Transformers 文档
T5Gemma
并获得增强的文档体验
开始使用
T5Gemma
T5Gemma(又称编码器-解码器 Gemma)由 Google 在一份研究论文中提出。它是一个编码器-解码器大型语言模型家族,通过将预训练的仅解码器模型改编为编码器-解码器模型开发而成。T5Gemma 包括预训练和指令微调变体。其架构基于遵循 T5 的 Transformer 编码器-解码器设计,并改进了 Gemma 2 的 GQA、RoPE、GeGLU 激活、RMSNorm 和交错式局部/全局注意力。
T5Gemma 有两组模型大小:1) Gemma 2 大小(2B-2B、9B-2B 和 9B-9B),它们基于官方 Gemma 2 模型(2B 和 9B);2) T5 大小(小型、基础型、大型和特大型),它们在 Gemma 2 框架下根据 T5 配置进行预训练。此外,我们还提供了一个 ML 大小(中大型,总计约 2B)的模型,它介于 T5 大型和 T5 特大型之间。
预训练变体分别通过两个目标进行训练:带有知识蒸馏的前缀语言建模 (PrefixLM) 和 UL2。我们为每种模型大小发布了这两种变体。指令微调变体通过监督微调和强化学习进行后训练。
以下示例演示如何使用 Pipeline 或 AutoModel 类,以及通过命令行与模型进行聊天。
<hfoptions id="usage"> <hfoption id="Pipeline">import torch
from transformers import pipeline
pipe = pipeline(
task="text2text-generation",
model="google/t5gemma-placeholder",
torch_dtype=torch.bfloat16,
device="cuda",
)
pipe("Question: Why is the sky blue?\nAnswer:", max_new_tokens=50)
import torch
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
tokenizer = AutoTokenizer.from_pretrained("google/t5gemma-placeholder")
model = AutoModelForSeq2SeqLM.from_pretrained(
"google/t5gemma-placeholder",
torch_dtype=torch.bfloat16,
device_map="auto"
)
input_text = "Question: Why is the sky blue?\nAnswer:"
input_ids = tokenizer(input_text, return_tensors="pt").to("cuda")
outputs = model.generate(**input_ids, max_new_tokens=32)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
echo -e "Question: Why is the sky blue? Answer:" | transformers run --task text2text-generation --model google/t5gemma-placeholder --device 0
T5GemmaConfig
class transformers.T5GemmaConfig
< source >( encoder: typing.Union[transformers.models.t5gemma.configuration_t5gemma.T5GemmaModuleConfig, dict[typing.Any, typing.Any], NoneType] = None decoder: typing.Union[transformers.models.t5gemma.configuration_t5gemma.T5GemmaModuleConfig, dict[typing.Any, typing.Any], NoneType] = None is_encoder_decoder: bool = True dropout_rate: float = 0.0 classifier_dropout_rate: float = 0.0 attention_dropout: float = 0.0 tie_word_embeddings: bool = True **kwargs )
参数
- encoder (
Union[T5GemmaModuleConfig, dict]
, optional, 可选) — 编码器配置。 - decoder (
Union[T5GemmaModuleConfig, dict]
, optional, 可选) — 解码器配置。 - is_encoder_decoder (bool, optional, 可选, 默认为
True
) — 模型是否用作编码器/解码器。 - dropout_rate (
float
, 可选, 默认为 0.0) — 所有 dropout 层的比率(遵循 T5)。 - classifier_dropout_rate (
float
, 可选, 默认为 0.0) — 分类器 dropout 比率(遵循 T5)。 - attention_dropout (
float
, 可选, 默认为 0.0) — 注意力 dropout 比率。 - tie_word_embeddings (
bool
, 可选, 默认为True
) — 是否绑定输入和输出嵌入。 - kwargs (附加关键字参数, optional, 可选) — 将传递给 PretrainedConfig 基类。
这是用于存储 T5GemmaModel 配置的配置类。它用于根据指定参数实例化 T5Gemma 模型,定义模型架构。使用默认值实例化配置将生成与假设的平衡 Gemma2 编码器-解码器模型类似的配置。例如 google/t5gemma-placeholder
配置对象继承自 [PretrainedConfig],可用于控制模型输出。有关更多信息,请参阅 [PretrainedConfig] 的文档。T5GemmaModuleConfig
class transformers.T5GemmaModuleConfig
< source >( vocab_size = 256000 hidden_size = 2304 intermediate_size = 9216 num_hidden_layers = 26 num_attention_heads = 8 num_key_value_heads = 4 head_dim = 256 hidden_activation = 'gelu_pytorch_tanh' max_position_embeddings = 8192 initializer_range = 0.02 rms_norm_eps = 1e-06 use_cache = True pad_token_id = 0 eos_token_id = 1 bos_token_id = 2 tie_word_embeddings = True rope_theta = 10000.0 attention_bias = False attention_dropout = 0.0 query_pre_attn_scalar = 256 sliding_window = 4096 layer_types = None final_logit_softcapping = 30.0 attn_logit_softcapping = 50.0 **kwargs )
参数
- vocab_size (
int
, 可选, 默认为 256000) — T5GemmaModule 模型的词汇表大小。定义了调用T5GemmaModuleModel
时传递的inputs_ids
可以表示的不同词元数量。 - hidden_size (
int
, 可选, 默认为 2304) — 隐藏表示的维度。 - intermediate_size (
int
, 可选, 默认为 9216) — MLP 表示的维度。 - num_hidden_layers (
int
, 可选, 默认为 26) — Transformer 解码器中隐藏层的数量。 - num_attention_heads (
int
, 可选, 默认为 8) — Transformer 解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 4) — 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
,模型将使用多头注意力 (MHA),如果num_key_value_heads=1
,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,每个分组键值头应通过对该组内的所有原始头进行均值池化来构建。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
。 - head_dim (
int
, 可选, 默认为 256) — 注意力头维度。 - hidden_activation (
str
或function
, 可选, 默认为"gelu_pytorch_tanh"
) — 解码器中的非线性激活函数(函数或字符串)。如果未指定,则默认为"gelu_pytorch_tanh"
。"gelu_pytorch_tanh"
使用"gelu"
激活函数的近似值。 - max_position_embeddings (
int
, 可选, 默认为 8192) — 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 truncated_normal_initializer 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一个键/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, 默认为 0) — 填充词元 ID。 - eos_token_id (
int
, 可选, 默认为 1) — 流结束词元 ID。 - bos_token_id (
int
, 可选, 默认为 2) — 流开始词元 ID。 - tie_word_embeddings (
bool
, 可选, 默认为True
) — 是否绑定词嵌入。 - rope_theta (
float
, 可选, 默认为 10000.0) — RoPE 嵌入的基周期。 - attention_bias (
bool
, 默认为False
, 可选, 默认为False
) — 在自注意力机制中,是否在查询、键、值和输出投影层中使用偏置。 - attention_dropout (
float
, 可选, 默认为 0.0) — 注意力概率的 dropout 比率。 - query_pre_attn_scalar (
float
, 可选, 默认为 256) — 用于注意力分数上的缩放因子。 - sliding_window (
int
, 可选, 默认为 4096) — 在 T5GemmaModule 中,每隔一层使用滑动窗口注意力。这是滑动窗口的大小。 - layer_types (
list
, 可选) — 每层的注意力模式。 - final_logit_softcapping (
float
, 可选, 默认为 30.0) — 对 logits 应用 tanh 软上限时的缩放因子。 - attn_logit_softcapping (
float
, 可选, 默认为 50.0) — 对注意力分数应用 tanh 软上限时的缩放因子。
这是一个配置类,用于存储 T5GemmaModuleModel
的配置。它用于根据指定参数实例化 T5GemmaModule 模型,定义模型架构。使用默认值实例化配置将生成与 T5GemmaModule-7B 类似的配置。例如 google/t5_gemma_module-7b 配置对象继承自 PretrainedConfig,可用于控制模型输出。有关更多信息,请参阅 PretrainedConfig 的文档。
>>> from transformers import T5GemmaModuleModel, T5GemmaModuleConfig
>>> # Initializing a T5GemmaModule t5_gemma_module-7b style configuration
>>> configuration = T5GemmaModuleConfig()
>>> # Initializing a model from the t5_gemma_module-7b style configuration
>>> model = T5GemmaModuleModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.config
T5GemmaModel
class transformers.T5GemmaModel
< source >( config: T5GemmaConfig )
参数
- config (T5GemmaConfig) — 包含模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重,只加载配置。请查看 from_pretrained() 方法加载模型权重。
T5Gemma 裸模型,直接输出隐藏状态,不带任何特定头部。
此模型继承自 PreTrainedModel。请查看超类文档,了解库为其所有模型实现的通用方法(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。将其作为常规 PyTorch 模块使用,并参考 PyTorch 文档以了解所有与一般使用和行为相关的事项。
forward
< source >( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.FloatTensor] = None position_ids: typing.Optional[torch.LongTensor] = None decoder_input_ids: typing.Optional[torch.LongTensor] = None decoder_attention_mask: typing.Optional[torch.BoolTensor] = None decoder_position_ids: typing.Optional[torch.LongTensor] = None encoder_outputs: typing.Optional[transformers.modeling_outputs.BaseModelOutput] = None past_key_values: typing.Optional[transformers.cache_utils.EncoderDecoderCache] = None inputs_embeds: typing.Optional[torch.Tensor] = None decoder_inputs_embeds: typing.Optional[torch.Tensor] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None cache_position: typing.Optional[torch.LongTensor] = None **flash_attn_kwargs: typing_extensions.Unpack[transformers.modeling_flash_attention_utils.FlashAttentionKwargs] ) → transformers.modeling_outputs.Seq2SeqModelOutput 或 tuple(torch.FloatTensor)
参数
- input_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
, 可选) — 词汇表中输入序列 token 的索引。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 (形状为
(batch_size, sequence_length)
的torch.FloatTensor
, 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]
之间:- 1 表示**未被掩码**的 token,
- 0 表示**被掩码**的 token。
- position_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
, 可选) — 每个输入序列 token 在位置嵌入中的位置索引。选择范围为[0, config.n_positions - 1]
。 - decoder_input_ids (形状为
(batch_size, target_sequence_length)
的torch.LongTensor
, 可选) — 词汇表中解码器输入序列 token 的索引。可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- decoder_attention_mask (形状为
(batch_size, target_sequence_length)
的torch.BoolTensor
, 可选) — 用于避免对特定 token 索引执行注意力的掩码。默认情况下,将使用因果掩码,以确保模型只能查看以前的输入来预测未来。 - decoder_position_ids (形状为
(batch_size, decoder_sequence_length)
的torch.LongTensor
, 可选) — 每个解码器输入序列 token 在位置嵌入中的位置索引。选择范围为[0, config.decoder.n_positions - 1]
。 什么是位置 ID? - **flash_attn_kwargs — flash attention 相关参数。
- encoder_outputs (
~modeling_outputs.BaseModelOutput
, 可选) — 元组包含 (last_hidden_state
, 可选:hidden_states
, 可选:attentions
)last_hidden_state
形状为(batch_size, sequence_length, hidden_size)
, 可选) 是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意力。 - past_key_values (
~cache_utils.EncoderDecoderCache
, 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),可用于加速序列解码。这通常包括模型在解码上一阶段返回的past_key_values
,当use_cache=True
或config.use_cache=True
时。允许两种格式:
- 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。如果未传入
past_key_values
,将返回旧版缓存格式。如果使用
past_key_values
,用户可以选择仅输入最后一个input_ids
(那些未将过去的键值状态提供给此模型的 token),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)
的torch.Tensor
, 可选) — 可选地,你可以选择直接传入嵌入表示,而不是传入input_ids
。如果你想对如何将input_ids
索引转换为相关向量有比模型内部嵌入查找矩阵更多的控制,这很有用。 - decoder_inputs_embeds (形状为
(batch_size, target_sequence_length, hidden_size)
的torch.Tensor
, 可选) — 可选地,你可以选择直接传入嵌入表示,而不是传入decoder_input_ids
。如果使用past_key_values
,可选地只需输入最后一个decoder_inputs_embeds
(请参阅past_key_values
)。如果你想对如何将decoder_input_ids
索引转换为相关向量有比模型内部嵌入查找矩阵更多的控制,这很有用。如果
decoder_input_ids
和decoder_inputs_embeds
都未设置,则decoder_inputs_embeds
将采用inputs_embeds
的值。 - 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(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。有关详细信息,请参阅返回张量中的hidden_states
。 - cache_position (形状为
(sequence_length)
的torch.LongTensor
, 可选) — 表示输入序列 token 在序列中的位置的索引。与position_ids
不同,此张量不受填充影响。它用于在正确位置更新缓存并推断完整的序列长度。
返回
transformers.modeling_outputs.Seq2SeqModelOutput 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.Seq2SeqModelOutput 或一个 torch.FloatTensor
元组(如果传入 return_dict=False
或当 config.return_dict=False
时),包含各种元素,具体取决于配置 (T5GemmaConfig) 和输入。
-
last_hidden_state (
torch.FloatTensor
,形状为(batch_size, sequence_length, hidden_size)
) — 模型解码器最后一层输出的隐藏状态序列。如果使用了
past_key_values
,则只输出形状为(batch_size, 1, hidden_size)
的序列的最后一个隐藏状态。 -
past_key_values (
EncoderDecoderCache
, 可选, 当传入use_cache=True
或当config.use_cache=True
时返回) — 它是一个 EncoderDecoderCache 实例。有关详细信息,请参阅我们的 kv 缓存指南。包含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(参见
past_key_values
输入)加速顺序解码。 -
decoder_hidden_states (
tuple(torch.FloatTensor)
, 可选, 当传入output_hidden_states=True
或当config.output_hidden_states=True
时返回) — 形状为(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
元组(如果模型有嵌入层,则包括嵌入输出,加上每层输出)。解码器在每个层输出的隐藏状态,加上可选的初始嵌入输出。
-
decoder_attentions (
tuple(torch.FloatTensor)
, 可选, 当传入output_attentions=True
或当config.output_attentions=True
时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)
的torch.FloatTensor
元组(每层一个)。解码器的注意力权重,在注意力 softmax 之后,用于计算自注意力头中的加权平均。
-
cross_attentions (
tuple(torch.FloatTensor)
, 可选, 当传入output_attentions=True
或当config.output_attentions=True
时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)
的torch.FloatTensor
元组(每层一个)。解码器交叉注意力层的注意力权重,在注意力 softmax 之后,用于计算交叉注意力头中的加权平均。
-
encoder_last_hidden_state (
torch.FloatTensor
,形状为(batch_size, sequence_length, hidden_size)
,可选) — 模型编码器最后一层输出的隐藏状态序列。 -
encoder_hidden_states (
tuple(torch.FloatTensor)
, 可选, 当传入output_hidden_states=True
或当config.output_hidden_states=True
时返回) — 形状为(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
元组(如果模型有嵌入层,则包括嵌入输出,加上每层输出)。编码器在每个层输出的隐藏状态,加上可选的初始嵌入输出。
-
encoder_attentions (
tuple(torch.FloatTensor)
, 可选, 当传入output_attentions=True
或当config.output_attentions=True
时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)
的torch.FloatTensor
元组(每层一个)。编码器的注意力权重,在注意力 softmax 之后,用于计算自注意力头中的加权平均。
T5GemmaModel 的 forward 方法,重写了 __call__
特殊方法。
虽然必须在此函数中定义前向传播的配方,但在此之后应调用 Module
实例,而不是直接调用此函数,因为前者负责运行预处理和后处理步骤,而后者则默默忽略它们。
T5GemmaEncoderModel
class transformers.T5GemmaEncoderModel
< source >( config: T5GemmaConfig )
参数
- config (T5GemmaConfig) — 包含模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重,只加载配置。请查看 from_pretrained() 方法加载模型权重。
T5Gemma 裸模型,直接输出隐藏状态,不带任何特定头部。
此模型继承自 PreTrainedModel。请查看超类文档,了解库为其所有模型实现的通用方法(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。将其作为常规 PyTorch 模块使用,并参考 PyTorch 文档以了解所有与一般使用和行为相关的事项。
forward
< source >( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.FloatTensor] = None position_ids: typing.Optional[torch.LongTensor] = None inputs_embeds: typing.Optional[torch.Tensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None **flash_attn_kwargs: typing_extensions.Unpack[transformers.modeling_flash_attention_utils.FlashAttentionKwargs] ) → transformers.modeling_outputs.BaseModelOutput 或 tuple(torch.FloatTensor)
参数
- input_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
, 可选) — 词汇表中输入序列 token 的索引。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 (形状为
(batch_size, sequence_length)
的torch.FloatTensor
, 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]
之间:- 1 表示**未被掩码**的 token,
- 0 表示**被掩码**的 token。
- position_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
, 可选) — 每个输入序列 token 在位置嵌入中的位置索引。选择范围为[0, config.n_positions - 1]
。 - inputs_embeds (形状为
(batch_size, sequence_length, hidden_size)
的torch.Tensor
, 可选) — 可选地,你可以选择直接传入嵌入表示,而不是传入input_ids
。如果你想对如何将input_ids
索引转换为相关向量有比模型内部嵌入查找矩阵更多的控制,这很有用。 - 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。有关详细信息,请参阅返回张量中的hidden_states
。
返回
transformers.modeling_outputs.BaseModelOutput 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.BaseModelOutput 或一个 torch.FloatTensor
元组(如果传入 return_dict=False
或当 config.return_dict=False
时),包含各种元素,具体取决于配置 (T5GemmaConfig) 和输入。
-
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
或当config.output_hidden_states=True
时返回) — 形状为(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
元组(如果模型有嵌入层,则包括嵌入输出,加上每层输出)。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
或当config.output_attentions=True
时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)
的torch.FloatTensor
元组(每层一个)。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。
T5GemmaEncoderModel 的 forward 方法,重写了 __call__
特殊方法。
虽然必须在此函数中定义前向传播的配方,但在此之后应调用 Module
实例,而不是直接调用此函数,因为前者负责运行预处理和后处理步骤,而后者则默默忽略它们。
T5GemmaForConditionalGeneration
forward
< source >( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.FloatTensor] = None position_ids: typing.Optional[torch.LongTensor] = None decoder_input_ids: typing.Optional[torch.LongTensor] = None decoder_attention_mask: typing.Optional[torch.BoolTensor] = None decoder_position_ids: typing.Optional[torch.LongTensor] = None encoder_outputs: typing.Optional[transformers.modeling_outputs.BaseModelOutput] = None past_key_values: typing.Optional[transformers.cache_utils.EncoderDecoderCache] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None decoder_inputs_embeds: typing.Optional[torch.FloatTensor] = None labels: typing.Optional[torch.LongTensor] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None cache_position: typing.Optional[torch.LongTensor] = None logits_to_keep: typing.Union[int, torch.Tensor] = 0 **loss_kwargs ) → transformers.modeling_outputs.Seq2SeqLMOutput 或 tuple(torch.FloatTensor)
参数
- input_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
, 可选) — 词汇表中输入序列 token 的索引。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 (形状为
(batch_size, sequence_length)
的torch.FloatTensor
, 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]
之间:- 1 表示**未被掩码**的 token,
- 0 表示**被掩码**的 token。
- position_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
, 可选) — 每个输入序列 token 在位置嵌入中的位置索引。选择范围为[0, config.n_positions - 1]
。 - decoder_input_ids (形状为
(batch_size, target_sequence_length)
的torch.LongTensor
, 可选) — 词汇表中解码器输入序列 token 的索引。可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- decoder_attention_mask (形状为
(batch_size, target_sequence_length)
的torch.BoolTensor
,可选) — 遮罩以避免在某些词元索引上执行注意力操作。默认情况下,将使用因果遮罩,以确保模型只能查看先前的输入来预测未来。 - decoder_position_ids (形状为
(batch_size, decoder_sequence_length)
的torch.LongTensor
,可选) — 解码器输入序列中每个词元在位置嵌入中的位置索引。选择范围为[0, config.decoder.n_positions - 1]
。什么是位置 ID? - encoder_outputs (
~modeling_outputs.BaseModelOutput
,可选) — 元组包含 (last_hidden_state
,可选:hidden_states
,可选:attentions
) 形状为(batch_size, sequence_length, hidden_size)
的last_hidden_state
(可选)是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意力。 - past_key_values (
~cache_utils.EncoderDecoderCache
,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上一阶段返回的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 cache 指南;
- 一个长度为
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。如果未传入
past_key_values
,将返回旧版缓存格式。如果使用
past_key_values
,用户可以选择只输入形状为(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 (形状为
(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
,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
。如果你想对如何将input_ids
索引转换为关联向量有比模型内部嵌入查找矩阵更多的控制,这很有用。 - decoder_inputs_embeds (形状为
(batch_size, target_sequence_length, hidden_size)
的torch.FloatTensor
,可选) — 可选地,你可以选择直接传递嵌入表示,而不是传递decoder_input_ids
。如果使用past_key_values
,可选地只需输入最后一个decoder_inputs_embeds
(参见past_key_values
)。如果你想对如何将decoder_input_ids
索引转换为关联向量有比模型内部嵌入查找矩阵更多的控制,这很有用。如果
decoder_input_ids
和decoder_inputs_embeds
都未设置,decoder_inputs_embeds
将取inputs_embeds
的值。 - labels (形状为
(batch_size, sequence_length)
的torch.LongTensor
,可选) — 用于计算掩码语言模型损失的标签。索引应在[0, ..., config.vocab_size]
或 -100 之间(参见input_ids
文档字符串)。索引设置为-100
的词元将被忽略(掩码),损失仅针对标签在[0, ..., config.vocab_size]
中的词元计算。 - 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。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。更多详细信息请参见返回张量下的hidden_states
。 - cache_position (形状为
(sequence_length)
的torch.LongTensor
,可选) — 表示输入序列词元在序列中位置的索引。与position_ids
不同,此张量不受填充影响。它用于在正确位置更新缓存并推断完整的序列长度。 - logits_to_keep (
Union[int, torch.Tensor]
,默认为0
) — 如果是int
,则计算最后logits_to_keep
个词元的 logits。如果是0
,则计算所有input_ids
的 logits(特殊情况)。生成时只需要最后一个词元的 logits,仅计算该词元的 logits 可以节省内存,这对于长序列或大词汇量来说非常重要。如果是torch.Tensor
,则必须是与序列长度维度中要保留的索引相对应的 1D 张量。这在使用打包张量格式(批次和序列长度的单个维度)时很有用。
返回
transformers.modeling_outputs.Seq2SeqLMOutput 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.Seq2SeqLMOutput 或一个 torch.FloatTensor
元组(如果传递 return_dict=False
或当 config.return_dict=False
时),包含根据配置 (T5GemmaConfig) 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。 -
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)。 -
past_key_values (
EncoderDecoderCache
, 可选, 当传入use_cache=True
或当config.use_cache=True
时返回) — 它是一个 EncoderDecoderCache 实例。有关详细信息,请参阅我们的 kv 缓存指南。包含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(参见
past_key_values
输入)加速顺序解码。 -
decoder_hidden_states (
tuple(torch.FloatTensor)
, 可选, 当传入output_hidden_states=True
或当config.output_hidden_states=True
时返回) — 形状为(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
元组(如果模型有嵌入层,则包括嵌入输出,加上每层输出)。解码器在每一层输出时的隐藏状态以及初始嵌入输出。
-
decoder_attentions (
tuple(torch.FloatTensor)
, 可选, 当传入output_attentions=True
或当config.output_attentions=True
时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)
的torch.FloatTensor
元组(每层一个)。解码器的注意力权重,在注意力 softmax 之后,用于计算自注意力头中的加权平均。
-
cross_attentions (
tuple(torch.FloatTensor)
, 可选, 当传入output_attentions=True
或当config.output_attentions=True
时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)
的torch.FloatTensor
元组(每层一个)。解码器交叉注意力层的注意力权重,在注意力 softmax 之后,用于计算交叉注意力头中的加权平均。
-
encoder_last_hidden_state (
torch.FloatTensor
,形状为(batch_size, sequence_length, hidden_size)
,可选) — 模型编码器最后一层输出的隐藏状态序列。 -
encoder_hidden_states (
tuple(torch.FloatTensor)
, 可选, 当传入output_hidden_states=True
或当config.output_hidden_states=True
时返回) — 形状为(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
元组(如果模型有嵌入层,则包括嵌入输出,加上每层输出)。编码器在每一层输出时的隐藏状态以及初始嵌入输出。
-
encoder_attentions (
tuple(torch.FloatTensor)
, 可选, 当传入output_attentions=True
或当config.output_attentions=True
时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)
的torch.FloatTensor
元组(每层一个)。编码器的注意力权重,在注意力 softmax 之后,用于计算自注意力头中的加权平均。
T5GemmaForConditionalGeneration 的 forward 方法,覆盖了 __call__
特殊方法。
虽然必须在此函数中定义前向传播的配方,但在此之后应调用 Module
实例,而不是直接调用此函数,因为前者负责运行预处理和后处理步骤,而后者则默默忽略它们。
T5GemmaForSequenceClassification
class transformers.T5GemmaForSequenceClassification
< source >( config: T5GemmaConfig is_encoder_decoder: typing.Optional[bool] = None )
参数
- config (T5GemmaConfig) — 模型的配置类,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,只加载配置。请查看 from_pretrained() 方法加载模型权重。
- is_encoder_decoder (
Optional
,可选) — 是否使用 encoder_decoder 进行序列分类。当设置为 False 时,仅使用编码器。
T5Gemma 模型,在顶部带有序列分类/回归头,例如用于 GLUE 任务。
此模型继承自 PreTrainedModel。请查看超类文档,了解库为其所有模型实现的通用方法(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。将其作为常规 PyTorch 模块使用,并参考 PyTorch 文档以了解所有与一般使用和行为相关的事项。
forward
< source >( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.LongTensor] = None decoder_input_ids: typing.Optional[torch.LongTensor] = None decoder_attention_mask: typing.Optional[torch.Tensor] = None decoder_position_ids: typing.Optional[torch.LongTensor] = None encoder_outputs: typing.Optional[transformers.modeling_outputs.BaseModelOutput] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None decoder_inputs_embeds: typing.Optional[torch.FloatTensor] = None labels: typing.Optional[torch.LongTensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None ) → transformers.modeling_outputs.SequenceClassifierOutput 或 tuple(torch.FloatTensor)
参数
- input_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
,可选) — 词汇表中输入序列词元的索引。默认情况下将忽略填充。索引可以使用 AutoTokenizer 获取。有关详细信息,请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (形状为
(batch_size, sequence_length)
的torch.Tensor
,可选) — 遮罩以避免在填充词元索引上执行注意力操作。遮罩值选择在[0, 1]
之间:- 对于 未被遮罩 的词元,值为 1,
- 对于 被遮罩 的词元,值为 0。
- position_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
,可选) — 每个输入序列词元在位置嵌入中的位置索引。选择范围为[0, config.n_positions - 1]
。 - decoder_input_ids (形状为
(batch_size, target_sequence_length)
的torch.LongTensor
,可选) — 词汇表中解码器输入序列词元的索引。索引可以使用 AutoTokenizer 获取。有关详细信息,请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- decoder_attention_mask (形状为
(batch_size, target_sequence_length)
的torch.Tensor
,可选) — 遮罩以避免在某些词元索引上执行注意力操作。默认情况下,将使用因果遮罩,以确保模型只能查看先前的输入来预测未来。 - decoder_position_ids (形状为
(batch_size, decoder_sequence_length)
的torch.LongTensor
,可选) — 解码器输入序列中每个词元在位置嵌入中的位置索引。选择范围为[0, config.decoder.n_positions - 1]
。什么是位置 ID? - encoder_outputs (
~modeling_outputs.BaseModelOutput
,可选) — 元组包含 (last_hidden_state
,可选:hidden_states
,可选:attentions
) 形状为(batch_size, sequence_length, hidden_size)
的last_hidden_state
(可选)是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意力。 - inputs_embeds (形状为
(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
,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
。如果你想对如何将input_ids
索引转换为关联向量有比模型内部嵌入查找矩阵更多的控制,这很有用。 - decoder_inputs_embeds (形状为
(batch_size, target_sequence_length, hidden_size)
的torch.FloatTensor
,可选) — 可选地,你可以选择直接传递嵌入表示,而不是传递decoder_input_ids
。如果使用past_key_values
,可选地只需输入最后一个decoder_inputs_embeds
(参见past_key_values
)。如果你想对如何将decoder_input_ids
索引转换为关联向量有比模型内部嵌入查找矩阵更多的控制,这很有用。如果
decoder_input_ids
和decoder_inputs_embeds
都未设置,decoder_inputs_embeds
将取inputs_embeds
的值。 - labels (形状为
(batch_size,)
的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]
之间。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)。 - output_attentions (
bool
,可选) — 是否返回所有注意力层的注意力张量。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。更多详细信息请参见返回张量下的hidden_states
。
返回
transformers.modeling_outputs.SequenceClassifierOutput 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.SequenceClassifierOutput 或一个 torch.FloatTensor
元组(如果传递 return_dict=False
或当 config.return_dict=False
时),包含根据配置 (T5GemmaConfig) 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
或当config.output_hidden_states=True
时返回) — 形状为(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
元组(如果模型有嵌入层,则包括嵌入输出,加上每层输出)。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
或当config.output_attentions=True
时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)
的torch.FloatTensor
元组(每层一个)。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。
T5GemmaForSequenceClassification 的 forward 方法,覆盖了 __call__
特殊方法。
虽然必须在此函数中定义前向传播的配方,但在此之后应调用 Module
实例,而不是直接调用此函数,因为前者负责运行预处理和后处理步骤,而后者则默默忽略它们。
单标签分类示例
>>> import torch
>>> from transformers import AutoTokenizer, T5GemmaForSequenceClassification
>>> tokenizer = AutoTokenizer.from_pretrained("google/t5gemma-placeholder")
>>> model = T5GemmaForSequenceClassification.from_pretrained("google/t5gemma-placeholder")
>>> 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 = T5GemmaForSequenceClassification.from_pretrained("google/t5gemma-placeholder", 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, T5GemmaForSequenceClassification
>>> tokenizer = AutoTokenizer.from_pretrained("google/t5gemma-placeholder")
>>> model = T5GemmaForSequenceClassification.from_pretrained("google/t5gemma-placeholder", 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 = T5GemmaForSequenceClassification.from_pretrained(
... "google/t5gemma-placeholder", 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
T5GemmaForTokenClassification
class transformers.T5GemmaForTokenClassification
< source >( config: T5GemmaConfig is_encoder_decoder: typing.Optional[bool] = None )
参数
- config (T5GemmaConfig) — 模型的配置类,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,只加载配置。请查看 from_pretrained() 方法加载模型权重。
- is_encoder_decoder (
Optional
,可选) — 是否使用 encoder_decoder 进行词元分类。当设置为 False 时,仅使用编码器。
带有词元分类头(在隐藏状态输出上方的线性层)的 T5Gemma 转换器,例如用于命名实体识别 (NER) 任务。
此模型继承自 PreTrainedModel。请查看超类文档,了解库为其所有模型实现的通用方法(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。将其作为常规 PyTorch 模块使用,并参考 PyTorch 文档以了解所有与一般使用和行为相关的事项。
forward
< source >( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.LongTensor] = None decoder_input_ids: typing.Optional[torch.LongTensor] = None decoder_attention_mask: typing.Optional[torch.Tensor] = None decoder_position_ids: typing.Optional[torch.LongTensor] = None encoder_outputs: typing.Optional[transformers.modeling_outputs.BaseModelOutput] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None decoder_inputs_embeds: typing.Optional[torch.FloatTensor] = None labels: typing.Optional[torch.LongTensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None ) → transformers.modeling_outputs.TokenClassifierOutput 或 tuple(torch.FloatTensor)
参数
- input_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
,可选) — 词汇表中输入序列词元的索引。默认情况下将忽略填充。索引可以使用 AutoTokenizer 获取。有关详细信息,请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (形状为
(batch_size, sequence_length)
的torch.Tensor
,可选) — 遮罩以避免在填充词元索引上执行注意力操作。遮罩值选择在[0, 1]
之间:- 对于 未被遮罩 的词元,值为 1,
- 对于 被遮罩 的词元,值为 0。
- position_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
,可选) — 每个输入序列词元在位置嵌入中的位置索引。选择范围为[0, config.n_positions - 1]
。 - decoder_input_ids (形状为
(batch_size, target_sequence_length)
的torch.LongTensor
,可选) — 词汇表中解码器输入序列词元的索引。索引可以使用 AutoTokenizer 获取。有关详细信息,请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- decoder_attention_mask (形状为
(batch_size, target_sequence_length)
的torch.Tensor
,可选) — 遮罩以避免在某些词元索引上执行注意力操作。默认情况下,将使用因果遮罩,以确保模型只能查看先前的输入来预测未来。 - decoder_position_ids (形状为
(batch_size, decoder_sequence_length)
的torch.LongTensor
,可选) — 解码器输入序列中每个词元在位置嵌入中的位置索引。选择范围为[0, config.decoder.n_positions - 1]
。什么是位置 ID? - encoder_outputs (
~modeling_outputs.BaseModelOutput
,可选) — 元组包含 (last_hidden_state
,可选:hidden_states
,可选:attentions
) 形状为(batch_size, sequence_length, hidden_size)
的last_hidden_state
(可选)是编码器最后一层输出的隐藏状态序列。用于解码器的交叉注意力。 - inputs_embeds (形状为
(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
,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
。如果你想对如何将input_ids
索引转换为关联向量有比模型内部嵌入查找矩阵更多的控制,这很有用。 - decoder_inputs_embeds (
torch.FloatTensor
,形状为(batch_size, target_sequence_length, hidden_size)
,可选) — 可选参数,可以直接传递嵌入表示,而不是传递decoder_input_ids
。如果使用了past_key_values
,则可选地只需要输入最后的decoder_inputs_embeds
(参见past_key_values
)。如果您希望对如何将decoder_input_ids
索引转换为关联向量有比模型内部嵌入查找矩阵更多的控制,这将非常有用。如果
decoder_input_ids
和decoder_inputs_embeds
都未设置,则decoder_inputs_embeds
将取inputs_embeds
的值。 - 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(均方损失);如果config.num_labels > 1
,则计算分类损失(交叉熵损失)。 - output_attentions (
bool
, 可选) — 是否返回所有注意力层的注意力张量。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。更多详细信息请参见返回张量下的hidden_states
。
返回
transformers.modeling_outputs.TokenClassifierOutput 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.TokenClassifierOutput 或一个 torch.FloatTensor
元组(如果传递了 return_dict=False
或当 config.return_dict=False
时),包含根据配置(T5GemmaConfig)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。 -
logits (形状为
(batch_size, sequence_length, config.num_labels)
的torch.FloatTensor
) — 分类分数(SoftMax 之前)。 -
hidden_states (
tuple(torch.FloatTensor)
, 可选, 当传入output_hidden_states=True
或当config.output_hidden_states=True
时返回) — 形状为(batch_size, sequence_length, hidden_size)
的torch.FloatTensor
元组(如果模型有嵌入层,则包括嵌入输出,加上每层输出)。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
或当config.output_attentions=True
时返回) — 形状为(batch_size, num_heads, sequence_length, sequence_length)
的torch.FloatTensor
元组(每层一个)。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。
T5GemmaForTokenClassification 的 forward 方法,覆盖了 __call__
特殊方法。
虽然必须在此函数中定义前向传播的配方,但在此之后应调用 Module
实例,而不是直接调用此函数,因为前者负责运行预处理和后处理步骤,而后者则默默忽略它们。
示例
>>> from transformers import AutoTokenizer, T5GemmaForTokenClassification
>>> import torch
>>> tokenizer = AutoTokenizer.from_pretrained("google/t5gemma-placeholder")
>>> model = T5GemmaForTokenClassification.from_pretrained("google/t5gemma-placeholder")
>>> inputs = tokenizer(
... "HuggingFace is a company based in Paris and New York", add_special_tokens=False, return_tensors="pt"
... )
>>> with torch.no_grad():
... logits = model(**inputs).logits
>>> predicted_token_class_ids = logits.argmax(-1)
>>> # Note that tokens are classified rather then input words which means that
>>> # there might be more predicted token classes than words.
>>> # Multiple token classes might account for the same word
>>> predicted_tokens_classes = [model.config.id2label[t.item()] for t in predicted_token_class_ids[0]]
>>> predicted_tokens_classes
...
>>> labels = predicted_token_class_ids
>>> loss = model(**inputs, labels=labels).loss
>>> round(loss.item(), 2)
...