Transformers 文档
SEW-D
并获得增强的文档体验
开始使用
SEW-D
概述
SEW-D (Squeezed and Efficient Wav2Vec with Disentangled attention) 由 Felix Wu, Kwangyoun Kim, Jing Pan, Kyu Han, Kilian Q. Weinberger, Yoav Artzi 在《用于语音识别的无监督预训练中的性能-效率权衡》中提出。
论文摘要如下:
本文研究了用于自动语音识别 (ASR) 的预训练模型中的性能-效率权衡。我们专注于 wav2vec 2.0,并形式化了影响模型性能和效率的几种架构设计。综合所有观察结果,我们引入了 SEW (Squeezed and Efficient Wav2vec),这是一种预训练模型架构,在各种训练设置中,其性能和效率方面都有显著改进。例如,在 LibriSpeech 上的 100h-960h 半监督设置中,SEW 比 wav2vec 2.0 实现了 1.9 倍的推理加速,词错误率相对降低了 13.5%。在相似的推理时间下,SEW 在不同模型尺寸下将词错误率降低了 25-50%。
此模型由anton-l贡献。
使用技巧
- SEW-D 是一个语音模型,接受一个浮点数组,对应于语音信号的原始波形。
- SEWDForCTC 使用连接主义时间分类 (CTC) 进行微调,因此模型输出必须使用Wav2Vec2CTCTokenizer进行解码。
资源
SEWD配置
class transformers.SEWDConfig
< 源 >( 词汇表大小 = 32 隐藏层大小 = 768 隐藏层数量 = 12 注意力头数量 = 12 中间层大小 = 3072 压缩因子 = 2 最大位置嵌入 = 512 位置桶 = 256 共享注意力键 = True 相对注意力 = True 位置注意力类型 = ('p2c', 'c2p') 归一化相对嵌入 = 'layer_norm' 隐藏激活函数 = 'gelu_python' 隐藏层丢弃率 = 0.1 激活层丢弃率 = 0.1 注意力丢弃率 = 0.1 特征投影丢弃率 = 0.0 最终丢弃率 = 0.1 初始化范围 = 0.02 层归一化epsilon = 1e-07 特征层归一化epsilon = 1e-05 特征提取归一化 = 'group' 特征提取激活函数 = 'gelu' 卷积维度 = (64, 128, 128, 128, 128, 256, 256, 256, 256, 512, 512, 512, 512) 卷积步长 = (5, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1) 卷积核 = (10, 3, 1, 3, 1, 3, 1, 3, 1, 2, 1, 2, 1) 卷积偏置 = False 卷积位置嵌入数量 = 128 卷积位置嵌入组数量 = 16 应用SpecAugment = True 时间掩码概率 = 0.05 时间掩码长度 = 10 时间掩码最小数量 = 2 特征掩码概率 = 0.0 特征掩码长度 = 10 特征掩码最小数量 = 0 CTC损失缩减 = 'mean' CTC零无穷大 = False 使用加权层求和 = False 分类器投影大小 = 256 填充token ID = 0 起始token ID = 1 结束token ID = 2 **kwargs )
参数
- vocab_size (
int
, 可选, 默认为 32) — SEW-D 模型的词汇表大小。定义了调用SEWD
时传入inputs_ids
可表示的不同 token 的数量。 - hidden_size (
int
, 可选, 默认为 768) — 编码器层和池化层维度。 - num_hidden_layers (
int
, 可选, 默认为 12) — Transformer 编码器中的隐藏层数量。 - num_attention_heads (
int
, 可选, 默认为 12) — Transformer 编码器中每个注意力层的注意力头数量。 - intermediate_size (
int
, 可选, 默认为 3072) — Transformer 编码器中“中间”(即前馈)层的维度。 - squeeze_factor (
int
, 可选, 默认为 2) — 编码器后的序列长度下采样因子和 Transformer 后的上采样因子。 - max_position_embeddings (
int
, 可选, 默认为 512) — 此模型可能使用的最大序列长度。通常设置为较大值以防万一(例如 512、1024 或 2048)。 - position_buckets (
int
, 可选, 默认为 256) — 相对位置嵌入的最大大小。 - share_att_key (
bool
, 可选, 默认为True
) — 是否与 c2p 和 p2c 共享注意力键。 - relative_attention (
bool
, 可选, 默认为True
) — 是否使用相对位置编码。 - pos_att_type (
tuple[str]
, 可选, 默认为("p2c", "c2p")
) — 相对位置注意力的类型,可以是("p2c", "c2p")
的组合,例如("p2c")
、("p2c", "c2p")
、("p2c", "c2p")
。 - norm_rel_ebd (
str
, 可选, 默认为"layer_norm"
) — 是否在相对嵌入中使用层归一化(如果是则为"layer_norm"
) - hidden_act (
str
或function
, 可选, 默认为"gelu_python"
) — 编码器和池化器中的非线性激活函数(函数或字符串)。如果是字符串,支持"gelu"
、"relu"
、"selu"
、"gelu_python"
和"gelu_new"
。 - hidden_dropout (
float
, 可选, 默认为 0.1) — 已弃用。模型不再使用,并将在未来版本中移除。 - activation_dropout (
float
, 可选, 默认为 0.1) — 嵌入、编码器和池化器中所有全连接层的丢弃概率。 - attention_dropout (
float
, 可选, 默认为 0.1) — 注意力概率的丢弃率。 - final_dropout (
float
, 可选, 默认为 0.1) — SEWDForCTC 最终投影层的丢弃概率。 - 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。 - layer_norm_eps (
float
, 可选, 默认为 1e-7) — Transformer 编码器中层归一化层使用的 epsilon。 - feature_layer_norm_eps (
float
, 可选, 默认为 1e-5) — 特征编码器后层归一化使用的 epsilon。 - feat_extract_norm (
str
, 可选, 默认为"group"
) — 应用于特征编码器中一维卷积层的归一化类型。可以是"group"
(仅对第一个一维卷积层进行组归一化)或"layer"
(对所有一维卷积层进行层归一化)。 - feat_proj_dropout (
float
, 可选, 默认为 0.0) — 特征编码器输出的丢弃概率。 - feat_extract_activation (
str,
可选, 默认为
“gelu”) -- 特征提取器一维卷积层中的非线性激活函数(函数或字符串)。如果是字符串,支持
“gelu”、
“relu”、
“selu”和
“gelu_new”`。 - conv_dim (
tuple[int]
或list[int]
, 可选, 默认为(64, 128, 128, 128, 128, 256, 256, 256, 256, 512, 512, 512, 512)
) — 一个整数元组,定义特征编码器中每个一维卷积层的输入和输出通道数。conv_dim 的长度定义了一维卷积层的数量。 - conv_stride (
tuple[int]
或list[int]
, 可选, 默认为(5, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1)
) — 一个整数元组,定义特征编码器中每个一维卷积层的步长。conv_stride 的长度定义了卷积层的数量,并且必须与 conv_dim 的长度匹配。 - conv_kernel (
tuple[int]
或list[int]
, 可选, 默认为(10, 3, 1, 3, 1, 3, 1, 3, 1, 2, 1, 2, 1)
) — 一个整数元组,定义特征编码器中每个一维卷积层的核大小。conv_kernel 的长度定义了卷积层的数量,并且必须与 conv_dim 的长度匹配。 - conv_bias (
bool
, 可选, 默认为False
) — 一维卷积层是否具有偏置。 - num_conv_pos_embeddings (
int
, 可选, 默认为 128) — 卷积位置嵌入的数量。定义了一维卷积位置嵌入层的核大小。 - num_conv_pos_embedding_groups (
int
, 可选, 默认为 16) — 一维卷积位置嵌入层的组数量。 - apply_spec_augment (
bool
, 可选, 默认为True
) — 是否对特征编码器输出应用 SpecAugment 数据增强。请参阅SpecAugment: 用于自动语音识别的简单数据增强方法。 - mask_time_prob (
float
, 可选, 默认为 0.05) — 沿时间轴所有特征向量将被掩码的百分比(0 到 1 之间)。掩码过程沿轴生成“mask_time_prob * len(time_axis) / mask_time_length”个独立掩码。如果从每个特征向量被选为掩码向量跨度起点的概率推断,mask_time_prob 应该为 `prob_vector_start * mask_time_length`。请注意,重叠可能会降低实际掩码向量的百分比。这仅在apply_spec_augment 为 True
时相关。 - mask_time_length (
int
, 可选, 默认为 10) — 沿时间轴的向量跨度长度。 - mask_time_min_masks (
int
, 可选, 默认为 2) — 沿时间轴生成的长度为mask_feature_length
的最小掩码数量,每个时间步都如此,与mask_feature_prob
无关。仅当“mask_time_prob * len(time_axis) / mask_time_length < mask_time_min_masks”时才相关。 - mask_feature_prob (
float
, 可选, 默认为 0.0) — 沿特征轴的所有特征向量将被掩码的百分比(0 到 1 之间)。掩码过程沿轴生成“mask_feature_prob * len(feature_axis) / mask_time_length”个独立掩码。如果从每个特征向量被选为掩码向量跨度起点的概率推断,mask_feature_prob 应该为 `prob_vector_start * mask_feature_length`。请注意,重叠可能会降低实际掩码向量的百分比。这仅在apply_spec_augment 为 True
时相关。 - mask_feature_length (
int
, 可选, 默认为 10) — 沿特征轴的向量跨度长度。 - mask_feature_min_masks (
int
, 可选, 默认为 0) — 沿特征轴生成的长度为mask_feature_length
的最小掩码数量,每个时间步都如此,与mask_feature_prob
无关。仅当“mask_feature_prob * len(feature_axis) / mask_feature_length < mask_feature_min_masks”时才相关。 - diversity_loss_weight (
int
, 可选, 默认为 0.1) — 码本多样性损失组件的权重。 - ctc_loss_reduction (
str
, 可选, 默认为"sum"
) — 指定应用于torch.nn.CTCLoss
输出的缩减方法。仅在训练 SEWDForCTC 实例时相关。 - ctc_zero_infinity (
bool
, 可选, 默认为False
) — 是否将无限损失和torch.nn.CTCLoss
的相关梯度置零。无限损失主要发生在输入太短而无法与目标对齐时。仅在训练 SEWDForCTC 实例时相关。 - use_weighted_layer_sum (
bool
, 可选, 默认为False
) — 是否使用带学习权重的加权层输出平均值。仅在使用 Wav2Vec2ForSequenceClassification 实例时相关。 - classifier_proj_size (
int
, 可选, 默认为 256) — 用于分类的 token 均值池化前投影的维度。
这是用于存储 SEWDModel 配置的配置类。它用于根据指定的参数实例化 SEW-D 模型,定义模型架构。实例化具有默认值的配置将生成与 SEW-D asapp/sew-d-tiny-100k 架构相似的配置。
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 文档。
示例
>>> from transformers import SEWDConfig, SEWDModel
>>> # Initializing a SEW-D asapp/sew-d-tiny-100k style configuration
>>> configuration = SEWDConfig()
>>> # Initializing a model (with random weights) from the asapp/sew-d-tiny-100k style configuration
>>> model = SEWDModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.config
将此实例序列化为 Python 字典。
SEWDModel
class transformers.SEWDModel
< source >( config: SEWDConfig )
参数
- config (SEWDConfig) — 模型配置类,包含模型的所有参数。用配置文件初始化并不会加载与模型相关的权重,只会加载配置。要加载模型权重,请查看 from_pretrained() 方法。
原始的Sew D模型,输出原始的隐藏状态,不带任何特定的头部。
此模型继承自 PreTrainedModel。请查看父类文档,了解库为其所有模型实现的一般方法(例如下载或保存、调整输入嵌入大小、修剪头部等)。
此模型也是 PyTorch torch.nn.Module 的子类。请将其作为常规的 PyTorch Module 使用,并参考 PyTorch 文档中所有与通用用法和行为相关的事项。
forward
< source >( input_values: typing.Optional[torch.Tensor] attention_mask: typing.Optional[torch.Tensor] = None mask_time_indices: typing.Optional[torch.FloatTensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None ) → transformers.modeling_outputs.BaseModelOutput or tuple(torch.FloatTensor)
参数
- input_values (
torch.Tensor
,形状为(batch_size, sequence_length)
,可选) — 输入原始语音波形的浮点值。可以通过将.flac
或.wav
音频文件加载到list[float]
类型的数组或numpy.ndarray
中(例如通过 soundfile 库(pip install soundfile
))来获取这些值。要将数组准备为input_values
,应使用 AutoProcessor 进行填充并转换为torch.FloatTensor
类型的张量。有关详细信息,请参阅{processor_class}.__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操作的掩码。掩码值选择在[0, 1]
之间:- 1 表示**未被遮盖**的标记,
- 0 表示**被遮盖**的标记。
- mask_time_indices (
torch.BoolTensor
,形状为(batch_size, sequence_length)
,可选) — 用于掩盖提取特征以进行对比损失的索引。在训练模式下,模型学习预测 config.proj_codevector_dim 空间中的掩码提取特征。 - 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。
返回
transformers.modeling_outputs.BaseModelOutput 或 tuple(torch.FloatTensor)
transformers.modeling_outputs.BaseModelOutput 或 torch.FloatTensor
的元组(如果传入 return_dict=False
或 config.return_dict=False
时),包含取决于配置 (SEWDConfig) 和输入的不同元素。
-
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。 -
hidden_states (
tuple(torch.FloatTensor)
,可选,当传入output_hidden_states=True
或config.output_hidden_states=True
时返回) —torch.FloatTensor
的元组(如果模型有嵌入层,则为一个输出,加上每一层的输出),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)
,可选,当传入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。
SEWDModel 的 forward 方法,覆盖了 __call__
特殊方法。
尽管正向传播的配方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,而后者则默默地忽略它们。
SEWDForCTC
class transformers.SEWDForCTC
< source >( config target_lang: typing.Optional[str] = None )
参数
- config (SEWDForCTC) — 模型配置类,包含模型的所有参数。用配置文件初始化并不会加载与模型相关的权重,只会加载配置。要加载模型权重,请查看 from_pretrained() 方法。
- target_lang (
str
,可选) — 适配器权重的语言ID。适配器权重以 adapter..safetensors 或 adapter. .bin 的格式存储。仅在使用带适配器的 SEWDForCTC 实例时相关。默认使用“eng”。
SEW-D 模型,顶部带有一个用于连接主义时间分类(CTC)的 `语言建模` 头部。
此模型继承自 PreTrainedModel。请查看父类文档,了解库为其所有模型实现的一般方法(例如下载或保存、调整输入嵌入大小、修剪头部等)。
此模型也是 PyTorch torch.nn.Module 的子类。请将其作为常规的 PyTorch Module 使用,并参考 PyTorch 文档中所有与通用用法和行为相关的事项。
forward
< source >( input_values: typing.Optional[torch.Tensor] attention_mask: typing.Optional[torch.Tensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None labels: typing.Optional[torch.Tensor] = None ) → transformers.modeling_outputs.CausalLMOutput or tuple(torch.FloatTensor)
参数
- input_values (
torch.Tensor
,形状为(batch_size, sequence_length)
,可选) — 输入原始语音波形的浮点值。可以通过将.flac
或.wav
音频文件加载到list[float]
类型的数组或numpy.ndarray
中(例如通过 soundfile 库(pip install soundfile
))来获取这些值。要将数组准备为input_values
,应使用 AutoProcessor 进行填充并转换为torch.FloatTensor
类型的张量。有关详细信息,请参阅{processor_class}.__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操作的掩码。掩码值选择在[0, 1]
之间:- 1 表示**未被遮盖**的标记,
- 0 表示**被遮盖**的标记。
- 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。 - labels (
torch.LongTensor
,形状为(batch_size, target_length)
,可选) — 用于连接主义时间分类的标签。请注意,target_length
必须小于或等于输出 logits 的序列长度。索引选择范围为[-100, 0, ..., config.vocab_size - 1]
。所有设置为-100
的标签将被忽略(掩码),损失仅针对[0, ..., config.vocab_size - 1]
范围内的标签计算。
返回
transformers.modeling_outputs.CausalLMOutput 或 tuple(torch.FloatTensor)
transformers.modeling_outputs.CausalLMOutput 或 torch.FloatTensor
的元组(如果传入 return_dict=False
或 config.return_dict=False
时),包含取决于配置 (SEWDConfig) 和输入的不同元素。
-
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 token 预测)。 -
logits (形状为
(batch_size, sequence_length, config.vocab_size)
的torch.FloatTensor
) — 语言建模头部的预测分数(SoftMax 之前的每个词汇标记的分数)。 -
hidden_states (
tuple(torch.FloatTensor)
,可选,当传入output_hidden_states=True
或config.output_hidden_states=True
时返回) —torch.FloatTensor
的元组(如果模型有嵌入层,则为一个输出,加上每一层的输出),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)
,可选,当传入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。
SEWDForCTC 的 forward 方法,覆盖了 __call__
特殊方法。
尽管正向传播的配方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,而后者则默默地忽略它们。
示例
>>> from transformers import AutoProcessor, SEWDForCTC
>>> from datasets import load_dataset
>>> import torch
>>> dataset = load_dataset("hf-internal-testing/librispeech_asr_demo", "clean", split="validation")
>>> dataset = dataset.sort("id")
>>> sampling_rate = dataset.features["audio"].sampling_rate
>>> processor = AutoProcessor.from_pretrained("asapp/sew-d-tiny-100k")
>>> model = SEWDForCTC.from_pretrained("asapp/sew-d-tiny-100k")
>>> # audio file is decoded on the fly
>>> inputs = processor(dataset[0]["audio"]["array"], sampling_rate=sampling_rate, return_tensors="pt")
>>> with torch.no_grad():
... logits = model(**inputs).logits
>>> predicted_ids = torch.argmax(logits, dim=-1)
>>> # transcribe speech
>>> transcription = processor.batch_decode(predicted_ids)
>>> transcription[0]
...
>>> inputs["labels"] = processor(text=dataset[0]["text"], return_tensors="pt").input_ids
>>> # compute loss
>>> loss = model(**inputs).loss
>>> round(loss.item(), 2)
...
SEWDForSequenceClassification
class transformers.SEWDForSequenceClassification
< source >( config )
参数
- config (SEWDForSequenceClassification) — 模型配置类,包含模型的所有参数。用配置文件初始化并不会加载与模型相关的权重,只会加载配置。要加载模型权重,请查看 from_pretrained() 方法。
SEWD 模型,顶部带有一个序列分类头部(在池化输出上的线性层),用于像 SUPERB 关键词识别这样的任务。
此模型继承自 PreTrainedModel。请查看父类文档,了解库为其所有模型实现的一般方法(例如下载或保存、调整输入嵌入大小、修剪头部等)。
此模型也是 PyTorch torch.nn.Module 的子类。请将其作为常规的 PyTorch Module 使用,并参考 PyTorch 文档中所有与通用用法和行为相关的事项。
forward
< source >( input_values: typing.Optional[torch.Tensor] attention_mask: typing.Optional[torch.Tensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None labels: typing.Optional[torch.Tensor] = None ) → transformers.modeling_outputs.SequenceClassifierOutput or tuple(torch.FloatTensor)
参数
- input_values (
torch.FloatTensor
,形状为(batch_size, sequence_length)
) — 输入原始语音波形的浮点值。可以通过将.flac
或.wav
音频文件加载到list[float]
类型的数组或numpy.ndarray
中(例如通过 soundfile 库(pip install soundfile
))来获取这些值。要将数组准备为input_values
,应使用 AutoProcessor 进行填充并转换为torch.FloatTensor
类型的张量。有关详细信息,请参阅SEWDProcessor.__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操作的掩码。掩码值选择在[0, 1]
之间:- 1 表示**未被遮盖**的标记,
- 0 表示**被遮盖**的标记。
- 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。 - 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]
之间。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)。
返回
transformers.modeling_outputs.SequenceClassifierOutput 或 tuple(torch.FloatTensor)
transformers.modeling_outputs.SequenceClassifierOutput 或 torch.FloatTensor
的元组(如果传入 return_dict=False
或 config.return_dict=False
时),包含取决于配置 (SEWDConfig) 和输入的不同元素。
-
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)。 -
hidden_states (
tuple(torch.FloatTensor)
,可选,当传入output_hidden_states=True
或config.output_hidden_states=True
时返回) —torch.FloatTensor
的元组(如果模型有嵌入层,则为一个输出,加上每一层的输出),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)
,可选,当传入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。
SEWDForSequenceClassification 的 forward 方法,覆盖了 __call__
特殊方法。
尽管正向传播的配方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,而后者则默默地忽略它们。
单标签分类示例
>>> import torch
>>> from transformers import AutoTokenizer, SEWDForSequenceClassification
>>> tokenizer = AutoTokenizer.from_pretrained("asapp/sew-d-tiny-100k")
>>> model = SEWDForSequenceClassification.from_pretrained("asapp/sew-d-tiny-100k")
>>> 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 = SEWDForSequenceClassification.from_pretrained("asapp/sew-d-tiny-100k", 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, SEWDForSequenceClassification
>>> tokenizer = AutoTokenizer.from_pretrained("asapp/sew-d-tiny-100k")
>>> model = SEWDForSequenceClassification.from_pretrained("asapp/sew-d-tiny-100k", 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 = SEWDForSequenceClassification.from_pretrained(
... "asapp/sew-d-tiny-100k", 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