Transformers 文档
ModernBERT Decoder
并获得增强的文档体验
开始使用
该模型于 2024 年 12 月 18 日在 HF 论文中发布，并于 2025 年 7 月 15 日贡献给 Hugging Face Transformers。
ModernBERT Decoder
ModernBERT Decoder 具有与 ModernBERT 相同的架构，但它是根据 Ettin 论文中的因果语言建模目标从头开始训练的。这使得可以使用相同的架构来比较编码器和解码器。该模型是 ModernBERT 的解码器架构实现，专为自回归文本生成任务而设计。
ModernBERT Decoder 使用滑动窗口注意力机制和旋转位置嵌入，以提高效率并处理更长的序列。
你可以在 jhu-clsp 集合下找到所有原始的 ModernBERT Decoder 检查点。
该模型由 orionw 贡献。
点击右侧边栏中的 ModernBERT Decoder 模型，查看关于如何将 ModernBERT Decoder 应用于不同文本生成任务的更多示例。
以下示例演示了如何使用 Pipeline、AutoModel（含或不含量化）以及命令行来使用 ModernBERT Decoder 进行文本生成。
from transformers import pipeline
generator = pipeline(
task="text-generation",
model="jhu-clsp/ettin-decoder-17m",
device=0
)
generator("The future of artificial intelligence is", max_length=50, num_return_sequences=1)
# For sequence classification
classifier = pipeline(
task="text-classification",
model="jhu-clsp/ettin-decoder-17m",
device=0
)
classifier("This movie is really great!")ModernBertDecoderConfig
class transformers.ModernBertDecoderConfig
< 源代码 >( transformers_version: str | None = None architectures: list[str] | None = None output_hidden_states: bool | None = False return_dict: bool | None = True dtype: typing.Union[str, ForwardRef('torch.dtype'), NoneType] = None chunk_size_feed_forward: int = 0 is_encoder_decoder: bool = False id2label: dict[int, str] | dict[str, str] | None = None label2id: dict[str, int] | dict[str, str] | None = None problem_type: typing.Optional[typing.Literal['regression', 'single_label_classification', 'multi_label_classification']] = None vocab_size: int = 50368 hidden_size: int = 768 intermediate_size: int = 1152 num_hidden_layers: int = 22 num_attention_heads: int = 12 hidden_activation: str = 'gelu' max_position_embeddings: int = 8192 initializer_range: float = 0.02 initializer_cutoff_factor: float = 2.0 norm_eps: float = 1e-05 norm_bias: bool = False pad_token_id: int = 50283 eos_token_id: int | list[int] | None = 50282 bos_token_id: int = 50281 cls_token_id: int = 50281 sep_token_id: int = 50282 attention_bias: bool = False attention_dropout: float | int = 0.0 embedding_dropout: float | int = 0.0 mlp_bias: bool = False mlp_dropout: float | int = 0.0 decoder_bias: bool = True classifier_dropout: float | int = 0.0 classifier_bias: bool = False classifier_activation: str = 'gelu' use_cache: bool = True local_attention: int | None = 128 layer_types: list[str] | None = None tie_word_embeddings: bool = True rope_parameters: dict[typing.Literal['full_attention', 'sliding_attention'], dict] | None = None )
参数
- vocab_size (
int, 可选, 默认值为50368) — 模型的词汇表大小。定义了input_ids可以表示的不同 token 的数量。 - hidden_size (
int, 可选, 默认值为768) — 隐藏状态表示的维度。 - intermediate_size (
int, 可选, 默认值为1152) — MLP 表示的维度。 - num_hidden_layers (
int, 可选, 默认值为22) — Transformer 解码器中的隐藏层数量。 - num_attention_heads (
int, 可选, 默认值为12) — Transformer 解码器中每个注意力层的注意力头数量。 - hidden_activation (
str, 可选, 默认值为gelu) — 解码器中的非线性激活函数（函数或字符串）。例如："gelu"、"relu"、"silu"等。 - max_position_embeddings (
int, 可选, 默认值为8192) — 此模型可能使用的最大序列长度。 - initializer_range (
float, 可选, 默认值为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, 默认值为 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, 默认值为 1e-05) — RMS 归一化层使用的 epsilon 值。 - norm_bias (
bool, 可选, 默认值为False) — 是否在归一化层中使用偏置（bias）。 - pad_token_id (
int, 可选, 默认值为50283) — 词汇表中用于填充（padding）的 token ID。 - eos_token_id (
Union[int, list[int]], 可选, 默认值为50282) — 词汇表中用于流结束（end-of-stream）的 token ID。 - bos_token_id (
int, 可选, 默认值为50281) — 词汇表中用于流开始（beginning-of-stream）的 token ID。 - cls_token_id (
int, 可选, 默认值为50281) — 词汇表中用于 CLS 的 token ID。 - sep_token_id (
int, 可选, 默认值为50282) — 词汇表中用于分隔符（separator）的 token ID。 - attention_bias (
bool, 可选, 默认值为False) — 在自注意力机制期间，是否在查询（query）、键（key）、值（value）和输出投影层中使用偏置。 - attention_dropout (
Union[float, int], 可选, 默认值为0.0) — 注意力概率的丢弃（dropout）比例。 - embedding_dropout (
Union[float, int], 可选, 默认值为0.0) — 嵌入层（embeddings）的丢弃比例。 - mlp_bias (
bool, 可选, 默认值为False) — 是否在 MLP 层中的 up_proj、down_proj 和 gate_proj 层中使用偏置。 - mlp_dropout (
float, 可选, 默认值为 0.0) — MLP 层的丢弃比例。 - decoder_bias (
bool, 可选, 默认值为True) — 是否在解码器层中使用偏置。 - classifier_dropout (
Union[float, int], 可选, 默认值为0.0) — 分类器的丢弃比例。 - classifier_bias (
bool, 可选, 默认值为False) — 是否在分类器中使用偏置。 - classifier_activation (
str, 可选, 默认值为"gelu") — 分类器的激活函数。 - use_cache (
bool, 可选, 默认值为True) — 模型是否应该返回最后的键/值注意力（并非所有模型都使用）。仅在config.is_decoder=True或模型是仅解码器的生成模型时相关。 - local_attention (
int, 可选, 默认值为 128) — 本地注意力的滑动窗口大小。仅用于使用本地注意力的层。注意，为了让解码器与 ModernBERT 匹配，这实际上是滑动窗口大小的一半，因此 128 => 64。 - layer_types (
list[str], 可选) — 明确将每个层索引映射到其层类型的列表。如果不提供，它将根据配置值自动生成。 - tie_word_embeddings (
bool, 可选, 默认值为True) — 是否根据模型的tied_weights_keys映射来绑定权重嵌入。 - rope_parameters (
dict[Literal[full_attention, sliding_attention], dict], 可选) — 包含 RoPE 嵌入配置参数的字典。该字典应包含rope_theta的值，以及（可选）在你希望使用带有更长max_position_embeddings的 RoPE 时用于缩放的参数。
这是用于存储 Modernbert DecoderModel 配置的配置类。它根据指定的参数实例化一个 Modernbert Decoder 模型，从而定义模型架构。使用默认值实例化配置将产生类似于 blab-jhu/test-32m-dec 的配置。
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。
示例
>>> from transformers import ModernBertDecoderModel, ModernBertDecoderConfig
>>> # Initializing a ModernBert decoder style configuration
>>> configuration = ModernBertDecoderConfig()
>>> # Initializing a model from the modernbert-base decoder style configuration
>>> model = ModernBertDecoderModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.configModernBertDecoderModel
class transformers.ModernBertDecoderModel
< 源代码 >( config: ModernBertDecoderConfig )
参数
- config (ModernBertDecoderConfig) — 具有模型所有参数的模型配置类。使用配置文件初始化并不会加载与模型关联的权重，仅加载配置。查看 from_pretrained() 方法以加载模型权重。
裸的 Modernbert Decoder 模型，输出原始隐藏状态，顶部没有任何特定的头。
该模型继承自 PreTrainedModel。请查看超类文档以了解该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、剪枝头部等）。
此模型也是一个 PyTorch torch.nn.Module 子类。像普通的 PyTorch Module 一样使用它，并参考 PyTorch 文档了解一般用法和行为的所有相关信息。
forward
< 源代码 >( input_ids: torch.LongTensor | None = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.Tensor | None = None use_cache: bool | None = None **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → BaseModelOutputWithPast 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 token 的索引。默认情况下，填充（padding）将被忽略。索引可以使用 AutoTokenizer 获取。详情请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor，形状为(batch_size, sequence_length)，可选) — 用于避免对填充 token 索引执行注意力操作的掩码。掩码值选自[0, 1]：- 1 表示未掩码的 token，
- 0 表示掩码的 token。
- 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。选自范围[0, config.n_positions - 1]。 - past_key_values (
~cache_utils.Cache, 可选) — 可用于加速顺序解码的预计算隐藏状态（自注意力块和交叉注意力块中的键和值）。这通常包括当use_cache=True或config.use_cache=True时，模型在解码的先前阶段返回的past_key_values。仅允许使用 Cache 实例作为输入，请参阅我们的 kv 缓存指南。如果未传递
past_key_values，默认将初始化 DynamicCache。模型将输出与作为输入馈送的格式相同的缓存。
如果使用
past_key_values，用户应仅输入形状为(batch_size, unprocessed_length)的未处理input_ids（即那些没有将其过去键值状态提供给此模型的input_ids），而不是形状为(batch_size, sequence_length)的所有input_ids。 - 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，而不是传递input_ids。如果你想比模型内部的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，这非常有用。 - 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）。
返回
BaseModelOutputWithPast 或 tuple(torch.FloatTensor)
BaseModelOutputWithPast 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或 config.return_dict=False），具体取决于配置（ModernBertDecoderConfig）和输入，包含各种元素。
ModernBertDecoderModel 的前向传播方法，覆盖了 __call__ 特殊方法。
虽然 forward pass 的实现需要在此函数中定义，但你应该在之后调用
Module实例而不是这个，因为前者负责运行预处理和后处理步骤，而后者会静默地忽略它们。
last_hidden_state (
torch.FloatTensor, 形状为(batch_size, sequence_length, hidden_size)) — 模型最后一层输出的隐藏状态序列。如果使用了
past_key_values，则只输出形状为(batch_size, 1, hidden_size)的序列的最后一个隐藏状态。past_key_values (
Cache，*可选*，当传入use_cache=True或config.use_cache=True时返回) — 这是一个 Cache 实例。欲了解更多细节，请参阅我们的 KV 缓存指南。Contains pre-computed hidden-states (key and values in the self-attention blocks and optionally if
config.is_encoder_decoder=Truein the cross-attention blocks) that can be used (seepast_key_valuesinput) to speed up sequential decoding.hidden_states (
tuple(torch.FloatTensor), optional, 当传递output_hidden_states=True或当config.output_hidden_states=True时返回) —torch.FloatTensor的元组（一个用于嵌入层的输出，如果模型有嵌入层；+一个用于每个层的输出），形状为(batch_size, sequence_length, hidden_size)。模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
attentions (
tuple(torch.FloatTensor), optional, 当传递output_attentions=True或当config.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 后的注意力权重，用于计算自注意力头中的加权平均值。
ModernBertDecoderForCausalLM
class transformers.ModernBertDecoderForCausalLM
< 源代码 >( config: ModernBertDecoderConfig )
参数
- config (ModernBertDecoderConfig) — 具有模型所有参数的模型配置类。使用配置文件初始化并不会加载与模型关联的权重，仅加载配置。查看 from_pretrained() 方法以加载模型权重。
顶部带有语言建模头的 ModernBert Decoder 模型，用于因果语言建模（CLM）。
该模型继承自 PreTrainedModel。请查看超类文档以了解该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、剪枝头部等）。
此模型也是一个 PyTorch torch.nn.Module 子类。像普通的 PyTorch Module 一样使用它，并参考 PyTorch 文档了解一般用法和行为的所有相关信息。
forward
< 源代码 >( input_ids: torch.LongTensor | None = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.Tensor | None = None labels: torch.LongTensor | None = None use_cache: bool | None = None logits_to_keep: int | torch.Tensor = 0 **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] )
参数
- input_ids (
torch.LongTensor，形状为(batch_size, sequence_length)，可选) — 词汇表中输入序列 token 的索引。默认情况下，填充（padding）将被忽略。索引可以使用 AutoTokenizer 获取。详情请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor，形状为(batch_size, sequence_length)，可选) — 用于避免对填充 token 索引执行注意力操作的掩码。掩码值选自[0, 1]：- 1 表示未掩码的 token，
- 0 表示掩码的 token。
- 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。在范围[0, config.n_positions - 1]中选择。 - past_key_values (
~cache_utils.Cache，可选) — 预计算的隐藏状态（自注意力模块和交叉注意力模块中的键和值），可用于加速序列解码。这通常包含模型在解码的上一阶段返回的past_key_values，此时需设置use_cache=True或config.use_cache=True。仅允许使用 Cache 实例作为输入，请参阅我们的 kv cache 指南。如果未传入
past_key_values，则默认初始化 DynamicCache。模型将输出与输入格式相同的缓存。
如果使用了
past_key_values，用户只需输入未处理的input_ids（即其键值状态尚未提供给模型的那些 input_ids），其形状应为(batch_size, unprocessed_length)，而非形状为(batch_size, sequence_length)的所有input_ids。 - 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，而不是传递input_ids。如果你想比模型内部的嵌入查找矩阵更精细地控制如何将input_ids索引转换为关联向量，这非常有用。 - 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。索引应在[0, ..., config.vocab_size]范围内或为 -100（参见input_ids文档字符串）。索引设置为-100的 token 将被忽略（掩码处理），损失仅对标签在[0, ..., config.vocab_size]范围内的 token 计算。 - 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）。 - logits_to_keep (
Union[int, torch.Tensor]，可选，默认为0) — 如果为int，则计算最后logits_to_keep个 token 的 logits。如果为0，则计算所有input_ids的 logits（特殊情况）。生成时仅需要最后一个 token 的 logits，仅为该 token 计算 logits 可以节省内存，这对于长序列或大词表规模的情况非常显著。如果为torch.Tensor，则必须是对应于要在序列长度维度中保留的索引的一维张量。这在使用打包张量格式（batch 和 sequence length 单一维度）时非常有用。
ModernBertDecoderForCausalLM 的 forward 方法，重写了 __call__ 特殊方法。
虽然 forward pass 的实现需要在此函数中定义，但你应该在之后调用
Module实例而不是这个，因为前者负责运行预处理和后处理步骤，而后者会静默地忽略它们。
示例
>>> from transformers import AutoTokenizer, ModernBertDecoderForCausalLM
>>> model = ModernBertDecoderForCausalLM.from_pretrained("blab-jhu/test-32m-dec")
>>> tokenizer = AutoTokenizer.from_pretrained("blab-jhu/test-32m-dec")
>>> prompt = "The capital of France is"
>>> inputs = tokenizer(prompt, return_tensors="pt")
>>> # Generate
>>> generate_ids = model.generate(inputs.input_ids, max_length=1)
>>> tokenizer.batch_decode(generate_ids, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]
"The capital of France is Paris"ModernBertDecoderForSequenceClassification
class transformers.ModernBertDecoderForSequenceClassification
< 源代码 >( config: ModernBertDecoderConfig )
参数
- config (ModernBertDecoderConfig) — 包含模型所有参数的模型配置类。使用配置文件初始化模型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（线性层）的 ModernBert 解码器模型。
ModernBertDecoderForSequenceClassification 使用最后一个 token 进行分类，与其他因果模型（如 GPT-1, GPT-2）一致。
由于它在最后一个 token 上进行分类，因此需要知道最后一个 token 的位置。如果在配置中定义了 pad_token_id，它会找到批次中每行中最后一个非填充 token。如果没有定义 pad_token_id，它会简单地取批次中每行的最后一个值。由于在传入 inputs_embeds 而非 input_ids 时无法猜测填充 token，因此它会执行相同的操作（取批次中每行的最后一个值）。
该模型继承自 PreTrainedModel。请查看超类文档以了解该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、剪枝头部等）。
此模型也是一个 PyTorch torch.nn.Module 子类。像普通的 PyTorch Module 一样使用它，并参考 PyTorch 文档了解一般用法和行为的所有相关信息。
forward
< 源代码 >( input_ids: torch.LongTensor | None = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.Tensor | None = None labels: torch.LongTensor | None = None use_cache: bool | None = None **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → SequenceClassifierOutputWithPast 或 tuple(torch.FloatTensor)
参数
- input_ids (
torch.LongTensor，形状为(batch_size, sequence_length)，可选) — 词表中输入序列 token 的索引。填充项默认将被忽略。索引可以通过 AutoTokenizer 获取。详情请参阅 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。
- 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。在范围[0, config.n_positions - 1]中选择。 - past_key_values (
~cache_utils.Cache，可选) — 预计算的隐藏状态（自注意力模块和交叉注意力模块中的键和值），可用于加速序列解码。这通常包含模型在解码的上一阶段返回的past_key_values，此时需设置use_cache=True或config.use_cache=True。仅允许使用 Cache 实例作为输入，请参阅我们的 kv cache 指南。如果未传入
past_key_values，则默认初始化 DynamicCache。模型将输出与输入格式相同的缓存。
如果使用了
past_key_values，用户只需输入未处理的input_ids（即其键值状态尚未提供给模型的那些 input_ids），其形状应为(batch_size, unprocessed_length)，而非形状为(batch_size, sequence_length)的所有input_ids。 - 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，而不是传递input_ids。如果你想比模型内部的嵌入查找矩阵更精细地控制如何将input_ids索引转换为关联向量，这非常有用。 - 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（均方误差损失）；如果config.num_labels > 1，则计算分类损失（交叉熵损失）。 - 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）。
返回
SequenceClassifierOutputWithPast 或 tuple(torch.FloatTensor)
一个 SequenceClassifierOutputWithPast 或一个 torch.FloatTensor 元组（如果传入了 return_dict=False 或设置了 config.return_dict=False），根据配置（ModernBertDecoderConfig）和输入包含不同的元素。
ModernBertDecoderForSequenceClassification 的 forward 方法，重写了 __call__ 特殊方法。
虽然 forward pass 的实现需要在此函数中定义，但你应该在之后调用
Module实例而不是这个，因为前者负责运行预处理和后处理步骤，而后者会静默地忽略它们。
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）。past_key_values (
Cache，*可选*，当传入use_cache=True或config.use_cache=True时返回) — 这是一个 Cache 实例。欲了解更多细节，请参阅我们的 KV 缓存指南。包含预计算的隐藏状态（自注意力块中的键和值），可用于（参见
past_key_values输入）加速顺序解码。hidden_states (
tuple(torch.FloatTensor), optional, 当传递output_hidden_states=True或当config.output_hidden_states=True时返回) —torch.FloatTensor的元组（一个用于嵌入层的输出，如果模型有嵌入层；+一个用于每个层的输出），形状为(batch_size, sequence_length, hidden_size)。模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
attentions (
tuple(torch.FloatTensor), optional, 当传递output_attentions=True或当config.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 后的注意力权重，用于计算自注意力头中的加权平均值。
单标签分类示例
>>> import torch
>>> from transformers import AutoTokenizer, ModernBertDecoderForSequenceClassification
>>> tokenizer = AutoTokenizer.from_pretrained("blab-jhu/test-32m-dec")
>>> model = ModernBertDecoderForSequenceClassification.from_pretrained("blab-jhu/test-32m-dec")
>>> 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 = ModernBertDecoderForSequenceClassification.from_pretrained("blab-jhu/test-32m-dec", 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, ModernBertDecoderForSequenceClassification
>>> tokenizer = AutoTokenizer.from_pretrained("blab-jhu/test-32m-dec")
>>> model = ModernBertDecoderForSequenceClassification.from_pretrained("blab-jhu/test-32m-dec", 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 = ModernBertDecoderForSequenceClassification.from_pretrained(
... "blab-jhu/test-32m-dec", 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