Transformers 文档

Qwen2MoE

Hugging Face's logo
加入Hugging Face社区

并获得增强的文档体验

开始使用

Qwen2MoE

概述

Qwen2MoE 是来自 Qwen 团队的大语言模型的新模型系列。此前,我们发布了 Qwen 系列,包括 Qwen-72B、Qwen-1.8B、Qwen-VL、Qwen-Audio 等。

模型详情

Qwen2MoE 是一个语言模型系列,包括不同模型尺寸的解码器语言模型。对于每个尺寸,我们发布了基础语言模型和对齐的聊天模型。Qwen2MoE 具有以下架构选择

  • Qwen2MoE 基于 Transformer 架构,使用 SwiGLU 激活函数、注意力 QKV 偏置、组查询注意力、滑动窗口注意力和全注意力混合等。此外,我们还改进了一个适应多种自然语言和代码的标记器。
  • Qwen2MoE 采用混合专家 (MoE) 架构,其中模型是从密集语言模型升级而来。例如,Qwen1.5-MoE-A2.7B 是从 Qwen-1.8B 升级而来。它总共有 143 亿个参数,运行时激活 27 亿个参数,同时实现了与 Qwen1.5-7B 相当的性能,而训练资源仅为其 25%。

更多详细信息,请参阅 发布博文

使用技巧

Qwen1.5-MoE-A2.7BQwen1.5-MoE-A2.7B-Chat 可以在 Huggingface Hub 上找到。

在下文中,我们将演示如何使用 Qwen1.5-MoE-A2.7B-Chat 进行推理。请注意,我们已使用 ChatML 格式进行对话,在此演示中,我们将展示如何为此目的利用 apply_chat_template

>>> from transformers import AutoModelForCausalLM, AutoTokenizer
>>> device = "cuda" # the device to load the model onto

>>> model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B-Chat", device_map="auto")
>>> tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B-Chat")

>>> prompt = "Give me a short introduction to large language model."

>>> messages = [{"role": "user", "content": prompt}]

>>> text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)

>>> model_inputs = tokenizer([text], return_tensors="pt").to(device)

>>> generated_ids = model.generate(model_inputs.input_ids, max_new_tokens=512, do_sample=True)

>>> generated_ids = [output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)]

>>> response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

Qwen2MoeConfig

class transformers.Qwen2MoeConfig

< >

( vocab_size = 151936 hidden_size = 2048 intermediate_size = 5632 num_hidden_layers = 24 num_attention_heads = 16 num_key_value_heads = 16 hidden_act = 'silu' max_position_embeddings = 32768 initializer_range = 0.02 rms_norm_eps = 1e-06 use_cache = True tie_word_embeddings = False rope_theta = 10000.0 rope_scaling = None use_sliding_window = False sliding_window = 4096 max_window_layers = 28 attention_dropout = 0.0 decoder_sparse_step = 1 moe_intermediate_size = 1408 shared_expert_intermediate_size = 5632 num_experts_per_tok = 4 num_experts = 60 norm_topk_prob = False output_router_logits = False router_aux_loss_coef = 0.001 mlp_only_layers = None **kwargs )

参数

  • vocab_size (int, 可选, 默认为 151936) — Qwen2MoE 模型的词汇量大小。定义了调用 Qwen2MoeModel 时传递的 inputs_ids 可以表示的不同标记的数量
  • intermediate_size (int可选,默认为 5632) — MLP 表示的维度。
  • num_hidden_layers (int可选,默认为 24) — Transformer 编码器中隐藏层的数量。
  • num_attention_heads (int可选,默认为 16) — Transformer 编码器中每个注意力层的注意力头数量。
  • num_key_value_heads (int可选,默认为 16) — 这是应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。在将多头检查点转换为 GQA 检查点时,每个组键和值头应通过对该组中所有原始头进行平均池化来构建。有关更多详细信息,请查看这篇论文。如果未指定,则默认为 32
  • hidden_act (strfunction可选,默认为 "silu") — 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 32768) — 此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截断正态初始化器的标准差。
  • rms_norm_eps (float可选,默认为 1e-06) — rms 归一化层使用的 epsilon。
  • use_cache (bool可选,默认为 True) — 模型是否应返回最后的键/值注意力(并非所有模型都使用)。仅当 config.is_decoder=True 时才相关。
  • tie_word_embeddings (bool可选,默认为 False) — 模型的输入和输出词嵌入是否应该绑定。
  • rope_scaling (Dict, 可选) — 包含 RoPE 嵌入缩放配置的字典。注意:如果您应用新的 rope 类型并期望模型在更长的max_position_embeddings上工作,我们建议您相应地更新此值。预期内容:rope_type (str):要使用的 RoPE 子变体。可以是 [‘default’, ‘linear’, ‘dynamic’, ‘yarn’, ‘longrope’, ‘llama3’] 中的一个,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。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,则默认为实现推荐的值,使用factor字段推断建议的值。beta_fast (float, 可选):仅与 ‘yarn’ 一起使用。用于在线性斜坡函数中设置外推(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。用于在线性斜坡函数中设置插值(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的数量除以 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的数量除以 2 相同low_freq_factor (float, 可选):仅与 ‘llama3’ 一起使用。应用于 RoPE 的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 的高频分量的缩放因子
  • use_sliding_window (bool, 可选,默认为 False) — 是否使用滑动窗口注意力。
  • sliding_window (int, 可选,默认为 4096) — 滑动窗口注意力 (SWA) 窗口大小。如果未指定,将默认为 4096
  • max_window_layers (int, 可选,默认为 28) — 使用 SWA(滑动窗口注意力)的层数。底层使用 SWA,而顶层使用完全注意力。
  • attention_dropout (float, 可选,默认为 0.0) — 注意力概率的 dropout 比率。
  • decoder_sparse_step (int, 可选,默认为 1) — MoE 层的频率。
  • moe_intermediate_size (int, 可选,默认为 1408) — 路由专家的中间大小。
  • shared_expert_intermediate_size (int, 可选,默认为 5632) — 共享专家的中间大小。
  • num_experts_per_tok (int, 可选,默认为 4) — 选定的专家数量。
  • num_experts (int, 可选,默认为 60) — 路由专家的数量。
  • norm_topk_prob (bool, 可选, 默认为 False) — 是否对 topk 概率进行归一化。
  • output_router_logits (bool, 可选, 默认为 False) — 模型是否应该返回路由 logits。启用此选项还将允许模型输出辅助损失,包括负载均衡损失和路由 z 损失。
  • router_aux_loss_coef (float, 可选, 默认为 0.001) — 辅助损失因子,用于总损失。
  • mlp_only_layers (List[int], 可选, 默认为 []) — 指示哪些层使用 Qwen2MoeMLP 而不是 Qwen2MoeSparseMoeBlock。列表包含层索引,从 0 到 num_layers-1,如果我们有 num_layers 层。如果 mlp_only_layers 为空,则 decoder_sparse_step 用于确定稀疏性。

这是用于存储 Qwen2MoeModel 配置的配置类。它用于根据指定的参数实例化 Qwen2MoE 模型,定义模型架构。使用默认值实例化配置将产生与 Qwen1.5-MoE-A2.7B” Qwen/Qwen1.5-MoE-A2.7B” 类似的配置。

配置对象继承自 PretrainedConfig,可用于控制模型输出。请阅读 PretrainedConfig 中的文档以获取更多信息。

>>> from transformers import Qwen2MoeModel, Qwen2MoeConfig

>>> # Initializing a Qwen2MoE style configuration
>>> configuration = Qwen2MoeConfig()

>>> # Initializing a model from the Qwen1.5-MoE-A2.7B" style configuration
>>> model = Qwen2MoeModel(configuration)

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

Qwen2MoeModel

transformers.Qwen2MoeModel

< >

( config: Qwen2MoeConfig )

参数

  • config (Qwen2MoeConfig) — 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关联的权重,仅加载配置。查看 from_pretrained() 方法以加载模型权重。config — Qwen2MoeConfig

不带任何特定头的基本 Qwen2MoE 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、调整输入嵌入大小、修剪 head 等)。

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

config.num_hidden_layers 层组成的 Transformer 解码器。每一层都是一个 Qwen2MoeDecoderLayer

前向传播

< >

( 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 output_router_logits: 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)) — 词汇表中输入序列标记的索引。默认情况下,如果提供了填充,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) — 用于避免对填充标记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()

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

    如果要更改填充行为,则应阅读 modeling_opt._prepare_decoder_attention_mask 并根据需要修改。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。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,请参阅我们的 kv 缓存指南
    • 长度为 config.n_layerstuple(torch.FloatTensor) 元组,每个元组有两个形状为 (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。如果未传递 past_key_values,则将返回传统缓存格式。

    如果使用了 past_key_values,则用户可以选择仅输入形状为 (batch_size, 1) 的最后一个 input_ids(其过去键值状态未提供给此模型)而不是形状为 (batch_size, sequence_length) 的所有 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
  • output_router_logits (bool可选) — 是否返回所有路由器的 logits。它们对于计算路由器损失很有用,在推理期间不应返回。
  • 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。

Qwen2MoeModel 的前向方法覆盖了 __call__ 特殊方法。

虽然前向传递的流程需要在此函数中定义,但之后应该调用 Module 实例而不是此函数,因为前者负责运行预处理和后处理步骤,而后者则会默默地忽略它们。

Qwen2MoeForCausalLM

transformers.Qwen2MoeForCausalLM

< >

( config )

前向传播

< >

( 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 output_router_logits: Optional = None return_dict: Optional = None cache_position: Optional = None num_logits_to_keep: int = 0 ) transformers.modeling_outputs.MoeCausalLMOutputWithPasttuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 词汇表中输入序列令牌的索引。如果您提供填充,则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()PreTrainedTokenizer.call()

    什么是输入 ID?

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

    • 1 表示未掩盖的令牌,
    • 0 表示掩盖的令牌。

    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 decoder_input_ids(请参阅 past_key_values)。

    如果要更改填充行为,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 中的图表 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) — 输入序列中每个token在位置嵌入中的位置索引。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:

    • 一个 Cache 实例,请参阅我们的 kv 缓存指南
    • 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。如果未传递 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形状为 (batch_size, 1) 的最后一个 input_ids(未为此模型提供其过去键值状态的 input_ids),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,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比模型内部嵌入查找矩阵更多的控制,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(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
  • output_router_logits (bool可选) — 是否返回所有路由器的 logits。它们对于计算路由器损失很有用,在推理期间不应返回它们。
  • 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) — 指示输入序列中token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 (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。索引应为 [0, ..., config.vocab_size] 或 -100(请参阅 input_ids 文档字符串)。索引设置为 -100 的token将被忽略(掩码),损失仅针对标签在 [0, ..., config.vocab_size] 中的token计算。

    num_logits_to_keep (int可选):计算最后 num_logits_to_keep 个token的 logits。如果为 0,则计算所有 input_ids 的 logits(特殊情况)。生成只需要最后一个token的 logits,并且仅为该token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。

返回值

transformers.modeling_outputs.MoeCausalLMOutputWithPasttuple(torch.FloatTensor)

一个 transformers.modeling_outputs.MoeCausalLMOutputWithPast 或一个 torch.FloatTensor 元组(如果传递 return_dict=Falseconfig.return_dict=False),包含取决于配置 (Qwen2MoeConfig) 和输入的各种元素。

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

  • aux_loss (torch.FloatTensor可选,当提供labels时返回) — 稀疏模块的辅助损失。

  • router_logits (tuple(torch.FloatTensor)可选,当传递output_router_probs=Trueconfig.add_router_probs=Trueconfig.output_router_probs=True时返回) — 形状为(batch_size, sequence_length, num_experts)torch.FloatTensor元组(每个层一个)。

    由MoE路由器计算的原始路由器logits(softmax后),这些项用于计算混合专家模型的辅助损失。

  • past_key_values (tuple(tuple(torch.FloatTensor))可选,当传递use_cache=Trueconfig.use_cache=True时返回) — 长度为config.n_layerstuple(torch.FloatTensor)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=Trueconfig.output_hidden_states=True时返回) — 形状为(batch_size, sequence_length, hidden_size)torch.FloatTensor元组(一个用于嵌入的输出,如果模型具有嵌入层,则加上每个层的输出)。

    模型在每一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,当传递output_attentions=Trueconfig.output_attentions=True时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)torch.FloatTensor元组(每个层一个)。

    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。

Qwen2MoeForCausalLM 的前向方法,覆盖了__call__特殊方法。

虽然前向传递的流程需要在此函数中定义,但之后应该调用 Module 实例而不是此函数,因为前者负责运行预处理和后处理步骤,而后者则会默默地忽略它们。

示例

>>> from transformers import AutoTokenizer, Qwen2MoeForCausalLM

>>> model = Qwen2MoeForCausalLM.from_pretrained(PATH_TO_CONVERTED_WEIGHTS)
>>> tokenizer = AutoTokenizer.from_pretrained(PATH_TO_CONVERTED_TOKENIZER)

>>> 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."

Qwen2MoeForSequenceClassification

transformers.Qwen2MoeForSequenceClassification

< >

( config )

参数

  • config (Qwen2MoeConfig) — 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,仅加载配置。查看from_pretrained()方法以加载模型权重。

Qwen2MoE模型转换器,顶部带有一个序列分类头(线性层)。

Qwen2MoeForSequenceClassification 使用最后一个标记进行分类,就像其他因果模型(例如GPT-2)一样。

由于它对最后一个标记进行分类,因此需要知道最后一个标记的位置。如果在配置中定义了pad_token_id,则它会找到每一行中不是填充标记的最后一个标记。如果没有定义pad_token_id,则它只需获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时猜测填充标记,因此它执行相同的操作(获取批处理中每一行的最后一个值)。

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、剪枝头等)。

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

前向传播

< >

( 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)) — 词汇表中输入序列标记的索引。默认情况下,如果提供填充,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) — 用于避免对填充标记索引执行注意力操作的掩码。掩码值选择在 [0, 1] 中:

    • 1 表示未被掩码的标记,
    • 0 表示被掩码的标记。

    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 decoder_input_ids(请参阅 past_key_values)。

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

    • 1 表示头部未被掩码
    • 0 表示头部被掩码
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length)可选) — 输入序列中每个标记在位置嵌入中的位置索引。选择范围在 [0, config.n_positions - 1] 中。

    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,请参阅我们的 kv 缓存指南
    • 长度为 config.n_layerstuple(tuple(torch.FloatTensor)),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。如果未传递 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(其过去键值状态未提供给此模型)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
  • output_router_logits (bool可选) — 是否返回所有路由器的 logits。它们对于计算路由器损失很有用,在推理过程中不应返回。
  • 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) — 表示输入序列标记在序列中的位置的索引。与 position_ids 不同,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] 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)。

Qwen2MoeForSequenceClassification 的前向方法覆盖了 __call__ 特殊方法。

虽然前向传递的流程需要在此函数中定义,但之后应该调用 Module 实例而不是此函数,因为前者负责运行预处理和后处理步骤,而后者则会默默地忽略它们。

Qwen2MoeForTokenClassification

transformers.Qwen2MoeForTokenClassification

< >

( config )

参数

  • config (Qwen2MoeConfig) — 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() 方法以加载模型权重。

具有标记分类头的 Qwen2MoE 模型转换器(隐藏状态输出顶部的线性层),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、剪枝头等)。

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

前向传播

< >

( 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) — 用于避免对填充标记索引执行注意力的掩码。掩码值在 [0, 1] 中选择:

    • 1 表示未被掩盖的标记,
    • 0 表示被掩盖的标记。

    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 decoder_input_ids(请参阅 past_key_values)。

    如果要更改填充行为,则应阅读 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 1。

    • 1 表示头部未被掩盖
    • 0 表示头部被掩盖
  • 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。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:

    • 一个 Cache 实例,请参阅我们的 kv 缓存指南
    • 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。如果未传递 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形状为 (batch_size, 1) 的最后一个 input_ids(没有为此模型提供过去键值状态的那些),而不是形状为 (batch_size, sequence_length) 的所有 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 索引转换为关联向量进行比模型内部嵌入查找矩阵更多的控制,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(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
  • output_router_logits (bool可选) — 是否返回所有路由器的 logits。它们对于计算路由器损失很有用,在推理过程中不应返回。
  • 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) — 描述输入序列中 token 在序列中的位置的索引。与 position_ids 不同,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] 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

Qwen2MoeForTokenClassification 的前向方法重写了 __call__ 特殊方法。

虽然前向传递的流程需要在此函数中定义,但之后应该调用 Module 实例而不是此函数,因为前者负责运行预处理和后处理步骤,而后者则会默默地忽略它们。

< > 在 GitHub 上更新