StableLM
概述
StableLM 3B 4E1T
由 Stability AI 在 StableLM 3B 4E1T
:技术报告 中提出,是多轮预训练语言模型系列中的第一个模型。
模型细节
StableLM 3B 4E1T
是一个仅解码器基础语言模型,在包含 1 万亿个标记的多样化英语和代码数据集上进行了四轮预训练。模型架构基于 Transformer,并使用了部分旋转位置嵌入、SwiGLU 激活函数、层归一化等。
我们还提供了StableLM Zephyr 3B
,这是一个针对指令微调的模型版本,可用于基于聊天的应用程序。
使用技巧
- 该架构类似于LLaMA,但将RoPE应用于25%的头嵌入维度,使用LayerNorm而不是RMSNorm,并可选地使用QKV偏置项。
- 基于
StableLM 3B 4E1T
的模型使用与GPTNeoXTokenizerFast相同的标记器。
StableLM 3B 4E1T
和StableLM Zephyr 3B
可以在Huggingface Hub上找到。
以下代码片段演示了如何使用StableLM 3B 4E1T
进行推理
>>> from transformers import AutoModelForCausalLM, AutoTokenizer, set_seed
>>> device = "cuda" # the device to load the model onto
>>> set_seed(0)
>>> tokenizer = AutoTokenizer.from_pretrained("stabilityai/stablelm-3b-4e1t")
>>> model = AutoModelForCausalLM.from_pretrained("stabilityai/stablelm-3b-4e1t")
>>> model.to(device)
>>> model_inputs = tokenizer("The weather is always wonderful in", return_tensors="pt").to(model.device)
>>> generated_ids = model.generate(**model_inputs, max_length=32, do_sample=True)
>>> responses = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)
>>> responses
['The weather is always wonderful in Costa Rica, which makes it a prime destination for retirees. That’s where the Pensionado program comes in, offering']
结合StableLM和Flash Attention 2
首先,确保已安装最新版本的Flash Attention v2。
pip install -U flash-attn --no-build-isolation
还要确保您的硬件与Flash-Attention 2兼容。在flash-attn
存储库的官方文档中阅读更多相关信息。注意:您必须以半精度加载模型(例如torch.bfloat16
)。
现在,要使用Flash Attention 2运行模型,请参考下面的代码片段。
>>> import torch
>>> from transformers import AutoModelForCausalLM, AutoTokenizer, set_seed
>>> device = "cuda" # the device to load the model onto
>>> set_seed(0)
>>> tokenizer = AutoTokenizer.from_pretrained("stabilityai/stablelm-3b-4e1t")
>>> model = AutoModelForCausalLM.from_pretrained("stabilityai/stablelm-3b-4e1t", torch_dtype=torch.bfloat16, attn_implementation="flash_attention_2")
>>> model.to(device)
>>> model_inputs = tokenizer("The weather is always wonderful in", return_tensors="pt").to(model.device)
>>> generated_ids = model.generate(**model_inputs, max_length=32, do_sample=True)
>>> responses = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)
>>> responses
['The weather is always wonderful in Costa Rica, which makes it a prime destination for retirees. That’s where the Pensionado program comes in, offering']
StableLmConfig
类 transformers.StableLmConfig
< 源代码 >( vocab_size = 50304 intermediate_size = 6912 hidden_size = 2560 num_hidden_layers = 32 num_attention_heads = 32 num_key_value_heads = 32 hidden_act = 'silu' max_position_embeddings = 4096 initializer_range = 0.02 layer_norm_eps = 1e-05 use_cache = True tie_word_embeddings = False rope_theta = 10000 rope_scaling = None use_qkv_bias = False qk_layernorm = False use_parallel_residual = False hidden_dropout = 0.0 attention_dropout = 0.0 partial_rotary_factor = 0.25 bos_token_id = 0 eos_token_id = 0 **kwargs )
参数
- vocab_size (
int
, 可选, 默认为 50304) — StableLM 模型的词汇量大小。定义了调用StableLmModel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 6912) — MLP 表示的维度。 - hidden_size (
int
, 可选, 默认为 2560) — Transformer 解码器中的隐藏层数。 - num_hidden_layers (
int
,可选,默认为 32) — Transformer 解码器中的隐藏层数。 - num_attention_heads (
int
,可选,默认为 32) — Transformer 编码器中每个注意力层的注意力头数。 - num_key_value_heads (
int
,可选,默认为 32) — 这是应使用多少个键值头来实现分组查询注意力。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),否则将使用 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num_attention_heads
。 - hidden_act (
str
或function
,可选,默认为"silu"
) — 非线性激活函数(函数或字符串)。 - max_position_embeddings (
int
,可选,默认为 4096) — 此模型可能使用的最大序列长度。通常将此值设置为一个较大的值以防万一(例如,512 或 1024 或 2048)。 - 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-05) — 正则化层使用的 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_theta (
float
,可选,默认为10000.0
) — 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:如果您应用新的 rope 类型并且希望模型在更长的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):用于除 ‘default’ 之外的所有 rope 类型。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):用于 ‘dynamic’, ‘longrope’ 和 ‘llama3’。预训练期间使用的原始最大位置嵌入。attention_factor
(float
, 可选):用于 ‘yarn’ 和 ‘longrope’。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
字段推断建议值。beta_fast
(float
, 可选):仅用于 ‘yarn’。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):仅用于 ‘yarn’。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):仅用于 ‘longrope’。应用于短上下文(<original_max_position_embeddings
)的缩放因子。必须是与隐藏大小除以注意力头数除以 2 相同长度的数字列表long_factor
(List[float]
, 可选):仅用于 ‘longrope’。应用于长上下文(<original_max_position_embeddings
)的缩放因子。必须是与隐藏大小除以注意力头数除以 2 相同长度的数字列表low_freq_factor
(float
, 可选):仅用于 ‘llama3’。应用于 RoPE 的低频分量的缩放因子high_freq_factor
(float
, 可选):仅用于 ‘llama3’。应用于 RoPE 的高频分量的缩放因子 - use_qkv_bias (
bool
, 可选,默认为False
) — 模型是否应该为 qkv 层使用偏置。 - qk_layernorm (
bool
, 可选,默认为False
) — 是否在投影隐藏状态后,对每个头部进行查询和键的归一化。 - use_parallel_residual (
bool
, 可选,默认为False
) — 是否在每个 Transformer 层中使用“并行”公式,这可以在大规模情况下略微提高训练速度。 - hidden_dropout (
float
, 可选,默认为 0.0) — 将 MLP 应用于隐藏状态后的 dropout 比率。 - attention_dropout (
float
, 可选,默认为 0.0) — 注意力概率的 dropout 比率。 - partial_rotary_factor (
float
, 可选,默认为 0.25) — 将具有旋转嵌入的查询和键的百分比。 - bos_token_id (int, 可选,默认为 0) — 词汇表中
BOS
token 的 id。 - eos_token_id (int, 可选,默认为 0) — 词汇表中
EOS
token 的 id。
这是用于存储 ~StableLmModel 配置的配置类。它用于根据指定的参数实例化 StableLM 模型,定义模型架构。使用默认值实例化配置将产生与 StableLM stabilityai/stablelm-3b-4e1t 架构类似的配置。
配置对象继承自 PretrainedConfig,可用于控制模型输出。阅读 PretrainedConfig 的文档以获取更多信息。
StableLmModel
类 transformers.StableLmModel
< 源代码 >( config: StableLmConfig )
参数
- config (StableLmConfig) — 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。 config — StableLmConfig
基本的 StableLm 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 的子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解所有与通用用法和行为相关的事项。
包含 config.num_hidden_layers 层的 Transformer 解码器。每一层都是一个 StableLmDecoderLayer
前向传播
< 源代码 >( input_ids: LongTensor = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Optional = 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() 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。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。
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
并修改以满足您的需求。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]
。 - past_key_values (
Cache
或tuple(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=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(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)。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
(尚未为此模型提供其过去键值状态的input_ids
)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,而不是传递input_ids
,您可以选择直接传递嵌入表示。如果您希望比模型的内部嵌入查找矩阵对如何将input_ids
索引转换为关联向量有更多控制权,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
。 - 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。
The StableLmModel 正向方法,覆盖了 __call__
特殊方法。
尽管正向传递的配方需要在此函数中定义,但此后应调用 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,而后者则静默地忽略它们。
StableLmForCausalLM
前向传播
< 源代码 >( 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。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() 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 表示未被掩盖的标记,
- 0 表示被掩盖的标记。
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) — 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))
,每个元组有两个形状为(batch_size, num_heads, sequence_length, embed_size_per_head)
的张量。这也被称为旧的缓存格式。
模型将输出与输入相同的缓存格式。如果未传递
past_key_values
,则将返回旧的缓存格式。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
(那些没有将其过去的键值状态提供给此模型的),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,而不是传递input_ids
,您可以选择直接传递嵌入表示。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(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
。 - 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) — 描述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。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。索引应在[0, ..., config.vocab_size]
或 -100 中(请参阅input_ids
文档字符串)。索引设置为-100
的令牌将被忽略(掩码),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,对于长序列或大型词汇量来说,这变得非常重要。
返回
transformers.modeling_outputs.CausalLMOutputWithPast 或 tuple(torch.FloatTensor)
一个transformers.modeling_outputs.CausalLMOutputWithPast 或一个torch.FloatTensor
的元组(如果传递了return_dict=False
或当config.return_dict=False
时),包含根据配置(StableLmConfig)和输入而变化的各种元素。
-
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 之前的每个词汇表令牌的分数)。 -
past_key_values (
tuple(tuple(torch.FloatTensor))
,可选,当传递use_cache=True
或当config.use_cache=True
时返回) — 长度为config.n_layers
的tuple(torch.FloatTensor)
元组,每个元组具有两个形状为(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
或当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,则加上每个层的输出)形状为(batch_size, sequence_length, hidden_size)
。模型在每一层输出处的隐藏状态加上可选的初始嵌入输出。
-
attentions (
tuple(torch.FloatTensor)
,可选,当传递output_attentions=True
或当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之后的注意力权重,用于计算自注意力头中的加权平均值。
StableLmForCausalLM 的 forward 方法覆盖了__call__
特殊方法。
尽管正向传递的配方需要在此函数中定义,但此后应调用 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,而后者则静默地忽略它们。
示例
>>> from transformers import AutoTokenizer, StableLmForCausalLM
>>> model = StableLmForCausalLM.from_pretrained("stabilityai/stablelm-3b-4e1t")
>>> tokenizer = AutoTokenizer.from_pretrained("stabilityai/stablelm-3b-4e1t")
>>> prompt = "The weather is always wonderful in"
>>> 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]
'The weather is always wonderful in the summer in the city of San Diego. The city is located on the coast of the Pacific Ocean and is surrounded by'
StableLmForSequenceClassification
类 transformers.StableLmForSequenceClassification
< 源代码 >( config )
参数
- config (StableLmConfig) — 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。
具有序列分类头部(线性层)的 StableLm 变压器。
StableLmForSequenceClassification 使用最后一个令牌进行分类,就像其他因果模型(例如 GPT-2)一样。
由于它对最后一个令牌进行分类,因此需要知道最后一个令牌的位置。如果在配置中定义了pad_token_id
,它会找到每一行中不是填充令牌的最后一个令牌。如果没有定义pad_token_id
,它只需获取批次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
时猜测填充令牌,因此它执行相同的操作(获取批次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、剪枝头部等)。
此模型也是 PyTorch torch.nn.Module 的子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解所有与通用用法和行为相关的事项。
前向传播
< 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)
) — 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,填充将被忽略。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。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。
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 表示头部未被掩盖,
- 0 表示头部被掩盖。
- 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。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(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。这也被称为旧版缓存格式。
模型将输出与输入相同的缓存格式。如果未传递
past_key_values
,则将返回旧版缓存格式。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),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
。 - 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]
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)。
The StableLmForSequenceClassification 前向方法覆盖了__call__
特殊方法。
尽管正向传递的配方需要在此函数中定义,但此后应调用 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,而后者则静默地忽略它们。
StableLmForTokenClassification
class transformers.StableLmForTokenClassification
< 源代码 >( config )
参数
- config (StableLmConfig) — 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。请查看from_pretrained() 方法以加载模型权重。
带有令牌分类头的 StableLm 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。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、剪枝头部等)。
此模型也是 PyTorch torch.nn.Module 的子类。将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解所有与通用用法和行为相关的事项。
前向传播
< 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。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() 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操作的掩码。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。
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。选择范围为[0, config.n_positions - 1]
。 - 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 2 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。如果没有传递
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
(那些没有将其过去的键值状态提供给此模型的),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(而不是模型的内部嵌入查找矩阵)进行更多控制,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,请参阅返回的张量中的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,请参阅返回的张量中的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
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)。
该 StableLmForTokenClassification 正向方法覆盖了 __call__
特殊方法。
尽管正向传递的配方需要在此函数中定义,但此后应调用 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,而后者则静默地忽略它们。