Transformers 文档

Nemotron

Hugging Face's logo
加入 Hugging Face 社区

并获得增强型文档体验

开始使用

Nemotron

Nemotron

许可证

此模型的使用受 NVIDIA AI Foundation Models 社区许可协议 约束。

描述

Nemotron-4 是一个企业级就绪的生成式文本模型系列,与 NVIDIA NeMo 框架 兼容。

NVIDIA NeMo 是一个端到端的云原生平台,用于在任何地方构建、定制和部署生成式 AI 模型。它包括训练和推理框架、护栏工具包、数据整理工具和预训练模型,为企业提供了一种简单、经济高效且快速的方式来采用生成式 AI。要访问 NeMo 框架,请在 此链接 注册。

参考

公告博客

模型架构

架构类型: Transformer

网络架构: Transformer 解码器(自回归语言模型)。

Minitron

Minitron 4B 基础

Minitron 是一个小型语言模型 (SLM) 系列,它是通过剪枝 NVIDIA 的 Nemotron-4 15B 模型获得的。我们剪枝模型嵌入大小、注意力头和 MLP 中间维度,然后进行蒸馏继续训练,以获得最终模型。

使用我们的方法从基础 15B 模型中推导出 Minitron 8B 和 4B 模型,与从头开始训练相比,每个模型所需的训练 token 减少了 40 倍;这导致训练整个模型系列(15B、8B 和 4B)的 计算成本节省了 1.8 倍。与从头开始训练相比,Minitron 模型在 MMLU 分数上最多提高了 16%,与 Mistral 7B、Gemma 7B 和 Llama-3 8B 等其他社区模型的表现相当,并且优于文献中最新压缩技术的性能。有关更多详细信息,请参阅我们的 arXiv 论文

Minitron 模型仅用于研究和开发。

HuggingFace 快速入门

以下代码提供了一个示例,说明如何加载 Minitron-4B 模型并使用它进行文本生成。

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

# Load the tokenizer and model
model_path = 'nvidia/Minitron-4B-Base'
tokenizer  = AutoTokenizer.from_pretrained(model_path)

device = 'cuda'
dtype  = torch.bfloat16
model  = AutoModelForCausalLM.from_pretrained(model_path, torch_dtype=dtype, device_map=device)

# Prepare the input text
prompt = 'Complete the paragraph: our solar system is'
inputs = tokenizer.encode(prompt, return_tensors='pt').to(model.device)

# Generate the output
outputs = model.generate(inputs, max_length=20)

# Decode and print the output
output_text = tokenizer.decode(outputs[0])
print(output_text)

许可证

Minitron 在 NVIDIA 开放模型许可协议 下发布。

评估结果

5 次微调后的性能。 使用 大规模多任务语言理解 评估语言理解

平均
58.6

零次微调后的性能。 使用 LM 评估工具 中选定的数据集以及一些补充数据集进行评估

HellaSwag Winogrande GSM8K ARC-C XLSum
75.0 74.0 24.1 50.9 29.5

代码生成性能。使用 HumanEval 评估

p@1,0-Shot
23.3

请参阅我们的 论文 获取完整的结果集。

引用

如果您发现我们的工作有帮助,请考虑引用我们的论文

@article{minitron2024,
      title={Compact Language Models via Pruning and Knowledge Distillation},
      author={Saurav Muralidharan and Sharath Turuvekere Sreenivas and Raviraj Joshi and Marcin Chochowski and Mostofa Patwary and Mohammad Shoeybi and Bryan Catanzaro and Jan Kautz and Pavlo Molchanov},
      journal={arXiv preprint arXiv:2407.14679},
      year={2024},
      url={https://arxiv.org/abs/2407.14679},
}

NemotronConfig

class transformers.NemotronConfig

< >

( vocab_size = 256000 hidden_size = 6144 intermediate_size = 24576 num_hidden_layers = 32 num_attention_heads = 48 head_dim = None num_key_value_heads = None hidden_act = 'relu2' max_position_embeddings = 4096 initializer_range = 0.0134 norm_eps = 1e-05 use_cache = True pad_token_id = None bos_token_id = 2 eos_token_id = 3 tie_word_embeddings = False rope_theta = 10000.0 partial_rotary_factor = 0.5 attention_bias = False attention_dropout = 0.0 mlp_bias = False **kwargs )

参数

  • vocab_size (int, 可选,默认值为 256000) — Nemotron 模型的词汇量大小。定义了调用 NemotronModel 时传递的 inputs_ids 可以表示的不同令牌数。
  • hidden_size (int, 可选,默认值为 6144) — 隐藏表示的维度。
  • intermediate_size (int, 可选,默认值为 24576) — MLP 表示的维度。
  • num_hidden_layers (int, 可选,默认值为 32) — Transformer 解码器中的隐藏层数。
  • num_attention_heads (int, 可选,默认值为 48) — Transformer 解码器中每个注意力层的注意力头数。
  • num_key_value_heads (int, 可选) — 用于实现分组查询注意力的键值头数量。如果 num_key_value_heads=num_attention_heads,则模型将使用多头注意力 (MHA),如果 num_key_value_heads=1 则模型将使用多查询注意力 (MQA),否则使用 GQA。当将多头检查点转换为 GQA 检查点时,应通过对该组中的所有原始头进行平均池化来构造每个组键和值头。有关更多详细信息,请查看 [这篇论文](https://arxiv.org/pdf/2305.13245.pdf)。如果未指定,将默认为 num_attention_heads
  • hidden_act (strfunction, 可选, 默认值为 "relu2") — 解码器中的非线性激活函数 (函数或字符串)。
  • max_position_embeddings (int, 可选, 默认值为 4096) — 此模型可能使用的最大序列长度。
  • initializer_range (float, 可选, 默认值为 0.0134) — 初始化所有权重矩阵的截断正态初始化的标准差。
  • norm_eps (float, 可选, 默认值为 1e-05) — 规范化层使用的 epsilon。
  • use_cache (bool, 可选, 默认值为 True) — 模型是否应该返回最后键/值注意力 (并非所有模型都使用)。仅在 config.is_decoder=True 时相关。
  • pad_token_id (int, 可选) — 填充标记 ID。
  • bos_token_id (int, 可选, 默认值为 2) — 流的开始标记 ID。
  • eos_token_id (int, 可选, 默认值为 3) — 流的结束标记 ID。
  • tie_word_embeddings (bool, 可选, 默认值为 False) — 是否绑定权重嵌入。
  • partial_rotary_factor (float, 可选, 默认为 0.5) — 查询和键中将具有旋转嵌入的百分比。
  • attention_bias (bool, 可选, 默认为 False) — 是否在自注意力过程中使用查询、键、值和输出投影层中的偏差。
  • attention_dropout (float, 可选, 默认为 0.0) — 注意力概率的丢弃率。
  • mlp_bias (bool, 可选, 默认为 False) — 是否在 MLP 层中的 up_proj 和 down_proj 层使用偏差。

这是一个配置类,用于存储 NemotronModel 的配置。它用于根据指定的参数实例化 Nemotron 模型,定义模型架构。使用默认值实例化配置将产生与 Nemotron-8B 相似的配置。例如 nvidia/nemotron-3-8b-base-4k-hf。配置对象继承自 PretrainedConfig 并且可以用来控制模型输出。阅读来自 PretrainedConfig 的文档以获取更多信息。

>>> from transformers import NemotronModel, NemotronConfig

>>> # Initializing a Nemotron nemotron-15b style configuration
>>> configuration = NemotronConfig()

>>> # Initializing a model from the nemotron-15b style configuration
>>> model = NemotronModel(configuration)

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

NemotronModel

class transformers.NemotronModel

< >

( config: NemotronConfig )

参数

  • config (NemotronConfig) — 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,只会加载配置。查看 from_pretrained() 方法以加载模型权重。config — NemotronConfig

不带任何特定头的基本 Nemotron 模型,输出原始隐藏状态。此模型继承自 PreTrainedModel。查看超类文档以了解库为所有模型实现的通用方法(例如下载或保存、调整输入嵌入的大小、修剪头等)。

此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解所有与一般用法和行为相关的事项。

包含 config.num_hidden_layers 个层的 Transformer 解码器。每个层都是一个 NemotronDecoderLayer

forward

< >

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

参数

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

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

    什么是输入 ID?

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

    • 1 表示未掩盖的标记,
    • 0 表示掩盖的标记。

    什么是注意力掩码?

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

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

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

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

    什么是位置 ID?

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

    允许两种格式:

    • Cache 实例;
    • 长度为 config.n_layerstuple(tuple(torch.FloatTensor)) 元组,每个元组具有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。这也称为旧缓存格式。

    模型将输出与输入相同的缓存格式。如果未传递 past_key_values,则将返回旧缓存格式。

    如果使用 past_key_values,则用户可以选择仅输入最后一个 input_ids(形状为 (batch_size, 1))而不是所有 input_ids(形状为 (batch_size, sequence_length)),这些 input_ids 没有提供给该模型的过去键值状态。

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size)可选) — 可选地,您可以选择直接传递嵌入表示,而不是传递 input_ids。如果您想更控制如何将 input_ids 索引转换为关联的向量(而不是模型的内部嵌入查找矩阵),这很有用。
  • use_cache (bool可选) — 如果设置为 True,则将返回 past_key_values 键值状态,可用于加速解码(参见 past_key_values)。
  • output_attentions (bool可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息,请参阅返回张量中的 attentions
  • output_hidden_states (bool可选) — 是否返回所有层的隐藏状态。有关更多详细信息,请参阅返回张量中的 hidden_states
  • return_dict (bool可选) — 是否返回 ModelOutput 而不是普通元组。
  • cache_position (torch.LongTensor 形状为 (sequence_length)可选) — 指示输入序列 token 在序列中的位置的索引。与 position_ids 相反,该张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。

NemotronModel 的前向方法,覆盖了 __call__ 特殊方法。

虽然前向传递的步骤需要在此函数内定义,但之后应该调用 Module 实例,而不是此函数,因为前者负责运行前处理和后处理步骤,而后者会静默地忽略它们。

NemotronForCausalLM

class transformers.NemotronForCausalLM

< >

( config )

forward

< >

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

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 词汇表中输入序列 token 的索引。默认情况下会忽略填充,如果你提供了填充的话。

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

    什么是输入 ID?

  • 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。掩码值从 [0, 1] 中选择:

    • 1 代表未被掩码的 token,
    • 0 代表被掩码的 token。

    什么是注意力掩码?

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

    如果使用了 past_key_values,则可以选择只输入最后一个 input_ids(参见 past_key_values)。

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

    • 1 代表注意力头未被掩码
    • 0 代表注意力头被掩码
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length)可选) — 输入序列中每个 token 在位置嵌入中的位置索引。在 [0, config.n_positions - 1] 范围内选择。

    什么是位置 ID?

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

    允许两种格式:

    • 一个 Cache 实例;
    • 长度为 config.n_layerstuple(tuple(torch.FloatTensor)),每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量)。 这也被称为传统的缓存格式。

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

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

  • inputs_embeds (形状为 (batch_size, sequence_length, hidden_size)torch.FloatTensor, 可选) — 可选地,您可以选择直接传递嵌入表示,而不是传递 input_ids。 如果您想对如何将 input_ids 索引转换为关联向量(比模型的内部嵌入查找矩阵更详细)进行更多控制,这将很有用。
  • use_cache (bool, 可选) — 如果设置为 True,将返回 past_key_values 键值状态,可用于加速解码(参见 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。 有关更多详细信息,请参见返回张量下的 attentions
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。 有关更多详细信息,请参见返回张量下的 hidden_states
  • return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。
  • cache_position (形状为 (sequence_length)torch.LongTensor, 可选) — 指示输入序列标记在序列中的位置的索引。 与 position_ids 相反,此张量不受填充的影响。 它用于在正确的位置更新缓存并推断完整的序列长度。

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

返回

transformers.modeling_outputs.CausalLMOutputWithPasttuple(torch.FloatTensor)

一个 transformers.modeling_outputs.CausalLMOutputWithPasttorch.FloatTensor 的元组(如果传递 return_dict=Falseconfig.return_dict=False),包括取决于配置的各种元素(NemotronConfig)和输入。

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

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

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

    包含预先计算的隐藏状态(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), 可选,在传递 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 的元组(一个用于嵌入的输出,如果模型有嵌入层,以及一个用于每层的输出)形状为 (batch_size, sequence_length, hidden_size)

    模型在每层输出处的隐藏状态,以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor), 可选,在传递 output_attentions=Trueconfig.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 之后的注意力权重,用于计算自注意力头中的加权平均值。

The NemotronForCausalLM 前向方法,覆盖了 __call__ 特殊方法。

虽然前向传递的步骤需要在此函数内定义,但之后应该调用 Module 实例,而不是此函数,因为前者负责运行前处理和后处理步骤,而后者会静默地忽略它们。

示例

>>> from transformers import AutoTokenizer, NemotronForCausalLM

>>> model = NemotronForCausalLM.from_pretrained("nvidia/nemotron-3-8b-base-4k-hf")
>>> tokenizer = AutoTokenizer.from_pretrained("nvidia/nemotron-3-8b-base-4k-hf")

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

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

NemotronForSequenceClassification

class transformers.NemotronForSequenceClassification

< >

( config )

参数

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

带有序列分类头的 Nemotron 模型转换器(线性层)。

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

由于它对最后一个 token 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,它会找到每一行中不是填充 token 的最后一个 token。 如果没有定义 pad_token_id,它只会取批处理中每一行的最后一个值。 由于它无法在传递 inputs_embeds 而不是 input_ids 时猜测填充 token,因此它执行相同的操作(取批处理中每一行的最后一个值)。

此模型继承自 PreTrainedModel。 检查超类文档以了解库为其所有模型实现的通用方法(例如下载或保存、调整输入嵌入的大小、修剪头等)。

此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解所有与一般用法和行为相关的事项。

forward

< >

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

参数

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

    索引可以通过 AutoTokenizer 获取。 查看 PreTrainedTokenizer.encode()PreTrainedTokenizer.call() 以了解详细信息。

    什么是输入 ID?

  • attention_mask (torch.Tensor of shape (batch_size, sequence_length), optional) — 用于避免在填充 token 索引上执行注意力的掩码。 掩码值在 [0, 1] 中选择:

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

    什么是注意力掩码?

    索引可以通过 AutoTokenizer 获取。 查看 PreTrainedTokenizer.encode()PreTrainedTokenizer.call() 以了解详细信息。

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

    如果您想更改填充行为,您应该阅读 modeling_opt._prepare_decoder_attention_mask 并修改为您的需求。 查看 论文 中的图 1,以了解更多关于默认策略的信息。

    • 1 表示头未掩码
    • 0 表示头掩码
  • position_ids (torch.LongTensor of shape (batch_size, sequence_length), optional) — 输入序列 token 在位置嵌入中的位置索引。 在 [0, config.n_positions - 1] 范围内选择。

    什么是位置 ID?

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

    允许两种格式:

    • 一个 Cache 实例;
    • 长度为 config.n_layerstuple(torch.FloatTensor) 元组,每个元组具有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量)。 这也被称为传统缓存格式。

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

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

  • inputs_embeds (形状为 (batch_size, sequence_length, hidden_size)torch.FloatTensor, 可选) — 可选地,您可以选择直接传递嵌入表示,而不是传递 input_ids。 如果您想比模型的内部嵌入查找矩阵更细致地控制如何将 input_ids 索引转换为相关向量,这将非常有用。
  • use_cache (bool, 可选) — 如果设置为 True,则会返回 past_key_values 键值状态,可用于加速解码(参见 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。 有关详细信息,请参见返回张量中的 attentions
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。 有关详细信息,请参见返回张量中的 hidden_states
  • return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个简单的元组。
  • cache_position (形状为 (sequence_length)torch.LongTensor, 可选) — 表示输入序列标记在序列中位置的索引。 与 position_ids 相反,此张量不受填充的影响。 它用于在正确的位置更新缓存并推断完整的序列长度。
  • labels (形状为 (batch_size,)torch.LongTensor, 可选) — 用于计算序列分类/回归损失的标签。 索引应在 [0, ..., config.num_labels - 1] 中。 如果 config.num_labels == 1,则计算回归损失(均方损失),如果 config.num_labels > 1,则计算分类损失(交叉熵)。

The NemotronForSequenceClassification forward method, overrides the __call__ special method.

虽然前向传递的步骤需要在此函数内定义,但之后应该调用 Module 实例,而不是此函数,因为前者负责运行前处理和后处理步骤,而后者会静默地忽略它们。

NemotronForQuestionAnswering

class transformers.NemotronForQuestionAnswering

  • config (NemotronConfig) — 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,只会加载配置。 查看 from_pretrained() 方法来加载模型权重。

Nemotron 模型转换器,顶部带有一个跨度分类头,用于提取式问答任务,例如 SQuAD(隐藏状态输出顶部的线性层,用于计算 span start logitsspan end logits)。

此模型继承自 PreTrainedModel。 检查超类文档以了解库为其所有模型实现的通用方法(例如下载或保存、调整输入嵌入的大小、修剪头等)。

此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解所有与一般用法和行为相关的事项。

forward

< >

( input_ids: Optional = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Union = None inputs_embeds: Optional = None start_positions: Optional = None end_positions: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None )

参数

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

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

    什么是输入 ID?

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

    • 1 表示未屏蔽的标记
    • 0 表示屏蔽的标记

    什么是注意力掩码?

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

    如果使用了 past_key_values,可以选择只输入最后一个 input_ids(那些没有提供其过去键值状态的输入,形状为 (batch_size, 1)),而不是所有形状为 (batch_size, sequence_length)input_ids

    如果你想更改填充行为,你应该阅读 modeling_opt._prepare_decoder_attention_mask 并根据你的需要修改。 查看 论文 中的图表 1,了解有关默认策略的更多信息。

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

    什么是位置 ID?

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

    允许两种格式:

    • 一个 Cache 实例
    • 长度为 config.n_layerstuple(tuple(torch.FloatTensor)),每个元组包含 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量。 这也被称为传统缓存格式。

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

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

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 可选地,你可以选择直接传递嵌入表示,而不是传递 input_ids。 如果你想要对如何将 input_ids 索引转换为关联向量进行更多控制,而不是模型的内部嵌入查找矩阵,这将很有用。
  • use_cache (bool, 可选) — 如果设置为 True,则会返回 past_key_values 键值状态,并且可以用来加速解码 (参见 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关详细信息,请参见返回张量中的 attentions
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关详细信息,请参见返回张量中的 hidden_states
  • return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。
  • cache_position (torch.LongTensor 形状为 (sequence_length), 可选) — 表示输入序列令牌在序列中的位置的索引。与 position_ids 相反,此张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。
  • start_positions (torch.LongTensor 形状为 (batch_size,), 可选) — 用于计算令牌分类损失的标记跨度的开始位置 (索引) 的标签。位置被限制在序列的长度 (sequence_length) 内。序列外的位置不会被考虑用于计算损失。
  • end_positions (torch.LongTensor 形状为 (batch_size,), 可选) — 用于计算令牌分类损失的标记跨度的结束位置 (索引) 的标签。位置被限制在序列的长度 (sequence_length) 内。序列外的位置不会被考虑用于计算损失。

The NemotronForQuestionAnswering forward method, overrides the __call__ special method.

虽然前向传递的步骤需要在此函数内定义,但之后应该调用 Module 实例,而不是此函数,因为前者负责运行前处理和后处理步骤,而后者会静默地忽略它们。

NemotronForTokenClassification

class transformers.NemotronForTokenClassification

< >

( config )

参数

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

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

此模型继承自 PreTrainedModel。 检查超类文档以了解库为其所有模型实现的通用方法(例如下载或保存、调整输入嵌入的大小、修剪头等)。

此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解所有与一般用法和行为相关的事项。

forward

< >

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

参数

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

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

    什么是输入 ID?

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

    • 1 表示未掩码的标记,
    • 0 表示掩码的标记。

    什么是注意力掩码?

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

    如果使用 past_key_values,则可以选择仅输入最后一个 input_ids(其过去键值状态未提供给此模型)的形状为 (batch_size, 1),而不是所有 input_ids 的形状为 (batch_size, sequence_length)

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

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

    什么是位置 ID?

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

    允许两种格式:

    • 一个 Cache 实例;
    • 长度为 config.n_layerstuple(torch.FloatTensor) 元组,每个元组都有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量)。这也被称为传统缓存格式。

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

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

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 可选地,您可以选择直接传递嵌入表示,而不是传递 input_ids。如果您想要比模型的内部嵌入查找矩阵更精确地控制如何将 input_ids 索引转换为关联向量,这将很有用。
  • use_cache (bool, 可选) — 如果设置为 True,则返回 past_key_values 键值状态,可用于加快解码速度(请参阅 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息,请参见返回张量下的attentions
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息,请参见返回张量下的hidden_states
  • return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个简单的元组。
  • cache_position (torch.LongTensor 形状为 (sequence_length), 可选) — 表示输入序列标记在序列中的位置的索引。与position_ids不同,此张量不受填充影响。它用于在正确的位置更新缓存并推断完整的序列长度。
  • labels (torch.LongTensor 形状为 (batch_size,), 可选) — 用于计算序列分类/回归损失的标签。索引应在[0, ..., config.num_labels - 1]中。如果config.num_labels == 1,则计算回归损失(均方损失),如果config.num_labels > 1,则计算分类损失(交叉熵)。

The NemotronForTokenClassification forward method, overrides the __call__ special method.

虽然前向传递的步骤需要在此函数内定义,但之后应该调用 Module 实例,而不是此函数,因为前者负责运行前处理和后处理步骤,而后者会静默地忽略它们。

< > 在 GitHub 上更新