Transformers 文档

Mistral

Hugging Face's logo
加入 Hugging Face 社区

并获得增强型文档体验

开始使用

Mistral

概述

Mistral 在 Albert Jiang、Alexandre Sablayrolles、Arthur Mensch、Chris Bamford、Devendra Singh Chaplot、Diego de las Casas、Florian Bressand、Gianna Lengyel、Guillaume Lample、Lélio Renard Lavaud、Lucile Saulnier、Marie-Anne Lachaux、Pierre Stock、Teven Le Scao、Thibaut Lavril、Thomas Wang、Timothée Lacroix、William El Sayed 的 这篇博文 中被介绍。

博文介绍部分写道

Mistral AI 团队很自豪地发布 Mistral 7B,它是迄今为止同尺寸最强大的语言模型。

Mistral-7B 是由 mistral.ai 发布的首个大型语言模型 (LLM)。

架构细节

Mistral-7B 是一个仅解码器的 Transformer,具有以下架构选择

  • 滑动窗口注意力 - 使用 8k 上下文长度和固定缓存大小训练,理论注意力跨度为 128K 个令牌
  • GQA(分组查询注意力) - 允许更快的推理和更小的缓存大小。
  • 字节回退 BPE 分词器 - 确保字符永远不会映射到词汇表外的令牌。

有关更多详细信息,请参阅 发布博文

许可证

Mistral-7B 在 Apache 2.0 许可证下发布。

使用技巧

Mistral 团队发布了 3 个检查点

  • 基础模型,Mistral-7B-v0.1,它已预先训练以在互联网规模的数据上预测下一个令牌。
  • 指令微调模型,Mistral-7B-Instruct-v0.1,它是使用监督微调 (SFT) 和直接偏好优化 (DPO) 为聊天目的优化的基础模型。
  • 改进的指令微调模型,Mistral-7B-Instruct-v0.2,它在 v1 的基础上进行了改进。

基础模型可以使用如下方式

>>> from transformers import AutoModelForCausalLM, AutoTokenizer

>>> model = AutoModelForCausalLM.from_pretrained("mistralai/Mistral-7B-v0.1", device_map="auto")
>>> tokenizer = AutoTokenizer.from_pretrained("mistralai/Mistral-7B-v0.1")

>>> prompt = "My favourite condiment is"

>>> model_inputs = tokenizer([prompt], return_tensors="pt").to("cuda")
>>> model.to(device)

>>> generated_ids = model.generate(**model_inputs, max_new_tokens=100, do_sample=True)
>>> tokenizer.batch_decode(generated_ids)[0]
"My favourite condiment is to ..."

指令微调模型可以使用如下方式

>>> from transformers import AutoModelForCausalLM, AutoTokenizer

>>> model = AutoModelForCausalLM.from_pretrained("mistralai/Mistral-7B-Instruct-v0.2", device_map="auto")
>>> tokenizer = AutoTokenizer.from_pretrained("mistralai/Mistral-7B-Instruct-v0.2")

>>> messages = [
...     {"role": "user", "content": "What is your favourite condiment?"},
...     {"role": "assistant", "content": "Well, I'm quite partial to a good squeeze of fresh lemon juice. It adds just the right amount of zesty flavour to whatever I'm cooking up in the kitchen!"},
...     {"role": "user", "content": "Do you have mayonnaise recipes?"}
... ]

>>> model_inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")

>>> generated_ids = model.generate(model_inputs, max_new_tokens=100, do_sample=True)
>>> tokenizer.batch_decode(generated_ids)[0]
"Mayonnaise can be made as follows: (...)"

如您所见,指令微调模型需要应用 聊天模板 以确保输入以正确的格式准备。

使用 Flash Attention 加速 Mistral

上面的代码片段展示了没有任何优化技巧的推理。但是,可以通过利用 Flash Attention 来大幅提高模型速度,Flash Attention 是模型内部使用的注意力机制的更快实现。

首先,确保安装最新版本的 Flash Attention 2 以包含滑动窗口注意力功能。

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

还要确保您拥有与 Flash Attention 2 兼容的硬件。在 flash attention 存储库 的官方文档中了解更多信息。还要确保以半精度 (例如 torch.float16) 加载您的模型

要使用 Flash Attention-2 加载和运行模型,请参考下面的代码片段

>>> import torch
>>> from transformers import AutoModelForCausalLM, AutoTokenizer

>>> model = AutoModelForCausalLM.from_pretrained("mistralai/Mistral-7B-v0.1", torch_dtype=torch.float16, attn_implementation="flash_attention_2", device_map="auto")
>>> tokenizer = AutoTokenizer.from_pretrained("mistralai/Mistral-7B-v0.1")

>>> prompt = "My favourite condiment is"

>>> model_inputs = tokenizer([prompt], return_tensors="pt").to("cuda")
>>> model.to(device)

>>> generated_ids = model.generate(**model_inputs, max_new_tokens=100, do_sample=True)
>>> tokenizer.batch_decode(generated_ids)[0]
"My favourite condiment is to (...)"

预期加速

下面是一个预期加速图,它比较了使用 mistralai/Mistral-7B-v0.1 检查点的 transformers 中的原生实现与模型的 Flash Attention 2 版本之间的纯推理时间。

滑动窗口注意力

当前实现支持滑动窗口注意力机制和内存高效的缓存管理。要启用滑动窗口注意力,只需确保拥有与滑动窗口注意力 (>=2.3.0) 兼容的 flash-attn 版本。

Flash Attention-2 模型还使用更内存高效的缓存切片机制 - 按照使用滚动缓存机制的 Mistral 模型的官方实现建议,我们保持缓存大小固定 (self.config.sliding_window),仅支持 padding_side="left" 的批量生成,并使用当前令牌的绝对位置来计算位置嵌入。

使用量化缩小 Mistral

由于 Mistral 模型具有 70 亿个参数,因此以半精度 (float16) 存储大约需要 14GB 的 GPU RAM,因为每个参数存储在 2 个字节中。但是,可以使用 量化 来缩小模型的大小。如果模型被量化到 4 位 (或每个参数半个字节),则仅需要大约 3.5GB 的 RAM。

量化模型就像向模型传递一个 quantization_config 一样简单。下面,我们将利用 BitsAndyBytes 量化 (但请参考 此页面 以获取其他量化方法)

>>> import torch
>>> from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig

>>> # specify how to quantize the model
>>> quantization_config = BitsAndBytesConfig(
...         load_in_4bit=True,
...         bnb_4bit_quant_type="nf4",
...         bnb_4bit_compute_dtype="torch.float16",
... )

>>> model = AutoModelForCausalLM.from_pretrained("mistralai/Mistral-7B-Instruct-v0.2", quantization_config=True, device_map="auto")
>>> tokenizer = AutoTokenizer.from_pretrained("mistralai/Mistral-7B-Instruct-v0.2")

>>> prompt = "My favourite condiment is"

>>> messages = [
...     {"role": "user", "content": "What is your favourite condiment?"},
...     {"role": "assistant", "content": "Well, I'm quite partial to a good squeeze of fresh lemon juice. It adds just the right amount of zesty flavour to whatever I'm cooking up in the kitchen!"},
...     {"role": "user", "content": "Do you have mayonnaise recipes?"}
... ]

>>> model_inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")

>>> generated_ids = model.generate(model_inputs, max_new_tokens=100, do_sample=True)
>>> tokenizer.batch_decode(generated_ids)[0]
"The expected output"

此模型由 Younes BelkadaArthur Zucker 贡献。原始代码可以在 这里 找到。

资源

这份文档列举了一些 Hugging Face 官方和社区(🌎标记)资源,可以帮助您开始使用 Mistral。如果您想提交一个资源到这份文档,请随意发起一个 Pull Request,我们会审核它!该资源应理想地展示一些新内容,而不是重复现有资源。

文本生成
  • 一个用于对 Mistral-7B 进行监督微调 (SFT) 的演示笔记本可以在这里找到:这里。🌎
  • 一篇关于如何使用 Hugging Face 工具在 2024 年微调 LLM 的博文。🌎
  • Hugging Face 的对齐手册包含用于执行监督微调 (SFT) 和直接偏好优化的脚本和配方,使用 Mistral-7B。这包括用于完整微调、单个 GPU 上的 QLoRa 以及多 GPU 微调的脚本。
  • 因果语言建模任务指南

MistralConfig

class transformers.MistralConfig

< >

( vocab_size = 32000 hidden_size = 4096 intermediate_size = 14336 num_hidden_layers = 32 num_attention_heads = 32 num_key_value_heads = 8 head_dim = None hidden_act = 'silu' max_position_embeddings = 131072 initializer_range = 0.02 rms_norm_eps = 1e-06 use_cache = True pad_token_id = None bos_token_id = 1 eos_token_id = 2 tie_word_embeddings = False rope_theta = 10000.0 sliding_window = 4096 attention_dropout = 0.0 **kwargs )

参数

  • vocab_size (int, 可选, 默认值为 32000) — Mistral 模型的词汇量。定义了调用 MistralModel 时可以由 inputs_ids 表示的不同令牌数量。
  • hidden_size (int, 可选, 默认值为 4096) — 隐藏表示的维度。
  • intermediate_size (int, 可选, 默认值为 14336) — MLP 表示的维度。
  • num_hidden_layers (int, 可选, 默认值为 32) — Transformer 编码器中的隐藏层数。
  • num_attention_heads (int, 可选, 默认值为 32) — Transformer 编码器中每个注意力层的注意力头数。
  • num_key_value_heads (int, 可选, 默认值为 8) — 用于实现分组查询注意力的 key_value 头的数量。如果 num_key_value_heads=num_attention_heads,模型将使用多头注意力 (MHA),如果 num_key_value_heads=1 模型将使用多查询注意力 (MQA),否则将使用 GQA。在将多头检查点转换为 GQA 检查点时,每个组键和值头应通过对该组中所有原始头的平均池化来构建。有关更多详细信息,请查看 这篇论文。如果未指定,将默认为 8
  • head_dim (int, 可选, 默认值为 hidden_size // num_attention_heads) — 注意力头维度。
  • hidden_act (strfunction, 可选, 默认值为 "silu") — 解码器中的非线性激活函数 (函数或字符串)。
  • max_position_embeddings (int, 可选, 默认值为 4096*32) — 该模型可能使用的最大序列长度。 Mistral 的滑动窗口注意力允许序列最多包含 4096*32 个令牌。
  • initializer_range (float, 可选, 默认值为 0.02) — 初始化所有权重矩阵的截断正态初始化器的标准差。
  • rms_norm_eps (float, 可选, 默认值为 1e-06) — rms 归一化层使用的 epsilon。
  • use_cache (bool, 可选, 默认值为 True) — 模型是否应该返回最后一个键/值注意力 (并非所有模型都使用)。仅当 config.is_decoder=True 时才相关。
  • pad_token_id (int, 可选) — 填充令牌的 ID。
  • bos_token_id (int, 可选, 默认值为 1) — “序列开始”令牌的 ID。
  • eos_token_id (int, 可选, 默认值为 2) — “序列结束”令牌的 ID。
  • rope_theta (float, 可选, 默认值为 10000.0) — RoPE 嵌入的基础周期。
  • sliding_window (int, 可选, 默认值为 4096) — 滑动窗口注意力窗口大小。如果未指定,将默认设置为 4096
  • attention_dropout (float, 可选, 默认值为 0.0) — 注意力概率的 dropout 比例。

这是一个配置类,用于存储 MistralModel 的配置。它用于根据指定的参数实例化一个 Mistral 模型,定义模型架构。使用默认值实例化配置将产生类似于 Mistral-7B-v0.1 或 Mistral-7B-Instruct-v0.1 的配置。

mistralai/Mistral-7B-v0.1 mistralai/Mistral-7B-Instruct-v0.1

配置对象继承自 PretrainedConfig,可用于控制模型输出。阅读 PretrainedConfig 的文档以获取更多信息。

>>> from transformers import MistralModel, MistralConfig

>>> # Initializing a Mistral 7B style configuration
>>> configuration = MistralConfig()

>>> # Initializing a model from the Mistral 7B style configuration
>>> model = MistralModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

MistralModel

class transformers.MistralModel

< >

( config: MistralConfig )

参数

  • config (MistralConfig) — 模型配置类,包含模型的所有参数。使用配置文件进行初始化不会加载与模型关联的权重,只会加载配置。查看 from_pretrained() 方法以加载模型权重。config — MistralConfig

不带任何特定头的 Mistral 模型,只输出原始隐藏状态。该模型继承自 PreTrainedModel。查看超类文档以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)。

该模型也是一个 PyTorch torch.nn.Module 子类。将其用作普通的 PyTorch 模块,并参考 PyTorch 文档了解与一般用法和行为相关的所有事项。

config.num_hidden_layers 层组成的 Transformer 解码器。每一层都是一个 MistralDecoderLayer

正向传播

< >

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

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 输入序列令牌在词汇表中的索引。默认情况下,填充将被忽略,如果您提供它。

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

    什么是输入 ID?

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

    • 1 表示未屏蔽的标记,
    • 0 表示屏蔽的标记。

    什么是注意力掩码?

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

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

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

    • 1 表示头部未屏蔽
    • 0 表示头部屏蔽
  • 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。选择在 [0, config.n_positions - 1] 范围内。

    什么是位置 ID?

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

    允许两种格式:

    • 一个 Cache 实例,请参见我们的 kv 缓存指南
    • 长度为 config.n_layerstuple(tuple(torch.FloatTensor)),每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。这也称为传统缓存格式。

    模型将输出与作为输入馈送的相同缓存格式。如果未传递 past_key_values,则将返回传统缓存格式。

    如果使用 past_key_values,用户可以选择仅输入形状为 (batch_size, 1) 的最后一个 input_ids(那些没有向该模型提供其过去键值状态的那些),而不是所有形状为 (batch_size, sequence_length)input_ids

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)可选) — 可选,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对如何将 input_ids 索引转换为关联向量有更多控制权,这将很有用。
  • use_cache (bool可选) — 如果设置为 True,则返回 past_key_values 键值状态,可用于加速解码(参见 past_key_values)。
  • output_attentions (bool可选) — 是否返回所有注意力层的注意力张量。有关详细信息,请参见返回张量下的 attentions
  • output_hidden_states (bool可选) — 是否返回所有层的隐藏状态。有关详细信息,请参见返回张量下的 hidden_states
  • return_dict (bool可选) — 是否返回一个 ModelOutput 而不是一个普通元组。

The MistralModel 正向方法重写了 __call__ 特殊方法。

虽然正向传递的配方需要在此函数内定义,但您应该随后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者则静默地忽略它们。

MistralForCausalLM

class transformers.MistralForCausalLM

< >

( config )

正向传播

< >

( input_ids: LongTensor = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Union = None inputs_embeds: Optional = None labels: Optional = None use_cache: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None cache_position: Optional = None num_logits_to_keep: int = 0 ) transformers.modeling_outputs.CausalLMOutputWithPast or tuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 输入序列词元的词汇表索引。如果您提供填充,则默认情况下将忽略填充。

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

    什么是输入 ID?

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

    • 1 代表未掩码的词元,
    • 0 代表掩码的词元。

    什么是注意力掩码?

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

    如果使用 past_key_values,则可以选择仅输入最后一个 decoder_input_ids(那些没有向该模型提供过去键值状态的词元)形状为 (batch_size, 1),而不是所有 input_ids 形状为 (batch_size, sequence_length)

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

    • 1 表示头部未掩码
    • 0 表示头部掩码
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length), 可选) — 位置嵌入中每个输入序列词元位置的索引。在 [0, config.n_positions - 1] 范围内选择。

    什么是位置 ID?

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

    允许两种格式:

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

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

    如果使用 past_key_values,则用户可以选择仅输入最后一个 input_ids(那些没有提供其过去键值状态的词元)形状为 (batch_size, 1),而不是所有 input_ids 形状为 (batch_size, sequence_length)

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 选择性地,而不是传递 input_ids,您可以选择直接传递嵌入表示。如果您想要对如何将 input_ids 索引转换为关联向量进行更多控制,而不是模型的内部嵌入查找矩阵,这将很有用。
  • use_cache (bool, 可选) — 如果设置为 True,则返回 past_key_values 键值状态,可用于加速解码(参见 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息,请参阅返回张量中的 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。

    参数 — labels (torch.LongTensor 形状为 (batch_size, sequence_length)可选):用于计算掩码语言建模损失的标签。索引应为 [0, ..., config.vocab_size] 或 -100(参见 input_ids 文档字符串)。索引设置为 -100 的标记将被忽略(掩码),仅计算标签为 [0, ..., config.vocab_size] 的标记的损失。

    num_logits_to_keep (int, 可选):计算最后 num_logits_to_keep 个标记的 logits。如果为 0,则计算所有 input_ids 的 logits(特殊情况)。生成只需要最后一个标记的 logits,并且仅为该标记计算它们可以节省内存,对于长序列或大型词汇量来说,这会非常显著。

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 或当 config.return_dict=False 时),包含取决于配置 (MistralConfig) 和输入的各种元素。

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

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

  • past_key_values (tuple(tuple(torch.FloatTensor)), 可选,在传递 use_cache=Trueconfig.use_cache=True 时返回) — 长度为 config.n_layerstuple(torch.FloatTensor) 元组,每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。

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

  • hidden_states (tuple(torch.FloatTensor), 可选,在传递 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 的元组(一个用于嵌入的输出,如果模型具有嵌入层,加上每个层的输出)形状为 (batch_size, sequence_length, hidden_size)

    模型在每个层的输出以及可选的初始嵌入输出的隐藏状态。

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

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

The MistralForCausalLM 正向方法,覆盖了 __call__ 特殊方法。

虽然正向传递的配方需要在此函数内定义,但您应该随后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者则静默地忽略它们。

示例

>>> from transformers import AutoTokenizer, MistralForCausalLM

>>> model = MistralForCausalLM.from_pretrained("mistralai/Mistral-7B-v0.1")
>>> tokenizer = AutoTokenizer.from_pretrained("mistralai/Mistral-7B-v0.1")

>>> prompt = "Hey, are you conscious? Can you talk to me?"
>>> inputs = tokenizer(prompt, return_tensors="pt")

>>> # Generate
>>> generate_ids = model.generate(inputs.input_ids, max_length=30)
>>> tokenizer.batch_decode(generate_ids, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]
"Hey, are you conscious? Can you talk to me?\nI'm not conscious, but I can talk to you."

MistralForSequenceClassification

class transformers.MistralForSequenceClassification

< >

( config )

参数

  • config (MistralConfig) — 模型配置类,包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重,仅加载配置。请查看 from_pretrained() 方法以加载模型权重。

带有序列分类头的 Mistral 模型 Transformer(线性层)。

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

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

该模型继承自 PreTrainedModel。查看超类文档以了解库为其所有模型实现的通用方法(例如下载或保存、调整输入嵌入大小、裁剪头等)。

该模型也是一个 PyTorch torch.nn.Module 子类。将其用作普通的 PyTorch 模块,并参考 PyTorch 文档了解与一般用法和行为相关的所有事项。

正向传播

< >

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

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 输入序列 token 在词汇表中的索引。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 input IDs?

  • attention_mask (torch.Tensor 形状为 (batch_size, sequence_length)可选) — 避免在填充 token 索引上执行注意的掩码。掩码值选择在 [0, 1] 中:

    • 1 表示未掩码的 token,
    • 0 表示掩码的 token。

    什么是注意力掩码?

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

    如果您想使用 past_key_values,则可以选择仅输入最后一个 decoder_input_ids(那些没有为此模型提供 past key value 状态的 decoder_input_ids),其形状为 (batch_size, 1),而不是所有 input_ids,其形状为 (batch_size, sequence_length)

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

    • 1 表示头未掩码
    • 0 表示头掩码
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length)可选) — 每个输入序列 token 在位置嵌入中的位置索引。选择范围在 [0, config.n_positions - 1] 中。

    什么是位置 ID?

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

    允许两种格式:

    • 一个 Cache 实例,请参阅我们的 kv 缓存指南
    • 长度为 config.n_layerstuple(tuple(torch.FloatTensor)),每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。这也是众所周知的传统缓存格式。

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

    如果您使用 past_key_values,则用户可以选择仅输入形状为 (batch_size, 1) 的最后一个 input_ids(那些没有为此模型提供 past key value 状态的 input_ids),而不是所有形状为 (batch_size, sequence_length)input_ids

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)可选) — 可选地,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 索引转换为关联的向量,这很有用。
  • use_cache (bool可选) — 如果设置为 True,则将返回 past_key_values 键值状态,可用于加速解码(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。
  • labels (torch.LongTensor 形状为 (batch_size,)可选) — 用于计算序列分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 中。如果 config.num_labels == 1,则计算回归损失(均方损失),如果 config.num_labels > 1,则计算分类损失(交叉熵)。

The MistralForSequenceClassification forward method, overrides the __call__ special method.

虽然正向传递的配方需要在此函数内定义,但您应该随后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者则静默地忽略它们。

MistralForTokenClassification

class transformers.MistralForTokenClassification

< >

( config )

参数

  • config (MistralConfig) — 模型配置类,包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重,只会加载配置。查看 from_pretrained() 方法加载模型权重。

The Mistral Model transformer with a token classification head on top (a linear layer on top of the hidden-states output) e.g. for Named-Entity-Recognition (NER) tasks.

该模型继承自 PreTrainedModel。查看超类文档以了解库为其所有模型实现的通用方法(例如下载或保存、调整输入嵌入大小、裁剪头等)。

该模型也是一个 PyTorch torch.nn.Module 子类。将其用作普通的 PyTorch 模块,并参考 PyTorch 文档了解与一般用法和行为相关的所有事项。

正向传播

< >

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

参数

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

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

    什么是输入 ID?

  • attention_mask (torch.Tensor 形状为 (batch_size, sequence_length)可选) — 掩码以避免对填充标记索引执行注意力操作。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。

    什么是注意力掩码?

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

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

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

    • 1 表示头未被掩码
    • 0 表示头被掩码
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length)可选) — 输入序列标记在位置嵌入中的位置索引。在 [0, config.n_positions - 1] 范围内选择。

    什么是位置 ID?

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

    允许两种格式:

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

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

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

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)可选) — 可选地,你可以选择直接传递嵌入表示,而不是传递 input_ids。如果你想要比模型内部嵌入查找矩阵更精细地控制如何将 input_ids 索引转换为关联的向量,这很有用。
  • 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 而不是一个简单的元组。
  • __call__ 特殊方法。

    虽然正向传递的配方需要在此函数内定义,但您应该随后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者则静默地忽略它们。

FlaxMistralModel

class transformers.FlaxMistralModel

< >

( config: MistralConfig input_shape: Tuple = (1, 1) seed: int = 0 dtype: dtype = <class 'jax.numpy.float32'> _do_init: bool = True **kwargs )

参数

  • config (MistralConfig) — 模型配置类,包含模型的所有参数。使用配置文件进行初始化不会加载与模型相关的权重,只会加载配置。查看 from_pretrained() 方法以加载模型权重。
  • dtype (jax.numpy.dtype, 可选,默认值为 jax.numpy.float32) — 计算的数据类型。可以是 jax.numpy.float32jax.numpy.float16jax.numpy.bfloat16 之一。

    这可用于在 GPU 或 TPU 上启用混合精度训练或半精度推理。如果指定,所有计算都将使用给定的 dtype 执行。

    请注意,这仅指定计算的 dtype,不会影响模型参数的 dtype。

    如果您想更改模型参数的 dtype,请查看 to_fp16()to_bf16()

基本的 Mistral 模型转换器,输出原始隐藏状态,没有任何特定的头部。

此模型继承自 FlaxPreTrainedModel。查看超类文档以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、修剪头部等)。

此模型也是一个 Flax Linen flax.nn.Module 子类。将其用作常规的 Flax 模块,并参考 Flax 文档以了解所有与一般用法和行为相关的事项。

最后,此模型支持 JAX 的固有特性,例如

__call__

< >

( input_ids attention_mask = None position_ids = None params: dict = None past_key_values: dict = None dropout_rng: PRNGKey = None train: bool = False output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None ) transformers.modeling_flax_outputs.FlaxBaseModelOutputWithPasttuple(torch.FloatTensor)

参数

  • input_ids (numpy.ndarray 形状为 (batch_size, input_ids_length)) — 输入序列标记在词汇表中的索引。如果您提供填充,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,请参见 PreTrainedTokenizer.encode()PreTrainedTokenizer.call()

    什么是输入 ID?

  • attention_mask (numpy.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。掩码值在 [0, 1] 中选择:

    • 1 表示未掩码的标记
    • 0 表示掩码的标记

    什么是注意力掩码?

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

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

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

    • 1 表示头部未掩码
    • 0 表示头部掩码
  • position_ids (numpy.ndarray 形状为 (batch_size, sequence_length), 可选) — 输入序列标记在位置嵌入中的位置索引。在 [0, config.n_positions - 1] 范围内选择。

    什么是位置 ID?

  • past_key_values (Dict[str, np.ndarray], 可选, 由 init_cache 返回或在传递先前的 past_key_values 时返回) — 预先计算的隐藏状态字典(注意力块中的键和值),可用于快速自回归解码。预先计算的键和值隐藏状态的形状为 [batch_size, max_length]
  • 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) — 是否返回一个 ModelOutput 而不是一个简单的元组。

返回

transformers.modeling_flax_outputs.FlaxBaseModelOutputWithPasttuple(torch.FloatTensor)

一个 transformers.modeling_flax_outputs.FlaxBaseModelOutputWithPast 或一个 torch.FloatTensor 元组(如果传递了 return_dict=False 或当 config.return_dict=False 时),包括取决于配置 (MistralConfig) 和输入的不同元素。

  • last_hidden_state (jnp.ndarray 形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层输出处的隐藏状态序列。

  • past_key_values (Dict[str, jnp.ndarray]) — 预先计算的隐藏状态字典(注意力块中的键和值),可用于快速自回归解码。预先计算的键和值隐藏状态的形状为 [batch_size, max_length]

  • hidden_states (tuple(jnp.ndarray), 可选, 当传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 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(jnp.ndarray), 可选, 当传递了 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组(每一层一个),形状为 (batch_size, num_heads, sequence_length, sequence_length)

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

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

虽然正向传递的配方需要在此函数内定义,但您应该随后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者则静默地忽略它们。

此示例使用随机模型,因为真正的模型都非常大。为了获得正确的结果,您应该使用 mistralai/Mistral-7B-v0.1 而不是 ksmcg/Mistral-tiny。如果您在加载该检查点时出现内存不足,可以在 from_pretrained 调用中添加 device_map="auto"

示例

>>> from transformers import AutoTokenizer, FlaxMistralModel

>>> tokenizer = AutoTokenizer.from_pretrained("ksmcg/Mistral-tiny")
>>> model = FlaxMistralModel.from_pretrained("ksmcg/Mistral-tiny")

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

>>> last_hidden_states = outputs.last_hidden_state

FlaxMistralForCausalLM

class transformers.FlaxMistralForCausalLM

< >

( config: MistralConfig input_shape: Tuple = (1, 1) seed: int = 0 dtype: dtype = <class 'jax.numpy.float32'> _do_init: bool = True **kwargs )

参数

  • config (MistralConfig) — 模型配置类,包含模型的所有参数。用配置文件初始化不会加载与模型关联的权重,只会加载配置。查看 from_pretrained() 方法以
  • dtype (jax.numpy.dtype, 可选, 默认值 jax.numpy.float32) — 计算的数据类型。可以是 jax.numpy.float32jax.numpy.float16jax.numpy.bfloat16 之一。

    这可以用来在 GPU 或 TPU 上启用混合精度训练或半精度推理。如果指定,所有计算将使用给定的 dtype 执行。

    注意,这仅指定计算的 dtype,不影响模型参数的 dtype。

    如果您希望更改模型参数的 dtype,请参见 to_fp16()to_bf16()

带有语言建模头(线性层)的 Mistral 模型变换器。

此模型继承自 FlaxPreTrainedModel。查看超类文档以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、修剪头部等)。

此模型也是一个 Flax Linen flax.nn.Module 子类。将其用作常规的 Flax 模块,并参考 Flax 文档以了解所有与一般用法和行为相关的事项。

最后,此模型支持 JAX 的固有特性,例如

__call__

< >

( input_ids attention_mask = None position_ids = None params: dict = None past_key_values: dict = None dropout_rng: PRNGKey = None train: bool = False output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None ) transformers.modeling_flax_outputs.FlaxCausalLMOutputWithCrossAttentionstuple(torch.FloatTensor)

参数

  • input_ids (numpy.ndarray 形状为 (batch_size, input_ids_length)) — 词汇表中输入序列标记的索引。默认情况下,如果提供填充,它将被忽略。

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

    什么是输入 ID?

  • attention_mask (numpy.ndarray 形状为 (batch_size, sequence_length), 可选) — 掩码以避免在填充标记索引上执行注意力。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。

    什么是注意力掩码?

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

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

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

    • 1 表示头部未屏蔽
    • 0 表示头部屏蔽
  • position_ids (numpy.ndarray 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.n_positions - 1] 范围内选择。

    什么是位置 ID?

  • past_key_values (Dict[str, np.ndarray], 可选, 由 init_cache 返回,或在传递先前 past_key_values 时返回) — 预先计算的隐藏状态字典(注意力块中的键和值),可用于快速自回归解码。预先计算的键和值隐藏状态的形状为 [batch_size, max_length]
  • 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。有关更多详细信息,请参见返回张量中的 hidden_states
  • return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个简单的元组。

返回

transformers.modeling_flax_outputs.FlaxCausalLMOutputWithCrossAttentionstuple(torch.FloatTensor)

一个 transformers.modeling_flax_outputs.FlaxCausalLMOutputWithCrossAttentions 或者一个包含各种元素的 torch.FloatTensor 元组(如果传递了 return_dict=False 或者当 config.return_dict=False 时),这些元素取决于配置 (MistralConfig) 和输入。

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

  • hidden_states (tuple(jnp.ndarray), 可选, 当传递了 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — jnp.ndarray 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(jnp.ndarray), 可选, 当传递了 output_attentions=True 或当 config.output_attentions=True 时返回) — jnp.ndarray 元组(每一层一个),形状为 (batch_size, num_heads, sequence_length, sequence_length)

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

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

    注意力 SoftMax 之后的交叉注意力权重,用于计算交叉注意力头的加权平均值。

  • past_key_values (tuple(tuple(jnp.ndarray)), 可选, 当传递 use_cache=True 或者当 config.use_cache=True 时返回) — 长度为 config.n_layersjnp.ndarray 元组,每个元组包含自注意力和交叉注意力层的缓存键、值状态,如果模型用于编码器-解码器设置。仅当 config.is_decoder = True 时相关。

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

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

虽然正向传递的配方需要在此函数内定义,但您应该随后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者则静默地忽略它们。

此示例使用随机模型,因为真正的模型都非常大。为了获得正确的结果,您应该使用 mistralai/Mistral-7B-v0.1 而不是 ksmcg/Mistral-tiny。如果您在加载该检查点时出现内存不足,可以在 from_pretrained 调用中添加 device_map="auto"

示例

>>> from transformers import AutoTokenizer, FlaxMistralForCausalLM

>>> tokenizer = AutoTokenizer.from_pretrained("ksmcg/Mistral-tiny")
>>> model = FlaxMistralForCausalLM.from_pretrained("ksmcg/Mistral-tiny")

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

>>> # retrieve logts for next token
>>> next_token_logits = outputs.logits[:, -1]

TFMistralModel

class transformers.TFMistralModel

< >

( config: MistralConfig *inputs **kwargs )

参数

  • config (MistralConfig) — 模型配置类,包含模型的所有参数。用配置文件初始化不会加载与模型关联的权重,只会加载配置。查看 from_pretrained() 方法来加载模型权重。

基础 Mistral 模型,输出原始隐藏状态,没有任何特定的头部。

此模型继承自 TFPreTrainedModel。查看超类文档以了解库为其所有模型实现的通用方法(例如下载或保存、调整输入嵌入大小、修剪头部等)。

此模型也是一个 keras.Model 子类。将其用作常规 TF 2.0 Keras 模型,并参考 TF 2.0 文档以了解有关一般用法和行为的所有事项。

model 中的 TensorFlow 模型和层接受两种格式作为输入

  • 将所有输入作为关键字参数(类似 PyTorch 模型),或者
  • 将所有输入作为第一个位置参数的列表、元组或字典。

支持第二种格式的原因是 Keras 方法在将输入传递给模型和层时更喜欢这种格式。由于支持这种格式,在使用像 model.fit() 这样的方法时,事情应该“按预期工作”——只需以 model.fit() 支持的任何格式传递您的输入和标签即可!但是,如果您想在像 fit()predict() 这样的 Keras 方法之外使用第二种格式,例如在使用 Keras Functional API 创建您自己的层或模型时,您可以使用三种方法来收集第一个位置参数中的所有输入张量

  • 仅包含 input_ids 的单个张量,以及其他任何内容:model(input_ids)
  • 长度可变的列表,包含一个或多个输入张量,以文档字符串中给出的顺序排列:model([input_ids, attention_mask])model([input_ids, attention_mask, token_type_ids])
  • 包含一个或多个输入张量,以及与文档字符串中给出的输入名称关联的字典:model({"input_ids": input_ids, "token_type_ids": token_type_ids})

请注意,在使用 子类化 创建模型和层时,您无需担心这些问题,因为您可以像对任何其他 Python 函数一样传递输入!

call

< >

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

参数

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

    可以使用 AutoTokenizer 获取索引。查看 PreTrainedTokenizer.encode()PreTrainedTokenizer.call() 以了解详细信息。

    什么是输入 ID?

  • attention_mask (tf.Tensor 形状为 (batch_size, sequence_length), 可选) — 用于避免在填充 token 索引上执行注意力的掩码。在 [0, 1] 中选择掩码值:

    • 1 表示**未屏蔽**的 token,
    • 0 表示**屏蔽**的 token。

    什么是注意力掩码?

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

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

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

    • 1 表示头部**未屏蔽**,
    • 0 表示头部**屏蔽**。
  • 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。在 [0, config.n_positions - 1] 范围内选择。

    什么是位置 ID?

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

    允许一种格式:

    • 长度为 config.n_layerstuple(tuple(tf.Tensor)) 元组,每个元组都有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。这也称为旧缓存格式。

    模型将输出与作为输入提供的相同缓存格式。如果未传递 past_key_values,将返回旧缓存格式。

    如果使用 past_key_values,用户可以选择仅输入最后一个 input_ids(那些没有将其过去键值状态提供给此模型的)形状为 (batch_size, 1),而不是所有 input_ids 形状为 (batch_size, sequence_length)

  • 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。如果您希望对如何将 input_ids 索引转换为相关向量进行比模型内部嵌入查找矩阵更多的控制,这很有用。
  • 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
  • return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。

TFMistralModel 正向方法覆盖 __call__ 特殊方法。

虽然正向传递的配方需要在此函数内定义,但您应该随后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者则静默地忽略它们。

TFMistralForCausalLM

class transformers.TFMistralForCausalLM

< >

( config *inputs **kwargs )

call

< >

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

参数

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

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

    什么是输入 ID?

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

    • 1 用于未屏蔽的标记,
    • 0 用于屏蔽的标记。

    什么是注意力掩码?

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

    如果使用 past_key_values,可选地只需输入最后一个 decoder_input_ids(那些没有将其过去的键值状态提供给该模型的)(参见 past_key_values)。

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

    • 1 表示头未屏蔽
    • 0 表示头屏蔽
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length)可选) — 位置嵌入中每个输入序列标记的位置索引。选择范围为 [0, config.n_positions - 1]

    什么是位置 ID?

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

    允许一种格式:

    • tuple(tf.Tensor) 长度为 config.n_layers 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。这也被称为传统缓存格式。

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

    如果使用 past_key_values,用户可以选择仅输入最后一个 input_ids(那些没有将其过去的键值状态提供给该模型的)的形状 (batch_size, 1),而不是所有 input_ids 的形状 (batch_size, sequence_length)

  • 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。如果您想比模型的内部嵌入查找矩阵更精确地控制如何将 input_ids 索引转换为关联向量,这将很有用。
  • use_cache (bool, 可选) — 如果设置为 True,则返回 past_key_values 键值状态,可用于加快解码速度(参见 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息,请参见返回张量下的 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 ModelOutput 而不是普通元组。

    参数 — labels (tf.Tensor of shape (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 中(参见 input_ids 文档字符串)。索引设置为 -100 的令牌将被忽略(屏蔽),仅计算标签在 [0, ..., config.vocab_size] 中的令牌的损失。

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

虽然正向传递的配方需要在此函数内定义,但您应该随后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者则静默地忽略它们。

TFMistralForSequenceClassification

class transformers.TFMistralForSequenceClassification

< >

( config *inputs **kwargs )

参数

  • config (MistralConfig) — 模型配置类,包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重,只会加载配置。查看 from_pretrained() 方法以加载模型权重。

带有序列分类头的 Mistral 模型 Transformer(线性层)。

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

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

此模型继承自 TFPreTrainedModel。查看超类文档以了解库为其所有模型实现的通用方法(例如下载或保存、调整输入嵌入大小、修剪头部等)。

此模型也是一个 keras.Model 子类。将其用作常规 TF 2.0 Keras 模型,并参考 TF 2.0 文档以了解有关一般用法和行为的所有事项。

model 中的 TensorFlow 模型和层接受两种格式作为输入

  • 将所有输入作为关键字参数(类似 PyTorch 模型),或者
  • 将所有输入作为第一个位置参数的列表、元组或字典。

支持第二种格式的原因是 Keras 方法在将输入传递给模型和层时更喜欢这种格式。由于支持这种格式,在使用像 model.fit() 这样的方法时,事情应该“按预期工作”——只需以 model.fit() 支持的任何格式传递您的输入和标签即可!但是,如果您想在像 fit()predict() 这样的 Keras 方法之外使用第二种格式,例如在使用 Keras Functional API 创建您自己的层或模型时,您可以使用三种方法来收集第一个位置参数中的所有输入张量

  • 仅包含 input_ids 的单个张量,以及其他任何内容:model(input_ids)
  • 长度可变的列表,包含一个或多个输入张量,以文档字符串中给出的顺序排列:model([input_ids, attention_mask])model([input_ids, attention_mask, token_type_ids])
  • 包含一个或多个输入张量,以及与文档字符串中给出的输入名称关联的字典:model({"input_ids": input_ids, "token_type_ids": token_type_ids})

请注意,在使用 子类化 创建模型和层时,您无需担心这些问题,因为您可以像对任何其他 Python 函数一样传递输入!

call

< >

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

参数

  • input_ids (torch.LongTensor of shape (batch_size, sequence_length)) — 输入序列令牌在词汇表中的索引。如果您提供填充,默认情况下将忽略填充。

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

    什么是输入 ID?

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

    • 1 表示未掩码的 token,
    • 0 表示掩码的 token。

    什么是注意力掩码?

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

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

    如果你想更改填充行为,你应该阅读 modeling_opt._prepare_decoder_attention_mask 并修改为你的需求。有关默认策略的更多信息,请参见 论文 中的图 1。

    • 1 表示头部未掩码
    • 0 表示头部掩码
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length)可选) — 位置嵌入中每个输入序列 token 的位置索引。在 [0, config.n_positions - 1] 范围内选择。

    什么是位置 ID?

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

    允许一种格式:

    • 长度为 config.n_layerstuple(tf.Tensor) 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)。这也称为传统缓存格式。

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

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

  • inputs_embeds (tf.Tensor 形状为 (batch_size, sequence_length, hidden_size)可选) — 可选地,而不是传递 input_ids,你可以选择直接传递嵌入式表示。如果你希望对如何将 input_ids 索引转换为关联向量有比模型内部嵌入查找矩阵更多的控制权,这很有用。
  • use_cache (bool可选) — 如果设置为 True,则返回 past_key_values 键值状态,可用于加速解码(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 而不是一个简单的元组。

    参数 — 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 中(参见 input_ids 文档字符串)。索引设置为 -100 的 token 将被忽略(掩码),损失仅针对标签在 [0, ..., config.vocab_size] 中的 token 计算。

The TFMistralForSequenceClassification forward method, overrides the __call__ special method.

虽然正向传递的配方需要在此函数内定义,但您应该随后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者则静默地忽略它们。

< > Update on GitHub