Hugging Face 的 LOGO

Transformers 文档

ModernBERT

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

PyTorch FlashAttention SDPA

ModernBERT

ModernBERT 是 BERT 的现代化版本，在 2T 词元上进行了训练。它为原始架构带来了许多改进，例如旋转位置嵌入以支持长达 8192 个词元的序列、unpadding 以避免在填充词元上浪费计算资源、GeGLU 层和交替注意力机制。

你可以在 ModernBERT 合集中找到所有原始的 ModernBERT 检查点。

点击右侧边栏中的 ModernBERT 模型，查看更多关于如何将 ModernBERT 应用于不同语言任务的示例。

下面的示例演示了如何使用 Pipeline、AutoModel 以及从命令行预测 [MASK] 词元。

流水线
自动模型
Transformers CLI
import torch
from transformers import pipeline

pipeline = pipeline(
    task="fill-mask",
    model="answerdotai/ModernBERT-base",
    torch_dtype=torch.float16,
    device=0
)
pipeline("Plants create [MASK] through a process known as photosynthesis.")

ModernBertConfig

class transformers.ModernBertConfig

< >

( vocab_size = 50368 hidden_size = 768 intermediate_size = 1152 num_hidden_layers = 22 num_attention_heads = 12 hidden_activation = 'gelu' max_position_embeddings = 8192 initializer_range = 0.02 initializer_cutoff_factor = 2.0 norm_eps = 1e-05 norm_bias = False pad_token_id = 50283 eos_token_id = 50282 bos_token_id = 50281 cls_token_id = 50281 sep_token_id = 50282 global_rope_theta = 160000.0 attention_bias = False attention_dropout = 0.0 global_attn_every_n_layers = 3 local_attention = 128 local_rope_theta = 10000.0 embedding_dropout = 0.0 mlp_bias = False mlp_dropout = 0.0 decoder_bias = True classifier_pooling: typing.Literal['cls', 'mean'] = 'cls' classifier_dropout = 0.0 classifier_bias = False classifier_activation = 'gelu' deterministic_flash_attn = False sparse_prediction = False sparse_pred_ignore_index = -100 reference_compile = None repad_logits_with_grad = False **kwargs )

参数

  • vocab_size (int, 可选, 默认为 50368) — ModernBert 模型的词汇表大小。定义了在调用 ModernBertModel 时传入的 inputs_ids 可以表示的不同词元的数量。
  • hidden_size (int, 可选, 默认为 768) — 隐藏表示的维度。
  • intermediate_size (int, 可选, 默认为 1152) — MLP 表示的维度。
  • num_hidden_layers (int, 可选, 默认为 22) — Transformer 解码器中的隐藏层数量。
  • num_attention_heads (int, 可选, 默认为 12) — Transformer 解码器中每个注意力层的注意力头数量。
  • hidden_activation (str 或 function, 可选, 默认为 "gelu") — 解码器中的非线性激活函数（函数或字符串）。如果未指定，将默认为 "gelu"。
  • max_position_embeddings (int, 可选, 默认为 8192) — 该模型可能使用的最大序列长度。
  • initializer_range (float, 可选, 默认为 0.02) — 用于初始化所有权重矩阵的 truncated_normal_initializer 的标准差。
  • initializer_cutoff_factor (float, 可选, 默认为 2.0) — 用于初始化所有权重矩阵的 truncated_normal_initializer 的截断因子。
  • norm_eps (float, 可选, 默认为 1e-05) — rms 归一化层使用的 epsilon 值。
  • norm_bias (bool, 可选, 默认为 False) — 是否在归一化层中使用偏置。
  • pad_token_id (int, 可选, 默认为 50283) — 填充词元的 ID。
  • eos_token_id (int, 可选, 默认为 50282) — 序列结束词元的 ID。
  • bos_token_id (int, 可选, 默认为 50281) — 序列开始词元的 ID。
  • cls_token_id (int, 可选, 默认为 50281) — 分类词元的 ID。
  • sep_token_id (int, 可选, 默认为 50282) — 分隔词元的 ID。
  • global_rope_theta (float, 可选, 默认为 160000.0) — 全局 RoPE 嵌入的基期。
  • attention_bias (bool, 可选, 默认为 False) — 是否在自注意力机制的 query、key、value 和输出投影层中使用偏置。
  • attention_dropout (float, 可选, 默认为 0.0) — 注意力概率的 dropout 比率。
  • global_attn_every_n_layers (int, 可选, 默认为 3) — 全局注意力层之间的层数。
  • local_attention (int, 可选, 默认为 128) — 局部注意力的窗口大小。
  • local_rope_theta (float, 可选, 默认为 10000.0) — 局部 RoPE 嵌入的基期。
  • embedding_dropout (float, 可选, 默认为 0.0) — 嵌入的 dropout 比率。
  • mlp_bias (bool, 可选, 默认为 False) — 是否在 MLP 层中使用偏置。
  • mlp_dropout (float, 可选, 默认为 0.0) — MLP 层的 dropout 比率。
  • decoder_bias (bool, 可选, 默认为 True) — 是否在解码器层中使用偏置。
  • classifier_pooling (str, 可选, 默认为 "cls") — 分类器的池化方法。应为 "cls" 或 "mean"。在局部注意力层中，CLS 词元在长序列中不关注所有词元。
  • classifier_dropout (float, 可选, 默认为 0.0) — 分类器的 dropout 比率。
  • classifier_bias (bool, 可选, 默认为 False) — 是否在分类器中使用偏置。
  • classifier_activation (str, 可选, 默认为 "gelu") — 分类器的激活函数。
  • deterministic_flash_attn (bool, 可选, 默认为 False) — 是否使用确定性的 flash attention。如果为 False，推理速度会更快，但不是确定性的。
  • sparse_prediction (bool, 可选, 默认为 False) — 是否对掩码语言模型使用稀疏预测，而不是返回完整的密集 logits。
  • sparse_pred_ignore_index (int, 可选, 默认为 -100) — 稀疏预测中要忽略的索引。
  • reference_compile (bool, 可选) — 是否编译在预训练期间已编译的模型层。如果为 None，则在以下情况下会编译模型的某些部分：1) 安装了 triton，2) 模型不在 MPS 上，3) 模型不在设备间共享，以及 4) 初始化后模型未调整大小。如果为 True，则在某些情况下模型可能会更快。
  • repad_logits_with_grad (bool, 可选, 默认为 False) — 当为 True 时，ModernBertForMaskedLM 在重新填充输出时会跟踪 logits 的梯度。这仅适用于使用带有传递标签的 Flash Attention 2。否则输出 logits 始终具有梯度。

这是用于存储 ModernBertModel 配置的配置类。它用于根据指定的参数实例化 ModernBert 模型，定义模型架构。使用默认值实例化配置将产生与 ModernBERT-base 类似的配置。例如 answerdotai/ModernBERT-base

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。

示例

>>> from transformers import ModernBertModel, ModernBertConfig

>>> # Initializing a ModernBert style configuration
>>> configuration = ModernBertConfig()

>>> # Initializing a model from the modernbert-base style configuration
>>> model = ModernBertModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config
Pytorch
隐藏 Pytorch 内容

ModernBertModel

class transformers.ModernBertModel

< >

( config: ModernBertConfig )

参数

  • config (ModernBertConfig) — 包含模型所有参数的模型配置类。使用配置文件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() 方法以加载模型权重。

一个基础的 Modernbert 模型，输出原始的隐藏状态，顶部没有任何特定的模型头。

该模型继承自 PreTrainedModel。有关该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），请查看超类文档。

该模型也是 PyTorch torch.nn.Module 的子类。可将其用作常规的 PyTorch 模块，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.Tensor] = None sliding_window_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.LongTensor] = None inputs_embeds: typing.Optional[torch.Tensor] = None indices: typing.Optional[torch.Tensor] = None cu_seqlens: typing.Optional[torch.Tensor] = None max_seqlen: typing.Optional[int] = None batch_size: typing.Optional[int] = None seq_len: typing.Optional[int] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None ) → transformers.modeling_outputs.BaseModelOutput 或 tuple(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。默认情况下将忽略填充。

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

    什么是输入 ID？

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

    • 1 表示**未被屏蔽**的词元，
    • 0 表示**被屏蔽**的词元。

    什么是注意力掩码？

  • sliding_window_mask (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 用于避免在填充或远距离词元上执行注意力的掩码。在 ModernBert 中，只有少数几层执行全局注意力，而其余层执行局部注意力。当不使用 Flash Attention 时，此掩码用于避免在局部注意力层中关注远距离的词元。
  • 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.Tensor，形状为 (batch_size, sequence_length, hidden_size)，可选) — 可选地，你可以不传递 input_ids，而是直接传递嵌入表示。如果你想比模型的内部嵌入查找矩阵更好地控制如何将 input_ids 索引转换为关联向量，这会很有用。
  • indices (torch.Tensor，形状为 (total_unpadded_tokens,)，可选) — 输入序列中非填充词元的索引。用于对输出进行解填充。
  • cu_seqlens (torch.Tensor，形状为 (batch + 1,)，可选) — 输入序列的累积序列长度。用于索引未填充的张量。
  • max_seqlen (int, 可选) — 批次中不包括填充词元的最大序列长度。用于对 input_ids 进行解填充并对输出张量进行填充。
  • batch_size (int, 可选) — 输入序列的批次大小。用于填充输出张量。
  • seq_len (int, 可选) — 输入序列的序列长度，包括填充词元。用于填充输出张量。
  • 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) — 是否返回一个 ModelOutput 而不是一个普通的元组。

返回

transformers.modeling_outputs.BaseModelOutput 或 tuple(torch.FloatTensor)

一个 transformers.modeling_outputs.BaseModelOutput 或一个 torch.FloatTensor 元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），根据配置 (ModernBertConfig) 和输入包含不同的元素。

  • 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。

  • 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，则一个是嵌入层的输出，+ 每个层的输出一个)，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。

ModernBertModel 的前向传播方法，重写了 __call__ 特殊方法。

尽管前向传播的配方需要在此函数内定义，但之后应调用 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。

ModernBertForMaskedLM

class transformers.ModernBertForMaskedLM

< >

( config: ModernBertConfig )

参数

  • config (ModernBertConfig) — 包含模型所有参数的模型配置类。使用配置文件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() 方法以加载模型权重。

带有解码器头的 ModernBert 模型，用于掩码语言建模。

该模型继承自 PreTrainedModel。有关该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），请查看超类文档。

该模型也是 PyTorch torch.nn.Module 的子类。可将其用作常规的 PyTorch 模块，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.Tensor] = None sliding_window_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.Tensor] = None inputs_embeds: typing.Optional[torch.Tensor] = None labels: typing.Optional[torch.Tensor] = None indices: typing.Optional[torch.Tensor] = None cu_seqlens: typing.Optional[torch.Tensor] = None max_seqlen: typing.Optional[int] = None batch_size: typing.Optional[int] = None seq_len: typing.Optional[int] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None **kwargs ) → transformers.modeling_outputs.MaskedLMOutput 或 tuple(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。默认情况下将忽略填充。

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

    什么是输入 ID？

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

    • 1 表示**未被屏蔽**的词元，
    • 0 表示**被屏蔽**的词元。

    什么是注意力掩码？

  • sliding_window_mask (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 用于避免在填充或远距离词元上执行注意力的掩码。在 ModernBert 中，只有少数几层执行全局注意力，而其余层执行局部注意力。当不使用 Flash Attention 时，此掩码用于避免在局部注意力层中关注远距离的词元。
  • position_ids (torch.Tensor，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.Tensor，形状为 (batch_size, sequence_length, hidden_size)，可选) — 可选地，你可以不传递 input_ids，而是直接传递嵌入表示。如果你想比模型的内部嵌入查找矩阵更好地控制如何将 input_ids 索引转换为关联向量，这会很有用。
  • labels (torch.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 (请参阅 input_ids 文档字符串)。设置为 -100 的词元索引将被忽略 (屏蔽)，损失仅针对标签在 [0, ..., config.vocab_size] 中的词元计算。
  • indices (torch.Tensor，形状为 (total_unpadded_tokens,)，可选) — 输入序列中非填充词元的索引。用于对输出进行解填充。
  • cu_seqlens (torch.Tensor，形状为 (batch + 1,)，可选) — 输入序列的累积序列长度。用于索引未填充的张量。
  • max_seqlen (int, 可选) — 批次中不包括填充词元的最大序列长度。用于对 input_ids 进行解填充并对输出张量进行填充。
  • batch_size (int, 可选) — 输入序列的批次大小。用于填充输出张量。
  • seq_len (int, 可选) — 输入序列的序列长度，包括填充词元。用于填充输出张量。
  • 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) — 是否返回一个 ModelOutput 而不是一个普通的元组。

返回

transformers.modeling_outputs.MaskedLMOutput 或 tuple(torch.FloatTensor)

一个 transformers.modeling_outputs.MaskedLMOutput 或一个 torch.FloatTensor 元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），根据配置 (ModernBertConfig) 和输入包含不同的元素。

  • loss (形状为 (1,) 的 torch.FloatTensor，可选，当提供 labels 时返回) — 掩码语言建模 (MLM) 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）。

  • 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，则一个是嵌入层的输出，+ 每个层的输出一个)，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。

ModernBertForMaskedLM 的前向传播方法，重写了 __call__ 特殊方法。

尽管前向传播的配方需要在此函数内定义，但之后应调用 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, ModernBertForMaskedLM
>>> import torch

>>> tokenizer = AutoTokenizer.from_pretrained("answerdotai/ModernBERT-base")
>>> model = ModernBertForMaskedLM.from_pretrained("answerdotai/ModernBERT-base")

>>> inputs = tokenizer("The capital of France is <mask>.", return_tensors="pt")

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

>>> # retrieve index of <mask>
>>> mask_token_index = (inputs.input_ids == tokenizer.mask_token_id)[0].nonzero(as_tuple=True)[0]

>>> predicted_token_id = logits[0, mask_token_index].argmax(axis=-1)
>>> tokenizer.decode(predicted_token_id)
...

>>> labels = tokenizer("The capital of France is Paris.", return_tensors="pt")["input_ids"]
>>> # mask labels of non-<mask> tokens
>>> labels = torch.where(inputs.input_ids == tokenizer.mask_token_id, labels, -100)

>>> outputs = model(**inputs, labels=labels)
>>> round(outputs.loss.item(), 2)
...

ModernBertForSequenceClassification

class transformers.ModernBertForSequenceClassification

< >

( config: ModernBertConfig )

参数

  • config (ModernBertConfig) — 包含模型所有参数的模型配置类。使用配置文件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() 方法以加载模型权重。

带有执行池化操作的序列分类头的 ModernBert 模型。

该模型继承自 PreTrainedModel。有关该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），请查看超类文档。

该模型也是 PyTorch torch.nn.Module 的子类。可将其用作常规的 PyTorch 模块，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.Tensor] = None sliding_window_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.Tensor] = None inputs_embeds: typing.Optional[torch.Tensor] = None labels: typing.Optional[torch.Tensor] = None indices: typing.Optional[torch.Tensor] = None cu_seqlens: typing.Optional[torch.Tensor] = None max_seqlen: typing.Optional[int] = None batch_size: typing.Optional[int] = None seq_len: typing.Optional[int] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None **kwargs ) → transformers.modeling_outputs.SequenceClassifierOutput 或 tuple(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。默认情况下将忽略填充。

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

    什么是输入 ID？

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

    • 1 表示**未被屏蔽**的词元，
    • 0 表示**被屏蔽**的词元。

    什么是注意力掩码？

  • sliding_window_mask (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 用于避免对填充或远距离标记执行注意力的掩码。在 ModernBert 中，只有少数层执行全局注意力，其余层执行局部注意力。当不使用 Flash Attention 时，此掩码用于避免在局部注意力层中关注远距离的标记。
  • position_ids (torch.Tensor，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？

  • inputs_embeds (torch.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 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 索引转换为关联向量，这会很有用。
  • 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] 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）。
  • indices (torch.Tensor，形状为 (total_unpadded_tokens,)，可选) — 输入序列中非填充标记的索引。用于对输出进行去填充。
  • cu_seqlens (torch.Tensor，形状为 (batch + 1,)，可选) — 输入序列的累积序列长度。用于索引未填充的张量。
  • max_seqlen (int，可选) — 批次中不包括填充标记的最大序列长度。用于对 input_ids 进行去填充和对输出张量进行填充。
  • batch_size (int，可选) — 输入序列的批次大小。用于填充输出张量。
  • seq_len (int，可选) — 包括填充标记在内的输入序列的序列长度。用于填充输出张量。
  • 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) — 是否返回一个 ModelOutput 而不是一个普通的元组。

返回

transformers.modeling_outputs.SequenceClassifierOutput 或 tuple(torch.FloatTensor)

一个 transformers.modeling_outputs.SequenceClassifierOutput 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 (ModernBertConfig) 和输入包含不同的元素。

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

  • 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，则一个是嵌入层的输出，+ 每个层的输出一个)，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。

ModernBertForSequenceClassification 的 forward 方法会覆盖 __call__ 特殊方法。

尽管前向传播的配方需要在此函数内定义，但之后应调用 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, ModernBertForSequenceClassification

>>> tokenizer = AutoTokenizer.from_pretrained("answerdotai/ModernBERT-base")
>>> model = ModernBertForSequenceClassification.from_pretrained("answerdotai/ModernBERT-base")

>>> 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 = ModernBertForSequenceClassification.from_pretrained("answerdotai/ModernBERT-base", 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, ModernBertForSequenceClassification

>>> tokenizer = AutoTokenizer.from_pretrained("answerdotai/ModernBERT-base")
>>> model = ModernBertForSequenceClassification.from_pretrained("answerdotai/ModernBERT-base", 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 = ModernBertForSequenceClassification.from_pretrained(
...     "answerdotai/ModernBERT-base", 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

ModernBertForTokenClassification

class transformers.ModernBertForTokenClassification

< >

( config: ModernBertConfig )

参数

  • config (ModernBertConfig) — 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相关的权重，仅加载配置。请查看 from_pretrained() 方法来加载模型权重。

带有词元分类头的 ModernBert 模型，例如用于命名实体识别（NER）任务。

该模型继承自 PreTrainedModel。有关该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），请查看超类文档。

该模型也是 PyTorch torch.nn.Module 的子类。可将其用作常规的 PyTorch 模块，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.Tensor] = None sliding_window_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.Tensor] = None inputs_embeds: typing.Optional[torch.Tensor] = None labels: typing.Optional[torch.Tensor] = None indices: typing.Optional[torch.Tensor] = None cu_seqlens: typing.Optional[torch.Tensor] = None max_seqlen: typing.Optional[int] = None batch_size: typing.Optional[int] = None seq_len: typing.Optional[int] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None ) → transformers.modeling_outputs.TokenClassifierOutput 或 tuple(torch.FloatTensor)

参数

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

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

    什么是输入 ID？

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

    • 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？

  • sliding_window_mask (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 用于避免对填充或远距离标记执行注意力的掩码。在 ModernBert 中，只有少数层执行全局注意力，其余层执行局部注意力。当不使用 Flash Attention 时，此掩码用于避免在局部注意力层中关注远距离的标记。
  • position_ids (torch.Tensor，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？

  • inputs_embeds (torch.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 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 索引转换为关联向量，这会很有用。
  • labels (torch.LongTensor，形状为 (batch_size, sequence_length)，可选) — 用于计算词元分类损失的标签。索引应在 [0, ..., config.num_labels - 1] 范围内。
  • indices (torch.Tensor，形状为 (total_unpadded_tokens,)，可选) — 输入序列中非填充标记的索引。用于对输出进行去填充。
  • cu_seqlens (torch.Tensor，形状为 (batch + 1,)，可选) — 输入序列的累积序列长度。用于索引未填充的张量。
  • max_seqlen (int，可选) — 批次中不包括填充标记的最大序列长度。用于对 input_ids 进行去填充和对输出张量进行填充。
  • batch_size (int，可选) — 输入序列的批次大小。用于填充输出张量。
  • seq_len (int，可选) — 包括填充标记在内的输入序列的序列长度。用于填充输出张量。
  • 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) — 是否返回一个 ModelOutput 而不是一个普通的元组。

返回

transformers.modeling_outputs.TokenClassifierOutput 或 tuple(torch.FloatTensor)

一个 transformers.modeling_outputs.TokenClassifierOutput 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 (ModernBertConfig) 和输入包含不同的元素。

  • loss (形状为 (1,) 的 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) 的 torch.FloatTensor) — 分类分数（SoftMax 之前）。

  • 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，则一个是嵌入层的输出，+ 每个层的输出一个)，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。

ModernBertForTokenClassification 的 forward 方法会覆盖 __call__ 特殊方法。

尽管前向传播的配方需要在此函数内定义，但之后应调用 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, ModernBertForTokenClassification
>>> import torch

>>> tokenizer = AutoTokenizer.from_pretrained("answerdotai/ModernBERT-base")
>>> model = ModernBertForTokenClassification.from_pretrained("answerdotai/ModernBERT-base")

>>> 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)
...

ModernBertForQuestionAnswering

class transformers.ModernBertForQuestionAnswering

< >

( config: ModernBertConfig )

参数

  • config (ModernBertConfig) — 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相关的权重，仅加载配置。请查看 from_pretrained() 方法来加载模型权重。

带有片段分类头的 Modernbert transformer，用于抽取式问答任务，如 SQuAD（在隐藏状态输出之上有一个线性层，用于计算 span start logits 和 span end logits）。

该模型继承自 PreTrainedModel。有关该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），请查看超类文档。

该模型也是 PyTorch torch.nn.Module 的子类。可将其用作常规的 PyTorch 模块，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.Tensor] attention_mask: typing.Optional[torch.Tensor] = None sliding_window_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.Tensor] = None start_positions: typing.Optional[torch.Tensor] = None end_positions: typing.Optional[torch.Tensor] = None indices: typing.Optional[torch.Tensor] = None cu_seqlens: typing.Optional[torch.Tensor] = None max_seqlen: typing.Optional[int] = None batch_size: typing.Optional[int] = None seq_len: typing.Optional[int] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None **kwargs ) → transformers.modeling_outputs.QuestionAnsweringModelOutput 或 tuple(torch.FloatTensor)

参数

  • input_ids (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 词汇表中输入序列标记的索引。默认情况下，将忽略填充。

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

    什么是输入 ID？

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

    • 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？

  • sliding_window_mask (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 用于避免对填充或远距离标记执行注意力的掩码。在 ModernBert 中，只有少数层执行全局注意力，其余层执行局部注意力。当不使用 Flash Attention 时，此掩码用于避免在局部注意力层中关注远距离的标记。
  • position_ids (torch.Tensor，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？

  • start_positions (torch.Tensor，形状为 (batch_size,)，可选) — 用于计算词元分类损失的标记片段开始位置（索引）的标签。位置被限制在序列长度（sequence_length）内。序列之外的位置在计算损失时不予考虑。
  • end_positions (torch.Tensor，形状为 (batch_size,)，可选) — 用于计算词元分类损失的标记片段结束位置（索引）的标签。位置被限制在序列长度（sequence_length）内。序列之外的位置在计算损失时不予考虑。
  • indices (torch.Tensor，形状为 (total_unpadded_tokens,)，可选) — 输入序列中非填充标记的索引。用于对输出进行去填充。
  • cu_seqlens (torch.Tensor，形状为 (batch + 1,)，可选) — 输入序列的累积序列长度。用于索引未填充的张量。
  • max_seqlen (int，可选) — 批次中不包括填充标记的最大序列长度。用于对 input_ids 进行去填充和对输出张量进行填充。
  • batch_size (int，可选) — 输入序列的批次大小。用于填充输出张量。
  • seq_len (int，可选) — 包括填充标记在内的输入序列的序列长度。用于填充输出张量。
  • 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) — 是否返回一个 ModelOutput 而不是一个普通的元组。

返回

transformers.modeling_outputs.QuestionAnsweringModelOutput 或 tuple(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 (ModernBertConfig) 和输入包含不同的元素。

  • 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，则一个是嵌入层的输出，+ 每个层的输出一个)，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。

ModernBertForQuestionAnswering 的 forward 方法会覆盖 __call__ 特殊方法。

尽管前向传播的配方需要在此函数内定义，但之后应调用 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, ModernBertForQuestionAnswering
>>> import torch

>>> tokenizer = AutoTokenizer.from_pretrained("answerdotai/ModernBERT-base")
>>> model = ModernBertForQuestionAnswering.from_pretrained("answerdotai/ModernBERT-base")

>>> 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)
...

使用技巧

可以使用 HuggingFace Transformers 库及其用于问答任务的官方脚本对 ModernBert 模型进行微调。

< > 在 GitHub 上更新

←MobileBERT MPNet→
© . This site is unofficial and not affiliated with Hugging Face, Inc.