Transformers 文档
ModernBERT
并获得增强的文档体验
开始使用
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。
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
< 源码 >( 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
ModernBertModel
class transformers.ModernBertModel
< 源代码 >( 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
< 源代码 >( 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()。
- 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。
- 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。 - 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
< 源代码 >( 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
< 源代码 >( 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()。
- 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。
- 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。 - 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
< 源代码 >( 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
< 源代码 >( 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()。
- 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。
- 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]
。 - 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
< 来源 >( 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
< 来源 >( 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()。
- 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。
- 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]
。 - 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
< 来源 >( 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
< 来源 >( 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()。
- 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。
- 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]
。 - 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。