Transformers 文档
ModernBERT 解码器
并获得增强的文档体验
开始使用
该模型于 2024-12-18 发布，并于 2025-07-15 添加到 Hugging Face Transformers。
ModernBERT 解码器
ModernBERT 解码器具有与 ModernBERT 相同的架构，但它是在因果语言建模目标下从头开始训练的，其来源是 Ettin 论文。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 解码器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。
您可以在 jhu-clsp 集合下找到所有原始的 ModernBERT 解码器检查点。
该模型由 orionw 贡献。
单击右侧边栏中的 ModernBERT 解码器模型，了解更多关于如何将 ModernBERT 解码器应用于不同文本生成任务的示例。
以下示例演示了如何使用 Pipeline、AutoModel（带或不带量化）以及从命令行使用 ModernBERT 解码器进行文本生成。
import torch
from transformers import pipeline
generator = pipeline(
task="text-generation",
model="jhu-clsp/ettin-decoder-17m",
dtype=torch.float16,
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",
dtype=torch.float16,
device=0
)
classifier("This movie is really great!")ModernBertDecoderConfig
class transformers.ModernBertDecoderConfig
< 源 >( vocab_size: int | None = 50368 hidden_size: int | None = 768 intermediate_size: int | None = 1152 num_hidden_layers: int | None = 22 num_attention_heads: int | None = 12 hidden_activation: str | None = 'gelu' max_position_embeddings: int | None = 8192 initializer_range: float | None = 0.02 initializer_cutoff_factor: float | None = 2.0 norm_eps: int | None = 1e-05 norm_bias: bool | None = False pad_token_id: int | None = 50283 eos_token_id: int | None = 50282 bos_token_id: int | None = 50281 cls_token_id: int | None = 50281 sep_token_id: int | None = 50282 attention_bias: bool | None = False attention_dropout: float | None = 0.0 embedding_dropout: float | None = 0.0 mlp_bias: bool | None = False mlp_dropout: float | None = 0.0 decoder_bias: bool | None = True classifier_dropout: float | None = 0.0 classifier_bias: bool | None = False classifier_activation: str | None = 'gelu' use_cache: bool | None = True local_attention: int | None = 128 global_attn_every_n_layers: int | None = 3 layer_types: list[str] | None = None tie_word_embeddings: bool | None = True rope_parameters: dict[typing.Literal['full_attention', 'sliding_attention'], transformers.modeling_rope_utils.RopeParameters] | None = None **kwargs )
参数
- vocab_size (
int, optional, defaults to 50368) — ModernBert 解码器模型的词汇量大小。它定义了在调用 ModernBertDecoderModel 时传入的inputs_ids可以表示的不同 token 的数量。 - hidden_size (
int, optional, defaults to 768) — 隐藏表示的维度。 - intermediate_size (
int, optional, defaults to 1152) — MLP 表示的维度。 - num_hidden_layers (
int, optional, defaults to 22) — Transformer 解码器中的隐藏层数量。 - num_attention_heads (
int, optional, defaults to 12) — Transformer 解码器中每个注意力层的注意力头数量。 - hidden_activation (
strorfunction, optional, defaults to"gelu") — 解码器中的非线性激活函数（函数或字符串）。如果未指定，则默认为"gelu"。 - max_position_embeddings (
int, optional, defaults to 8192) — 该模型可能使用的最大序列长度。 - initializer_range (
float, optional, defaults to 0.02) — 初始化所有权重矩阵的截断正态初始化器的标准差。 - initializer_cutoff_factor (
float, optional, defaults to 2.0) — 初始化所有权重矩阵的截断正态初始化器的截止因子。 - norm_eps (
float, optional, defaults to 1e-05) — RMS 归一化层使用的 epsilon 值。 - norm_bias (
bool, optional, defaults toFalse) — 是否在归一化层中使用偏置。 - pad_token_id (
int, optional, defaults to 50283) — 填充 token ID。 - eos_token_id (
int, optional, defaults to 50282) — 流结束 token ID。 - bos_token_id (
int, optional, defaults to 50281) — 流开始 token ID。 - cls_token_id (
int, optional, defaults to 50281) — 分类 token ID。 - sep_token_id (
int, optional, defaults to 50282) — 分隔符 token ID。 - attention_bias (
bool, optional, defaults toFalse) — 在自注意力期间是否在查询、键、值和输出投影层中使用偏置。 - attention_dropout (
float, optional, defaults to 0.0) — 注意力概率的 dropout 比率。 - embedding_dropout (
float, optional, defaults to 0.0) — 嵌入的 dropout 比率。 - mlp_bias (
bool, optional, defaults toFalse) — 是否在 MLP 层中使用偏置。 - mlp_dropout (
float, optional, defaults to 0.0) — MLP 层的 dropout 比率。 - decoder_bias (
bool, optional, defaults toTrue) — 是否在 decoder 层中使用偏置。 - classifier_dropout (
float, optional, defaults to 0.0) — 分类器的 dropout 比率。 - classifier_bias (
bool, optional, defaults toFalse) — 是否在分类器中使用偏置。 - classifier_activation (
str, optional, defaults to"gelu") — 分类器的激活函数。 - use_cache (
bool, optional, defaults toTrue) — 是否模型应该返回最后的键/值注意力（并非所有模型都使用）。仅在config.is_decoder=True时相关。 - local_attention (
int, optional, defaults to 128) — 本地注意力（local attention）的滑动窗口大小。仅用于使用本地注意力的层。请注意，对于与 ModernBERT 匹配的 decoder，这实际上是滑动窗口大小的一半，因此 128 => 64。 - global_attn_every_n_layers (
int, optional, defaults to 3) — 每global_attn_every_n_layers层将使用全局注意力（global attention）而不是局部注意力（local attention）。 - layer_types (
list[str], optional) — 层类型的列表，每层一个。如果未指定，将根据global_attn_every_n_layers自动生成。应包含“full_attention”或“sliding_attention”。 - tie_word_embeddings (
bool, optional, defaults toTrue) — 是否绑定词嵌入 - rope_parameters (
dict, optional) — 将注意力模式（"full_attention","sliding_attention"）映射到RopeParameters的字典。每个值都应该是包含rope_type和可选缩放参数的字典。
这是用于存储 ModernBertDecoderModel 配置的配置类。它用于根据指定的参数实例化一个 ModernBert decoder 模型，定义了模型的架构。使用默认值实例化配置将产生一个与 ModernBERT-base decoder 类似的配置。例如 blab-jhu/test-32m-dec
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 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
< source >( config: ModernBertDecoderConfig )
参数
- config (ModernBertDecoderConfig) — 模型的配置类，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，只会加载配置。查看 from_pretrained() 方法以加载模型权重。
输出原始隐藏状态的裸 Modernbert Decoder 模型，没有任何特定的顶部头。
此模型继承自 PreTrainedModel。查看其父类文档，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）。
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
< source >( 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 cache_position: torch.LongTensor | None = None **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → transformers.modeling_outputs.BaseModelOutputWithPast 或 tuple(torch.FloatTensor)
参数
- input_ids (
torch.LongTensorof shape(batch_size, sequence_length), optional) — 词汇表中输入序列 token 的索引。默认情况下将忽略填充。索引可以通过 AutoTokenizer 获得。有关详细信息，请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensorof shape(batch_size, sequence_length), optional) — 用于避免对填充 token 索引执行注意力的掩码。掩码值选择在[0, 1]：- 1 表示未掩码的 token，
- 0 表示已掩码的 token。
- position_ids (
torch.LongTensorof shape(batch_size, sequence_length), optional) — 位置嵌入中每个输入序列 token 的位置索引。选择范围在[0, config.n_positions - 1]之间。 - past_key_values (
~cache_utils.Cache, optional) — 预计算的隐藏状态（自注意力块和交叉注意力块中的键和值），可用于加速顺序解码。这通常由模型在解码的先前阶段返回的past_key_values组成，当use_cache=True或config.use_cache=True时。只允许使用
Cache实例，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。模型将输出与输入相同的缓存格式。
如果使用
past_key_values，用户应仅输入未处理的input_ids（即没有传递其过去键值状态给此模型的那些），形状为(batch_size, unprocessed_length)，而不是所有input_ids的形状(batch_size, sequence_length)。 - inputs_embeds (
torch.Tensorof shape(batch_size, sequence_length, hidden_size), optional) — 可选地，您可以使用嵌入表示代替input_ids。如果您希望对如何将input_ids索引转换为关联向量的控制程度超过模型内部的嵌入查找矩阵，则很有用。 - use_cache (
bool, optional) — 如果设置为True，将返回past_key_values键值状态，并可用于加速解码（请参阅past_key_values）。 - cache_position (
torch.LongTensorof shape(sequence_length), optional) — 指示输入序列 token 在序列中位置的张量。与position_ids相反，此张量不受填充影响。它用于在正确位置更新缓存并推断完整序列长度。
返回
transformers.modeling_outputs.BaseModelOutputWithPast or tuple(torch.FloatTensor)
根据配置（ModernBertDecoderConfig）和输入，可能包含各种元素的 transformers.modeling_outputs.BaseModelOutputWithPast 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时）。
-
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, optional, 当传递use_cache=True或当config.use_cache=True时返回) — 它是 Cache 实例。更多详情，请参阅我们的 kv cache 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。
ModernBertDecoderModel 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。
ModernBertDecoderForCausalLM
class transformers.ModernBertDecoderForCausalLM
< source >( config: ModernBertDecoderConfig )
参数
- config (ModernBertDecoderConfig) — 模型的配置类，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，只会加载配置。查看 from_pretrained() 方法以加载模型权重。
在顶部带有语言建模头的 ModernBert Decoder 模型，用于因果语言建模 (CLM)。
此模型继承自 PreTrainedModel。查看其父类文档，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）。
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
< source >( 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.LongTensorof shape(batch_size, sequence_length), optional) — 输入序列词元在词汇表中的索引。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.Tensorof shape(batch_size, sequence_length), optional) — 忽略填充词元索引的注意力掩码。掩码值选择在[0, 1]中：- 1 表示未掩码的词元，
- 0 表示已掩码的词元。
- position_ids (
torch.LongTensorof shape(batch_size, sequence_length), optional) — 输入序列词元在位置嵌入中的索引。选择在范围[0, config.n_positions - 1]内。 - past_key_values (
~cache_utils.Cache, optional) — 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）。这通常由模型在解码的先前阶段返回的past_key_values组成，当use_cache=True或config.use_cache=True时。仅允许 Cache 实例作为输入，请参阅我们的 kv cache 指南。如果未传递
past_key_values，则默认初始化 DynamicCache。模型将输出与输入相同的缓存格式。
如果使用
past_key_values，则用户应仅输入未处理的input_ids（即没有其过去键值状态传递给此模型的input_ids），形状为(batch_size, unprocessed_length)，而不是所有input_ids，形状为(batch_size, sequence_length)。 - inputs_embeds (
torch.Tensorof shape(batch_size, sequence_length, hidden_size), optional) — 可选地，您可以直接传递嵌入表示，而不是传递input_ids。如果您希望比模型内部嵌入查找矩阵对如何将input_ids索引转换为相关向量有更多控制，这很有用。 - labels (
torch.LongTensorof shape(batch_size, sequence_length), optional) — 用于计算掩码语言模型损失的标签。索引应在[0, ..., config.vocab_size]或 -100 范围内（请参阅input_ids文档字符串）。索引设置为-100的词元将被忽略（掩码），损失仅为具有[0, ..., config.vocab_size]范围内标签的词元计算。 - use_cache (
bool, optional) — 如果设置为True，则返回past_key_values键值状态，可用于加速解码（请参阅past_key_values）。 - logits_to_keep (
Union[int, torch.Tensor], optional, defaults to0) — 如果为int，则计算最后logits_to_keep个词元的 logits。如果为0，则为所有input_ids计算 logits（特殊情况）。仅生成需要最后一个词元的 logits，并且仅为该词元计算 logits 可以节省内存，这对于长序列或大词汇量来说非常可观。如果为torch.Tensor，则必须是一维的，对应于要保留在序列长度维度中的索引。这在使用打包张量格式（批次和序列长度的单维度）时很有用。
ModernBertDecoderForCausalLM 的 forward 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。
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
< source >( config: ModernBertDecoderConfig )
参数
- config (ModernBertDecoderConfig) — 模型的配置类，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，只会加载配置。请查看 from_pretrained() 方法来加载模型权重。
顶部的 ModernBert Decoder 模型，带有一个序列分类头（线性层）。
ModernBertDecoderForSequenceClassification 使用最后一个词元进行分类，正如其他因果模型（例如 GPT-1、GPT-2）所做的那样。
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）。
此模型继承自 PreTrainedModel。查看其父类文档，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）。
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
< source >( 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] ) → transformers.modeling_outputs.SequenceClassifierOutputWithPast 或 tuple(torch.FloatTensor)
参数
- input_ids (
torch.LongTensorof shape(batch_size, sequence_length), optional) — 输入序列词元在词汇表中的索引。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.Tensorof shape(batch_size, sequence_length), optional) — 忽略填充词元索引的注意力掩码。掩码值选择在[0, 1]中：- 1 表示未掩码的词元，
- 0 表示已掩码的词元。
- position_ids (
torch.LongTensorof shape(batch_size, sequence_length), optional) — 输入序列词元在位置嵌入中的索引。选择在范围[0, config.n_positions - 1]内。 - past_key_values (
~cache_utils.Cache, optional) — 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）。这通常由模型在解码的先前阶段返回的past_key_values组成，当use_cache=True或config.use_cache=True时。仅允许 Cache 实例作为输入，请参阅我们的 kv cache 指南。如果未传递
past_key_values，则默认初始化 DynamicCache。模型将输出与输入相同的缓存格式。
如果使用
past_key_values，则用户应仅输入未处理的input_ids（即没有其过去键值状态传递给此模型的input_ids），形状为(batch_size, unprocessed_length)，而不是所有input_ids，形状为(batch_size, sequence_length)。 - inputs_embeds (
torch.Tensorof shape(batch_size, sequence_length, hidden_size), optional) — 可选地，您可以直接传递嵌入表示，而不是传递input_ids。如果您希望比模型内部嵌入查找矩阵对如何将input_ids索引转换为相关向量有更多控制，这很有用。 - labels (
torch.LongTensorof shape(batch_size,), optional) — 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）。 - use_cache (
bool, optional) — 如果设置为True，则返回past_key_values键值状态，可用于加速解码（请参阅past_key_values）。
返回
transformers.modeling_outputs.SequenceClassifierOutputWithPast 或 tuple(torch.FloatTensor)
根据配置（ModernBertDecoderConfig）和输入，transformers.modeling_outputs.SequenceClassifierOutputWithPast 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时）组成的列表，其中包含各种元素。
-
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）。 -
past_key_values (
Cache, optional, 当传递use_cache=True或当config.use_cache=True时返回) — 它是 Cache 实例。更多详情，请参阅我们的 kv cache 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。
ModernBertDecoderForSequenceClassification 的 forward 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。
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