柿子
概述
柿子模型由 ADEPT 创建,作者为 Erich Elsen、Augustus Odena、Maxwell Nye、Sağnak Taşırlar、Tri Dao、Curtis Hawthorne、Deepak Moparthi 和 Arushi Somani。
作者介绍了 Persimmon-8B,这是一个基于经典 Transformer 架构的解码器模型,具有查询和键规范化功能。Persimmon-8B 是一款完全许可的模型,拥有约 80 亿个参数,以 Apache 许可证发布。Persimmon-8B 的一些关键属性包括较长的上下文大小 (16K)、性能以及用于多模态扩展的功能。
作者展示了他们的模型评估方法,重点关注实用的文本生成,反映了用户与语言模型交互的方式。该工作还包括比较分析,将 Persimmon-8B 与其他著名模型(MPT 7B Instruct 和 Llama 2 Base 7B 1-Shot)在各种评估任务中进行对比。结果表明,Persimmon-8B 即使在训练数据有限的情况下,也能展现出有竞争力的性能。
在模型细节方面,这项工作概述了 Persimmon-8B 的架构和训练方法,提供了关于其设计选择、序列长度和数据集组成的见解。作者展示了一个快速推理代码,它通过操作融合和 CUDA 图的使用,在保持代码一致性的同时,性能优于传统的实现。他们表达了对社区如何利用这一贡献推动创新的期待,暗示了未来将发布更多版本,作为一系列持续发展的组成部分。
该模型由 ArthurZ 贡献。原始代码可以在这里找到 这里。
使用技巧
Persimmon
模型使用 bfloat16
进行训练,但原始推理使用 float16
。中心上传的检查点使用 torch_dtype = 'float16'
,它将被 AutoModel
API 用于将检查点从 torch.float32
转换为 torch.float16
。
在线权重的 dtype
基本上无关紧要,除非您在使用 torch_dtype="auto"
初始化模型时使用 model = AutoModelForCausalLM.from_pretrained("path", torch_dtype = "auto")
。原因是模型将首先被下载(使用在线检查点的 dtype
),然后它将被转换为 torch
的默认 dtype
(变为 torch.float32
)。用户应该指定他们想要的 torch_dtype
,如果没有指定,它将是 torch.float32
。
建议不要在 float16
中微调模型,因为已知会导致 nan
,因此模型应该在 bfloat16
中微调。
提示
- 要转换模型,您需要使用
git clone https://github.com/persimmon-ai-labs/adept-inference
克隆原始存储库,然后获取检查点
git clone https://github.com/persimmon-ai-labs/adept-inference
wget https://axtkn4xl5cip.objectstorage.us-phoenix-1.oci.customer-oci.com/n/axtkn4xl5cip/b/adept-public-data/o/8b_base_model_release.tar
tar -xvf 8b_base_model_release.tar
python src/transformers/models/persimmon/convert_persimmon_weights_to_hf.py --input_dir /path/to/downloaded/persimmon/weights/ --output_dir /output/path \
--pt_model_path /path/to/8b_chat_model_release/iter_0001251/mp_rank_00/model_optim_rng.pt
--ada_lib_path /path/to/adept-inference
对于聊天模型
wget https://axtkn4xl5cip.objectstorage.us-phoenix-1.oci.customer-oci.com/n/axtkn4xl5cip/b/adept-public-data/o/8b_chat_model_release.tar tar -xvf 8b_base_model_release.tar
此后,可以通过以下方式加载模型:
from transformers import PersimmonForCausalLM, PersimmonTokenizer
model = PersimmonForCausalLM.from_pretrained("/output/path")
tokenizer = PersimmonTokenizer.from_pretrained("/output/path")
Perismmon 使用基于
sentencepiece
的分词器,以及Unigram
模型。它支持字节回退,它只在tokenizers==0.14.0
的快速分词器中可用。LlamaTokenizer
被用作sentencepiece
的标准包装器。chat
模板将在后续的 PR 中更新模板函数!作者建议在聊天模式下使用以下提示格式:
f"human: {prompt}\n\nadept:"
PersimmonConfig
class transformers.PersimmonConfig
< source >( vocab_size = 262144 hidden_size = 4096 intermediate_size = 16384 num_hidden_layers = 36 num_attention_heads = 64 hidden_act = 'relu2' max_position_embeddings = 16384 initializer_range = 0.02 layer_norm_eps = 1e-05 use_cache = True tie_word_embeddings = False rope_theta = 25000.0 rope_scaling = None qk_layernorm = True hidden_dropout = 0.0 attention_dropout = 0.0 partial_rotary_factor = 0.5 pad_token_id = None bos_token_id = 1 eos_token_id = 2 **kwargs )
参数
- vocab_size (
int
, 可选, 默认为 262144) — Persimmon 模型的词汇量大小。定义了在调用 PersimmonModel 时,可以由传递的inputs_ids
表示的不同标记数量 - hidden_size (
int
, 可选, 默认为 4096) — 隐藏表示的维度。 - intermediate_size (
int
, 可选, 默认为 16384) — MLP 表示的维度。 - num_hidden_layers (
int
, 可选, 默认为 36) — Transformer 编码器中的隐藏层数。 - num_attention_heads (
int
, 可选, 默认为 64) — Transformer 编码器中每个注意力层的注意力头数量。 - hidden_act (
str
或function
, 可选, 默认为"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, 默认为 16384) — 该模型可能使用的最大序列长度。 - initializer_range (
float
, 可选, 默认为 0.02) — 初始化所有权重矩阵的截断正态分布初始化器的标准差。 - layer_norm_eps (
float
, 可选, 默认为 1e-5) — RMS 归一化层使用的 epsilon。 - use_cache (
bool
, 可选, 默认为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
时相关。 - tie_word_embeddings(
bool
, 可选, 默认为False
) — 是否绑定权重嵌入 - rope_theta (
float
, 可选, 默认为 25000.0) — RoPE 嵌入的基本周期。 - rope_scaling (
Dict
, 可选) — 包含 RoPE 嵌入缩放配置的字典。 注意:如果你应用新的 RoPE 类型并期望模型在更长的max_position_embeddings
上工作,我们建议你相应地更新此值。 预期内容:rope_type
(str
): 要使用的 RoPE 子变体。 可以是 [‘default’, ‘linear’, ‘dynamic’, ‘yarn’, ‘longrope’, ‘llama3’] 之一,其中 ‘default’ 是原始 RoPE 实现。factor
(float
, 可选): 与除 ‘default’ 之外的所有 RoPE 类型一起使用。 要应用于 RoPE 嵌入的缩放因子。 在大多数缩放类型中,factor
为 x 将使模型能够处理长度为 x * 原始最大预训练长度的序列。original_max_position_embeddings
(int
, 可选): 与 ‘dynamic’, ‘longrope’ 和 ‘llama3’ 一起使用。 预训练期间使用的原始最大位置嵌入。attention_factor
(float
, 可选): 与 ‘yarn’ 和 ‘longrope’ 一起使用。 要应用于注意力计算的缩放因子。 如果未指定,则默认为实现建议的值,使用factor
字段推断建议值。beta_fast
(float
, 可选): 仅与 ‘yarn’ 一起使用。 设置线性斜坡函数中外推(仅)边界的参数。 如果未指定,则默认为 32。beta_slow
(float
, 可选): 仅与 ‘yarn’ 一起使用。 设置线性斜坡函数中插值(仅)边界的参数。 如果未指定,则默认为 1。short_factor
(List[float]
, 可选): 仅与 ‘longrope’ 一起使用。 要应用于短上下文 (<original_max_position_embeddings
) 的缩放因子。 必须是一个数字列表,其长度与隐藏大小除以注意力头数量除以 2 相同long_factor
(List[float]
, 可选): 仅与 ‘longrope’ 一起使用。 要应用于长上下文 (<original_max_position_embeddings
) 的缩放因子。 必须是一个数字列表,其长度与隐藏大小除以注意力头数量除以 2 相同low_freq_factor
(float
, 可选): 仅与 ‘llama3’ 一起使用。 应用于 RoPE 低频分量的缩放因子high_freq_factor
(float
, 可选): 仅与 ‘llama3’ 一起使用。 应用于 RoPE 高频分量的缩放因子 - qk_layernorm (
bool
, 可选, 默认为True
) — 是否在投影隐藏状态后对查询和键进行归一化 - hidden_dropout (
float
, 可选, 默认为 0.0) — 对隐藏状态应用 MLP 后 的 dropout 率。 - attention_dropout (
float
, 可选, 默认为 0.0) — 计算注意力分数后 的 dropout 率。 - partial_rotary_factor (
float
, 可选, 默认为 0.5) — 将具有旋转嵌入的查询和键的百分比。例如 —
这是用于存储 PersimmonModel 配置的配置类。它用于根据指定的参数实例化 Persimmon 模型,定义模型架构。使用默认值实例化配置将产生与 adept/persimmon-8b-base 相似的配置。
配置对象继承自 PretrainedConfig,可用于控制模型输出。阅读 PretrainedConfig 的文档以了解更多信息。
PersimmonModel
class transformers.PersimmonModel
< 源代码 >( config: PersimmonConfig )
参数
- config (PersimmonConfig) — 模型配置类,包含模型的所有参数。使用配置文件进行初始化不会加载与模型相关的权重,仅加载配置。查看 from_pretrained() 方法以加载模型权重。config — PersimmonConfig
裸 Persimmon 模型输出原始隐藏状态,没有任何特定的头部。此模型继承自 PreTrainedModel。查看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、修剪头部等)。
此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档以了解有关通用用法和行为的所有事项。
包含 config.num_hidden_layers 层的 Transformer 解码器。每层都是一个 PersimmonDecoderLayer
正向
< 源代码 >( input_ids: LongTensor = None attention_mask: 可选 = None position_ids: 可选 = None past_key_values: 可选 = None inputs_embeds: 可选 = None use_cache: 可选 = None output_attentions: 可选 = None output_hidden_states: 可选 = None return_dict: 可选 = None cache_position: 可选 = 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。如果您提供填充,默认情况下会忽略填充。可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor
形状为(batch_size, sequence_length)
, 可选) — 用于避免对填充标记索引执行注意力的掩码。在[0, 1]
中选择掩码值:- 1 用于未掩码的标记,
- 0 用于掩码的标记。
可以使用 AutoTokenizer 获取索引。有关详细信息,请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
如果使用
past_key_values
,则可以选择仅输入最后一个decoder_input_ids
(请参见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,请参见 论文 中的图表 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) — 输入序列标记在位置嵌入中的位置索引。在[0, config.n_positions - 1]
范围内选择。 - past_key_values (
Cache
或tuple(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的先前阶段返回的past_key_values
,当use_cache=True
或config.use_cache=True
时。允许两种格式:
- 一个 Cache 实例,请参见我们的 kv 缓存指南;
- 长度为
config.n_layers
的tuple(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。
模型将输出与作为输入提供的相同的缓存格式。如果未传递任何
past_key_values
,则将返回传统缓存格式。如果使用
past_key_values
,则用户可以选择仅输入最后一个input_ids
(那些没有将其过去的键值状态提供给此模型的input_ids
),形状为(batch_size, 1)
,而不是所有形状为(batch_size, sequence_length)
的input_ids
。 - 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
。如果您希望对如何将input_ids
索引转换为关联的向量比模型的内部嵌入查找矩阵有更多控制,这将很有用。 - use_cache (
bool
, 可选) — 如果设置为True
,则将返回past_key_values
键值状态,可用于加快解码速度(请参见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
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。
该 PersimmonModel 正向方法覆盖了 __call__
特殊方法。
虽然前向传递的配方需要在这个函数中定义,但之后应该调用Module
实例而不是这个函数,因为前者负责运行前处理和后处理步骤,而后者会默默地忽略它们。
PersimmonForCausalLM
正向
< source >( input_ids: LongTensor = 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 cache_position: Optional = None num_logits_to_keep: int = 0 ) → transformers.modeling_outputs.CausalLMOutputWithPast 或 tuple(torch.FloatTensor)
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() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor
形状为(batch_size, sequence_length)
, 可选) — 用于避免对填充标记索引执行注意的掩码。在[0, 1]
中选择的掩码值:- 1 表示未掩码的标记,
- 0 表示掩码的标记。
可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
如果使用
past_key_values
,则可以选择输入仅最后一个decoder_input_ids
(那些没有提供其过去键值状态的输入 ID)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,您应该阅读
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 中的图表 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。 - past_key_values (
Cache
或tuple(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=True
或config.use_cache=True
时。允许两种格式:
- 一个 Cache 实例,请参阅我们的 kv 缓存指南;
- 长度为
config.n_layers
的tuple(tuple(torch.FloatTensor))
,每个元组包含两个形状为(batch_size, num_heads, sequence_length, embed_size_per_head)
的张量。这也称为传统缓存格式。
模型将输出与作为输入馈送的相同缓存格式。如果未传递
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最后一个input_ids
(那些没有提供其过去键值状态的输入 ID)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
。如果您希望对如何将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) — 是否返回一个 ModelOutput 而不是一个简单元组。 - 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 (
torch.LongTensor
形状为(batch_size, sequence_length)
,可选): 用于计算掩蔽语言建模损失的标签。索引应在[0, ..., config.vocab_size]
或 -100 中(参见input_ids
文档字符串)。索引设置为-100
的令牌将被忽略(掩蔽),损失仅针对标签在[0, ..., config.vocab_size]
中的令牌计算。num_logits_to_keep (
int
,可选): 计算最后num_logits_to_keep
个令牌的 logits。如果为0
,则计算所有input_ids
的 logits(特殊情况)。生成只需要最后一个令牌的 logits,并且仅为该令牌计算它们可以节省内存,这对于长序列或大型词汇量来说非常重要。
返回
transformers.modeling_outputs.CausalLMOutputWithPast 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.CausalLMOutputWithPast 或 torch.FloatTensor
的元组(如果传递了 return_dict=False
或 config.return_dict=False
时),包含取决于配置 (PersimmonConfig) 和输入的各种元素。
-
loss (
torch.FloatTensor
形状为(1,)
,可选,当提供labels
时返回) — 语言建模损失(用于下一个令牌预测)。 -
logits (
torch.FloatTensor
形状为(batch_size, sequence_length, config.vocab_size)
) — 语言建模头的预测分数(SoftMax 之前的每个词汇令牌的分数)。 -
past_key_values (
tuple(tuple(torch.FloatTensor))
,可选,当传递use_cache=True
或config.use_cache=True
时返回) — 长度为config.n_layers
的tuple(torch.FloatTensor)
的元组,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,当传递output_hidden_states=True
或config.output_hidden_states=True
时返回) —torch.FloatTensor
的元组(一个用于嵌入的输出,如果模型具有嵌入层,另外一个用于每一层的输出),形状为(batch_size, sequence_length, hidden_size)
。模型在每一层输出的隐藏状态,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(每一层一个),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。
The PersimmonForCausalLM 前向方法覆盖了 __call__
特殊方法。
虽然前向传递的配方需要在这个函数中定义,但之后应该调用Module
实例而不是这个函数,因为前者负责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, PersimmonForCausalLM
>>> model = PersimmonForCausalLM.from_pretrained("adept/persimmon-8b-base")
>>> tokenizer = AutoTokenizer.from_pretrained("adept/persimmon-8b-base")
>>> prompt = "human: Hey, what should I eat for dinner?"
>>> 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]
'human: Hey, what should I eat for dinner?\n\ncat: 🐱\n\nhuman: 😐\n\n'
PersimmonForSequenceClassification
class transformers.PersimmonForSequenceClassification
< 源代码 >( config )
参数
- config (PersimmonConfig) — 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,只加载配置。查看 from_pretrained() 方法加载模型权重。
Persimmon 变换器,顶部带有序列分类头(线性层)。
PersimmonForSequenceClassification 使用最后一个 token 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,因此它需要知道最后一个 token 的位置。如果在配置中定义了 pad_token_id
,则它会查找每行中不是填充 token 的最后一个 token。如果未定义 pad_token_id
,则它只会获取批处理中每行的最后一个值。由于它无法在传递 inputs_embeds
而不是 input_ids
时猜测填充 token,因此它会执行相同的操作(获取批处理中每行的最后一个值)。
此模型继承自 PreTrainedModel。查看超类文档以获取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、剪枝头等)。
此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档以了解有关通用用法和行为的所有事项。
正向
< 源代码 >( 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
形状为(batch_size, sequence_length)
) — 输入序列 token 在词汇表中的索引。如果您提供填充,默认情况下会忽略填充。索引可以使用 AutoTokenizer 获取。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) — 用于避免对填充 token 索引执行注意力的掩码。掩码值选择在[0, 1]
中:- 1 表示未掩码的 token,
- 0 表示掩码的 token。
索引可以使用 AutoTokenizer 获取。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
如果使用
past_key_values
,则可以选择仅输入最后的decoder_input_ids
(其过去键值状态未提供给此模型的那些)(形状为(batch_size, 1)
),而不是所有input_ids
(形状为(batch_size, sequence_length)
)。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 表示头部已掩码。
- position_ids (
torch.LongTensor
形状为(batch_size, sequence_length)
,可选) — 输入序列 token 在位置嵌入中的位置索引。选择在[0, config.n_positions - 1]
范围内。 - past_key_values (
Cache
或tuple(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。这通常包括在解码的先前阶段由模型返回的past_key_values
,当use_cache=True
或config.use_cache=True
时。允许两种格式:
- 一个 Cache 实例,请参阅我们的 kv 缓存指南;
- 长度为
config.n_layers
的tuple(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
(其过去键值状态未提供给此模型的那些)(形状为(batch_size, 1)
),而不是所有input_ids
(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式表示,而不是传递input_ids
。如果您想比模型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 (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。 - 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 (均方误差损失),如果config.num_labels > 1
,则计算分类损失 (交叉熵)。
该 PersimmonForSequenceClassification 正向方法覆盖了 __call__
特殊方法。
虽然前向传递的配方需要在这个函数中定义,但之后应该调用Module
实例而不是这个函数,因为前者负责运行前处理和后处理步骤,而后者会默默地忽略它们。
PersimmonForTokenClassification
class transformers.PersimmonForTokenClassification
< 源代码 >( config )
参数
- config (PersimmonConfig) — 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。
具有顶端标记分类头的 Persimmon 模型转换器 (在隐藏状态输出之上添加一个线性层),例如用于命名实体识别 (NER) 任务。
此模型继承自 PreTrainedModel。查看超类文档以获取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、剪枝头等)。
此模型也是 PyTorch torch.nn.Module 子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档以了解有关通用用法和行为的所有事项。
正向
< 源代码 >( 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。如果您提供填充,默认情况下将忽略填充。索引可以通过 AutoTokenizer 获取。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) — 掩码以避免对填充标记索引执行注意力。掩码值在[0, 1]
中选择:- 1 表示 未掩码 的标记,
- 0 表示 掩码 的标记。
索引可以通过 AutoTokenizer 获取。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
如果使用
past_key_values
,可以选择仅输入最后一个decoder_input_ids
(请参阅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。有关默认策略的更多信息,请参阅 论文 中的图表 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。 - past_key_values (
Cache
或tuple(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先前阶段返回的past_key_values
,当use_cache=True
或config.use_cache=True
时。允许两种格式:
- 一个 Cache 实例,请参阅我们的 kv 缓存指南;
- 长度为
config.n_layers
的tuple(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。
模型将输出与作为输入提供的相同缓存格式。如果未传递
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
(形状为(batch_size, 1)
,而不是所有形状为(batch_size, sequence_length)
的input_ids
)。 - 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,这将非常有用。 - use_cache (
bool
,可选) — 如果设置为True
,则返回past_key_values
键值状态,可用于加速解码(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) — 是否返回一个 ModelOutput 而不是一个简单的元组。 - cache_position (
torch.LongTensor
形状为(sequence_length)
, 可选) — 指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。 - 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)。
该 PersimmonForTokenClassification 正向方法覆盖了 __call__
特殊方法。
虽然前向传递的配方需要在这个函数中定义,但之后应该调用Module
实例而不是这个函数,因为前者负责运行前处理和后处理步骤,而后者会默默地忽略它们。