cache=True` 时。

  支持两种格式：

  • 一个 Cache 实例，请参阅我们的 kv 缓存指南；
  • 一个长度为 `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。如果没有传入 `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的 `input_ids`（那些没有为其提供过去键值状态的 `input_ids`），其形状为 `(batch_size, 1)`，而不是形状为 `(batch_size, sequence_length)` 的所有 `input_ids`。

• inputs_embeds (torch.FloatTensor of shape (batch_size, sequence_length, hidden_size), *可选*) — 可选地，你可以选择直接传递一个嵌入表示，而不是 `input_ids`。如果你想比模型内部的嵌入查找矩阵有更多控制权来将 `input_ids` 索引转换为相关向量，这会非常有用。
• labels (torch.LongTensor of shape (batch_size, sequence_length), *可选*) — 用于计算掩码语言模型损失的标签。索引应在 `[0, ..., config.vocab_size]` 范围内，或为 -100（参见 `input_ids` 文档字符串）。索引设置为 `-100` 的词元将被忽略（掩码），损失仅对标签在 `[0, ..., config.vocab_size]` 范围内的词元进行计算。
• 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（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，请参见返回张量下的 `hidden_states`。
• return_dict (bool, *可选*) — 是否返回一个 ModelOutput 而不是一个普通的元组。
• cache_position (torch.LongTensor of shape (sequence_length), *可选*) — 描述输入序列词元在序列中位置的索引。与 `position_ids` 不同，该张量不受填充影响。它用于在正确的位置更新缓存并推断完整的序列长度。

一个 transformers.modeling_outputs.CausalLMOutputWithCrossAttentions 或一个 `torch.FloatTensor` 的元组（如果传递 `return_dict=False` 或 `config.return_dict=False`），包含根据配置（MarianConfig）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 token 预测）。

• logits (形状为 (batch_size, sequence_length, config.vocab_size) 的 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）。

• hidden_states (tuple(torch.FloatTensor), *可选*, 当传递 `output_hidden_states=True` 或 `config.output_hidden_states=True` 时返回) — `torch.FloatTensor` 的元组（如果模型有嵌入层，则第一个是嵌入层的输出，然后是每一层的输出），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 后的交叉注意力权重，用于计算交叉注意力头中的加权平均。

• past_key_values (Cache, *可选*, 当传递 `use_cache=True` 或 `config.use_cache=True` 时返回) — 它是一个 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（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。

参数

• input_ids (tf.Tensor of shape (batch_size, sequence_length)) — 词汇表中输入序列词元的索引。

  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？

• attention_mask (tf.Tensor of shape (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？

• decoder_input_ids (tf.Tensor of shape (batch_size, target_sequence_length), *可选*) — 词汇表中解码器输入序列词元的索引。

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

  什么是解码器输入 ID？

  Marian 使用 `pad_token_id` 作为生成 `decoder_input_ids` 的起始词元。如果使用了 `past_key_values`，可以选择只输入最后的 `decoder_input_ids`（参见 `past_key_values`）。

• decoder_attention_mask (tf.Tensor of shape (batch_size, target_sequence_length), *可选*) — 默认情况下会自动创建并忽略填充词元。对于大多数用例，不建议设置此项。
• decoder_position_ids (tf.Tensor of shape (batch_size, sequence_length), *可选*) — 位置嵌入中每个解码器输入序列词元的位置索引。在 `[0, config.max_position_embeddings - 1]` 范围内选择。
• head_mask (tf.Tensor of shape (encoder_layers, encoder_attention_heads), *可选*) — 用于将编码器中注意力模块的选定头置零的掩码。掩码值在 `[0, 1]` 中选择：
  • 1 表示头未被掩码，
  • 0 表示头被掩码。
• decoder_head_mask (tf.Tensor of shape (decoder_layers, decoder_attention_heads), *可选*) — 用于将解码器中注意力模块的选定头置零的掩码。掩码值在 `[0, 1]` 中选择：
  • 1 表示头未被掩码，
  • 0 表示头被掩码。
• cross_attn_head_mask (tf.Tensor of shape (decoder_layers, decoder_attention_heads), *可选*) — 用于将交叉注意力模块的选定头置零的掩码。掩码值在 `[0, 1]` 中选择：
  • 1 表示头未被掩码，
  • 0 表示头被掩码。
• encoder_outputs (tf.FloatTensor, *可选*) — 编码器最后一层输出的隐藏状态。用于解码器的交叉注意力机制。形状为 `(batch_size, sequence_length, hidden_size)` 的序列。
• past_key_values (tuple[tuple[tf.Tensor]]，长度为 config.n_layers) — 包含注意力模块预先计算的键和值隐藏状态。可用于加速解码。如果使用 past_key_values，用户可以选择只输入最后一个 decoder_input_ids（形状为 (batch_size, 1)），而不是所有形状为 (batch_size, sequence_length) 的 decoder_input_ids（那些没有将其过去的键值状态提供给该模型的ID）。
• inputs_embeds (tf.Tensor，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。如果你想比模型内部的嵌入查找矩阵更好地控制如何将 input_ids 索引转换为相关向量，这很有用。
• 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（参见 past_key_values）。训练时设置为 False，生成时设置为 True。
• 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`。此参数只能在即时执行模式（eager mode）下使用，在图模式（graph mode）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`。此参数只能在即时执行模式（eager mode）下使用，在图模式（graph mode）下将使用配置中的值。
• return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。此参数可在即时执行模式下使用，在图模式下该值将始终设置为 True。
• training (bool, 可选, 默认为 False) — 是否在训练模式下使用模型（一些模块如 dropout 模块在训练和评估之间有不同的行为）。

一个 transformers.modeling_tf_outputs.TFSeq2SeqModelOutput 或一个 tf.Tensor 元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），根据配置（MarianConfig）和输入，包含各种元素。

• last_hidden_state (形状为 (batch_size, sequence_length, hidden_size) 的 tf.Tensor) — 模型解码器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 (list[tf.Tensor], 可选, 当传递 use_cache=True 或当 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tf.Tensor 列表，每个张量的形状为 (2, batch_size, num_heads, sequence_length, embed_size_per_head))。

  包含解码器注意力块的预计算隐藏状态（键和值），可用于（参见 past_key_values 输入）加速顺序解码。

• decoder_hidden_states (tuple(tf.Tensor), 可选, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — tf.Tensor 的元组（一个用于嵌入的输出 + 一个用于每层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出时的隐藏状态以及初始嵌入输出。

• decoder_attentions (tuple(tf.Tensor), 可选, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — tf.Tensor 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

• cross_attentions (tuple(tf.Tensor), 可选, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — tf.Tensor 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

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

• encoder_last_hidden_state (形状为 (batch_size, sequence_length, hidden_size) 的 tf.Tensor, 可选) — 模型编码器最后一层输出的隐藏状态序列。

• encoder_hidden_states (tuple(tf.Tensor), 可选, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — tf.Tensor 的元组（一个用于嵌入的输出 + 一个用于每层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出时的隐藏状态以及初始嵌入输出。

• encoder_attentions (tuple(tf.Tensor), 可选, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — tf.Tensor 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

参数

• input_ids (tf.Tensor，形状为 ({0})) — 词汇表中输入序列标记的索引。

  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？

• attention_mask (tf.Tensor，形状为 ({0})，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 表示标记未被掩码，
  • 0 表示标记已被掩码。

  什么是注意力掩码？

• decoder_input_ids (tf.Tensor，形状为 (batch_size, target_sequence_length)，可选) — 词汇表中解码器输入序列标记的索引。

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

  什么是解码器输入 ID？

  Marian 使用 pad_token_id 作为生成 decoder_input_ids 的起始标记。如果使用 past_key_values，则可以选择只输入最后一个 decoder_input_ids（参见 past_key_values）。

• decoder_attention_mask (tf.Tensor，形状为 (batch_size, target_sequence_length)，可选) — 默认情况下会创建并忽略填充标记。对于大多数用例，不建议设置此项。
• decoder_position_ids (tf.Tensor，形状为 (batch_size, sequence_length)，可选) — 每个解码器输入序列标记在位置嵌入中的位置索引。选自范围 [0, config.max_position_embeddings - 1]。
• head_mask (tf.Tensor，形状为 (encoder_layers, encoder_attention_heads)，可选) — 用于在编码器中置零注意力模块的选定头部的掩码。掩码值选自 [0, 1]：
  • 1 表示头部未被掩码，
  • 0 表示头部已被掩码。
• decoder_head_mask (tf.Tensor，形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于在解码器中置零注意力模块的选定头部的掩码。掩码值选自 [0, 1]：
  • 1 表示头部未被掩码，
  • 0 表示头部已被掩码。
• cross_attn_head_mask (tf.Tensor，形状为 (decoder_layers, decoder_attention_heads)，可选) — 用于置零交叉注意力模块的选定头部的掩码。掩码值选自 [0, 1]：
  • 1 表示头部未被掩码，
  • 0 表示头部已被掩码。
• encoder_outputs (tf.FloatTensor, 可选) — 编码器最后一层输出的隐藏状态。用于解码器的交叉注意力。形状为 (batch_size, sequence_length, hidden_size)，是一个序列。
• past_key_values (tuple[tuple[tf.Tensor]]，长度为 config.n_layers) — 包含注意力模块预先计算的键和值隐藏状态。可用于加速解码。如果使用 past_key_values，用户可以选择只输入最后一个 decoder_input_ids（形状为 (batch_size, 1)），而不是所有形状为 (batch_size, sequence_length) 的 decoder_input_ids（那些没有将其过去的键值状态提供给该模型的ID）。
• inputs_embeds (tf.Tensor，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。如果你想比模型内部的嵌入查找矩阵更好地控制如何将 input_ids 索引转换为相关向量，这很有用。
• 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（参见 past_key_values）。训练时设置为 False，生成时设置为 True。
• 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`。此参数只能在即时执行模式（eager mode）下使用，在图模式（graph mode）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`。此参数只能在即时执行模式（eager mode）下使用，在图模式（graph mode）下将使用配置中的值。
• return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。此参数可在即时执行模式下使用，在图模式下该值将始终设置为 True。
• training (bool, 可选, 默认为 False) — 是否在训练模式下使用模型（一些模块如 dropout 模块在训练和评估之间有不同的行为）。
• labels (tf.tensor，形状为 (batch_size, sequence_length)，可选) — 用于计算掩码语言建模损失的标签。索引应在 [0, ..., config.vocab_size] 或 -100 之间（参见 `input_ids` 文档字符串）。索引设置为 `-100` 的标记将被忽略（掩码），损失仅针对标签在 `[0, ..., config.vocab_size]` 中的标记进行计算。

一个 transformers.modeling_tf_outputs.TFSeq2SeqLMOutput 或一个 tf.Tensor 元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），根据配置（MarianConfig）和输入，包含各种元素。

• loss (形状为 (n,) 的 tf.Tensor, 可选, 其中 n 是非掩码标签的数量，当提供 labels 时返回) — 语言建模损失。

• logits (tf.Tensor of shape (batch_size, sequence_length, config.vocab_size)) — 语言模型头部的预测分数（SoftMax 之前每个词汇标记的分数）。

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

  包含解码器注意力块的预计算隐藏状态（键和值），可用于（参见 past_key_values 输入）加速顺序解码。

• decoder_hidden_states (tuple(tf.Tensor), 可选, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — tf.Tensor 的元组（一个用于嵌入的输出 + 一个用于每层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出时的隐藏状态以及初始嵌入输出。

• decoder_attentions (tuple(tf.Tensor), 可选, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — tf.Tensor 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

• cross_attentions (tuple(tf.Tensor), 可选, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — tf.Tensor 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

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

• encoder_last_hidden_state (形状为 (batch_size, sequence_length, hidden_size) 的 tf.Tensor, 可选) — 模型编码器最后一层输出的隐藏状态序列。

• encoder_hidden_states (tuple(tf.Tensor), 可选, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — tf.Tensor 的元组（一个用于嵌入的输出 + 一个用于每层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出时的隐藏状态以及初始嵌入输出。

• encoder_attentions (tuple(tf.Tensor), 可选, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — tf.Tensor 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

参数

• input_ids (jnp.ndarray，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，默认情况下将被忽略。

  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？

• attention_mask (jnp.ndarray，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。掩码值选自 [0, 1]：
  • 1 表示标记未被掩码，
  • 0 表示标记已被掩码。

  什么是注意力掩码？

• decoder_input_ids (jnp.ndarray，形状为 (batch_size, target_sequence_length)，可选) — 词汇表中解码器输入序列标记的索引。

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

  什么是解码器输入 ID？

  对于翻译和摘要训练，应提供 `decoder_input_ids`。如果未提供 `decoder_input_ids`，模型将通过将 `input_ids` 右移来创建此张量，以进行论文中描述的去噪预训练。

• decoder_attention_mask (jnp.ndarray，形状为 (batch_size, target_sequence_length)，可选) — 默认行为：生成一个忽略 `decoder_input_ids` 中填充标记的张量。默认情况下也会使用因果掩码。

  如果要更改填充行为，应根据需要进行修改。有关默认策略的更多信息，请参见论文中的图 1。

• position_ids (numpy.ndarray，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。选自范围 [0, config.max_position_embeddings - 1]。
• decoder_position_ids (numpy.ndarray，形状为 (batch_size, sequence_length)，可选) — 每个解码器输入序列标记在位置嵌入中的位置索引。选自范围 [0, config.max_position_embeddings - 1]。
• 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。
• return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。

一个 transformers.modeling_flax_outputs.FlaxSeq2SeqModelOutput 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含根据配置（MarianConfig）和输入而变化的不同元素。

• last_hidden_state (形状为 (batch_size, sequence_length, hidden_size) 的 jnp.ndarray) — 模型解码器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 (tuple(tuple(jnp.ndarray)), 可选，当传递 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(jnp.ndarray) 元组，每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量和 2 个额外的形状为 (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（自注意力块和交叉注意力块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。

• decoder_hidden_states (tuple(jnp.ndarray), 可选，当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — jnp.ndarray 的元组（一个用于嵌入层的输出，一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出时的隐藏状态以及初始嵌入输出。

• decoder_attentions (tuple(jnp.ndarray), 可选，当传递 output_attentions=True 或 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

• cross_attentions (tuple(jnp.ndarray), 可选，当传递 output_attentions=True 或 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

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

• encoder_last_hidden_state (形状为 (batch_size, sequence_length, hidden_size) 的 jnp.ndarray，可选) — 模型编码器最后一层输出的隐藏状态序列。

• encoder_hidden_states (tuple(jnp.ndarray), 可选，当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — jnp.ndarray 的元组（一个用于嵌入层的输出，一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出时的隐藏状态以及初始嵌入输出。

• encoder_attentions (tuple(jnp.ndarray), 可选，当传递 output_attentions=True 或 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

参数

• input_ids (形状为 (batch_size, sequence_length) 的 jnp.ndarray) — 词汇表中输入序列标记的索引。如果提供了填充，默认会被忽略。

  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？

• attention_mask (形状为 (batch_size, sequence_length) 的 jnp.ndarray, 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 表示未被屏蔽的标记，
  • 0 表示被屏蔽的标记。

  什么是注意力掩码？

• decoder_input_ids (形状为 (batch_size, target_sequence_length) 的 jnp.ndarray, 可选) — 词汇表中解码器输入序列标记的索引。

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

  什么是解码器输入 ID？

  对于翻译和摘要训练，应提供 decoder_input_ids。如果未提供 decoder_input_ids，模型将根据论文中的去噪预训练方法，通过向右移动 input_ids 来创建此张量。

• decoder_attention_mask (形状为 (batch_size, target_sequence_length) 的 jnp.ndarray, 可选) — 默认行为：生成一个忽略 decoder_input_ids 中填充标记的张量。默认情况下也会使用因果掩码。

  如果你想改变填充行为，应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。

• position_ids (形状为 (batch_size, sequence_length) 的 numpy.ndarray, 可选) — 位置嵌入中每个输入序列标记的位置索引。选自 [0, config.max_position_embeddings - 1] 范围。
• decoder_position_ids (形状为 (batch_size, sequence_length) 的 numpy.ndarray, 可选) — 位置嵌入中每个解码器输入序列标记的位置索引。选自 [0, config.max_position_embeddings - 1] 范围。
• output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。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。
• return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。

一个 transformers.modeling_flax_outputs.FlaxSeq2SeqLMOutput 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含根据配置（MarianConfig）和输入而变化的不同元素。

• logits (形状为 (batch_size, sequence_length, config.vocab_size) 的 jnp.ndarray) — 语言建模头的预测分数（SoftMax 之前每个词汇 token 的分数）。

• past_key_values (tuple(tuple(jnp.ndarray)), 可选，当传递 use_cache=True 或 config.use_cache=True 时返回) — 长度为 config.n_layers 的 tuple(jnp.ndarray) 元组，每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量和 2 个额外的形状为 (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（自注意力块和交叉注意力块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。

• decoder_hidden_states (tuple(jnp.ndarray), 可选，当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — jnp.ndarray 的元组（一个用于嵌入层的输出，一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  解码器在每一层输出时的隐藏状态以及初始嵌入输出。

• decoder_attentions (tuple(jnp.ndarray), 可选，当传递 output_attentions=True 或 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  解码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。

• cross_attentions (tuple(jnp.ndarray), 可选，当传递 output_attentions=True 或 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

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

• encoder_last_hidden_state (形状为 (batch_size, sequence_length, hidden_size) 的 jnp.ndarray，可选) — 模型编码器最后一层输出的隐藏状态序列。

• encoder_hidden_states (tuple(jnp.ndarray), 可选，当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — jnp.ndarray 的元组（一个用于嵌入层的输出，一个用于每一层的输出），形状为 (batch_size, sequence_length, hidden_size)。

  编码器在每一层输出时的隐藏状态以及初始嵌入输出。

• encoder_attentions (tuple(jnp.ndarray), 可选，当传递 output_attentions=True 或 config.output_attentions=True 时返回) — jnp.ndarray 的元组（每层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

  编码器的注意力权重，在注意力 softmax 之后，用于计算自注意力头中的加权平均。