Transformers 文档
Zamba
并获取增强的文档体验
开始使用
Zamba
Zamba 是 Zyphra 训练的大型语言模型 (LLM)，并根据 Apache 2.0 许可证提供。有关模型权重，请参阅 Zyphra Hugging Face 仓库。
此模型由 pglo 贡献。
模型详情
Zamba-7B-v1 是状态空间模型（特别是 Mamba）和 Transformer 的混合体，并使用下一个 token 预测进行训练。Zamba 在每 6 个 Mamba 块后使用一个共享的 Transformer 层。它使用 Mistral v0.1 tokenizer。我们在小规模上进行了一系列消融研究后得出了这种架构。Zamba-7B-v1 在 1T 个 token 的文本和代码数据上进行了预训练。
快速开始
先决条件
Zamba 要求您使用 transformers 4.46.0 或更高版本
pip install transformers>=4.45.0
为了运行优化的 Mamba 实现，您首先需要安装 mamba-ssm 和 causal-conv1d
pip install mamba-ssm causal-conv1d>=1.2.0
您还需要将模型放在 CUDA 设备上。
您可以不使用优化的 Mamba 内核来运行模型，但不建议这样做，因为它会导致延迟显著增加。为了做到这一点，您需要在加载模型时指定 use_mamba_kernels=False。
推理
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
tokenizer = AutoTokenizer.from_pretrained("Zyphra/Zamba-7B-v1")
model = AutoModelForCausalLM.from_pretrained("Zyphra/Zamba-7B-v1", device_map="auto", torch_dtype=torch.bfloat16)
input_text = "A funny prompt would be "
input_ids = tokenizer(input_text, return_tensors="pt").to("cuda")
outputs = model.generate(**input_ids, max_new_tokens=100)
print(tokenizer.decode(outputs[0]))模型卡片
模型卡片可以在以下位置找到
问题
对于模型输出的问题或社区讨论，请使用 Hugging Face 社区论坛
许可证
模型权重通过 Apache 2.0 许可证开源。
ZambaConfig
class transformers.ZambaConfig
< 源代码 >( vocab_size = 32000 tie_word_embeddings = True hidden_size = 3712 attention_hidden_size = None intermediate_size = 14848 num_hidden_layers = 76 num_attention_heads = 16 attention_head_dim = None num_key_value_heads = 16 n_mamba_heads = 2 hidden_act = 'gelu' hidden_mamba_act = 'silu' initializer_range = 0.02 rms_norm_eps = 1e-05 use_cache = True num_logits_to_keep = 1 pad_token_id = 0 bos_token_id = 1 eos_token_id = 2 max_position_embeddings = 4096 attention_dropout = 0.0 attn_layer_period = 6 attn_layer_offset = 4 use_mamba_kernels = True mamba_d_state = 16 mamba_d_conv = 4 mamba_expand = 2 mamba_dt_rank = 'auto' time_step_min = 0.001 time_step_max = 0.1 time_step_floor = 0.0001 mamba_conv_bias = True mamba_proj_bias = False **kwargs )
参数
- vocab_size (
int, 可选, 默认为 32000) — Zamba 模型的词汇表大小。定义了在调用 ZambaModel 时传递的inputs_ids可以表示的不同 token 的数量 - tie_word_embeddings (
bool, 可选, 默认为True) — 模型输入和输出词嵌入是否应该被绑定。请注意，这仅在模型具有输出词嵌入层时才相关。 - hidden_size (
int, 可选, 默认为 3712) — 隐藏层表示的维度。 - attention_hidden_size (
int, 可选) — 注意力层输入的隐藏层表示的维度。 - intermediate_size (
int, 可选, 默认为 14848) — MLP 表示的维度。 - num_hidden_layers (
int, 可选, 默认为 76) — 模型中的隐藏层数。 - num_attention_heads (
int, 可选, 默认为 16) — Transformer 解码器中每个注意力层的注意力头数。 - attention_head_dim (
int, 可选) — Transformer 解码器中注意力头的维度。 - num_key_value_heads (
int, 可选, 默认为 16) — 这是应该用于实现分组查询注意力（Grouped Query Attention）的 key_value 头数。如果num_key_value_heads=None，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），否则将使用 GQA。当将多头检查点转换为 GQA 检查点时，每个组的 key 和 value 头应通过平均池化该组中的所有原始头来构建。有关更多详细信息，请查看本文。 - n_mamba_heads (
int, 可选, 默认为 2) — 每个 mamba 层的 mamba 头数。 - hidden_act (
str或function, 可选, 默认为"gelu") — 解码器中的非线性激活函数（函数或字符串）。 - hidden_mamba_act (
str或function, 可选, 默认为"silu") — mamba 层中的非线性激活函数（函数或字符串）。 - 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分布初始化器的标准差。 - rms_norm_eps (
float, 可选, 默认为 1e-05) — rms 归一化层使用的 epsilon 值。 - 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时相关。 - num_logits_to_keep (
int或None, 可选, 默认为 1) — 生成过程中要计算的 prompt logits 的数量。如果为None，将计算所有 logits。如果为整数值，则仅计算最后num_logits_to_keep个 logits。默认为 1，因为生成只需要最后一个 prompt token 的 logits。对于长序列，整个序列的 logits 可能会占用大量内存，因此，设置num_logits_to_keep=1将显著减少内存占用。 - pad_token_id (
int, 可选, 默认为 0) — padding token 的 id。 - bos_token_id (
int, 可选, 默认为 1) — “beginning-of-sequence” token 的 id。 - eos_token_id (
int, 可选, 默认为 2) — “end-of-sequence” token 的 id。 - max_position_embeddings (
int, 可选, 默认为 4096) — 此值没有任何实际效果。此模型旨在使用的最大序列长度。它可以与更长的序列一起使用，但性能可能会下降。 - attention_dropout (
float, 可选, 默认为 0.0) — 注意力概率的 dropout 比率。 - attn_layer_period (
int, 可选, 默认为 6) — 每隔这么多层，我们将有一个共享的注意力层 - attn_layer_offset (
int, 可选, 默认为 4) — 共享注意力层的偏移量 - use_mamba_kernels (
bool, 可选, 默认为True) — 标志，指示是否使用快速 mamba 内核。 只有在安装了mamba-ssm和causal-conv1d，并且 mamba 模块在 CUDA 设备上运行时，这些内核才可用。 如果为True且内核不可用，则会引发 ValueError - mamba_d_state (
int, 可选, 默认为 16) — mamba 状态空间潜在空间的维度 - mamba_d_conv (
int, 可选, 默认为 4) — mamba 卷积核的大小 - mamba_expand (
int, 可选, 默认为 2) — 用于确定 mamba 中间大小的扩展因子（相对于 hidden_size） - mamba_dt_rank (
Union[int,str], 可选, 默认为"auto") — mamba 离散化投影矩阵的秩。"auto"表示它将默认为math.ceil(self.hidden_size / 16) - time_step_min (
float, 可选, 默认为 0.001) — 用于限制dt_proj_bias的最小time_step。 - time_step_max (
float, 可选, 默认为 0.1) — 用于限制dt_proj_bias的最大time_step。 - time_step_floor (
float, 可选, 默认为 0.0001) —dt_proj.bias层初始化的最小钳制值。 - mamba_conv_bias (
bool, 可选, 默认为True) — 标志，指示是否在 mamba 混合器块的卷积层中使用偏置。 - mamba_proj_bias (
bool, 可选, 默认为False) — 标志，指示是否在 mamba 混合器块的输入和输出投影（[“in_proj”, “out_proj”]）中使用偏置
这是用于存储 ZambaModel 配置的配置类。 它用于根据指定的参数实例化 Zamba 模型，定义模型架构。 使用默认值实例化配置将产生与 Zamba-v0.1 模型类似的配置。
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 的文档。
ZambaModel
class transformers.ZambaModel
< source >( config: ZambaConfig )
参数
- config (ZambaConfig) — 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关联的权重，仅加载配置。 查看 from_pretrained() 方法来加载模型权重。
- config — ZambaConfig
裸 Zamba 模型，输出原始隐藏状态，顶部没有任何特定的头部。 此模型继承自 PreTrainedModel。 查看超类文档，了解库为其所有模型实现的通用方法（例如下载或保存、调整输入嵌入大小、剪枝头部等）。
此模型也是 PyTorch torch.nn.Module 子类。 将其用作常规 PyTorch 模块，并参阅 PyTorch 文档，了解所有与常规用法和行为相关的事项。
由 config.num_hidden_layers 层组成的 Transformer 解码器。 每层都是一个 ZambaDecoderLayer
forward
< source >( input_ids: LongTensor = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.LongTensor] = None past_key_values: typing.Optional[transformers.models.zamba.modeling_zamba.ZambaHybridDynamicCache] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None cache_position: typing.Optional[torch.LongTensor] = None )
参数
- input_ids (形状为
(batch_size, sequence_length)的torch.LongTensor) — 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，则会忽略填充。索引可以使用 AutoTokenizer 获得。 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.Tensor, 可选) — 掩码，以避免对填充标记索引执行注意力机制。 在[0, 1]中选择的掩码值：- 1 表示未被掩码的标记，
- 0 表示被掩码的标记。
索引可以使用 AutoTokenizer 获得。 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input_ids（请参阅past_key_values）。如果您想更改填充行为，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，请参见 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 (形状为
(batch_size, sequence_length)的torch.LongTensor, 可选) — 位置嵌入中每个输入序列标记的位置索引。 在范围[0, config.n_positions - 1]中选择。 - past_key_values (
ZambaHybridDynamicCache, 可选, 当传递use_cache=True或config.use_cache=True时返回) — 一个 ZambaHybridDynamicCache 对象，其中包含预先计算的隐藏状态（自注意力模块中的键和值，以及 mamba 模块中的卷积和 ssm 状态），可以用于（请参阅past_key_values输入）加速顺序解码。 键和值缓存张量的形状为(batch_size, num_heads, seq_len, head_dim)。 卷积和 ssm 状态张量的形状分别为(batch_size, d_inner, d_conv)和(batch_size, d_inner, d_state)。 有关更多详细信息，请参见ZambaHybridDynamicCache类。如果使用
past_key_values，则用户可以选择仅输入最后的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)，而不是所有形状为(batch_size, sequence_length)的input_ids。 - inputs_embeds (形状为
(batch_size, sequence_length, hidden_size)的torch.FloatTensor, 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精细地控制如何将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，并且可以用于加速解码（请参阅past_key_values）。 - output_attentions (
bool, optional) — 是否返回所有注意力层的注意力张量。 详见返回张量下的attentions部分了解更多详情。 - output_hidden_states (
bool, optional) — 是否返回所有层的隐藏状态。 详见返回张量下的hidden_states部分了解更多详情。 - return_dict (
bool, optional) — 是否返回 ModelOutput 而不是纯元组。 - cache_position (
torch.LongTensor，形状为(sequence_length)，optional) — 索引，描述输入序列 token 在序列中的位置。 与position_ids相反，此张量不受 padding 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。
ZambaModel 的 forward 方法重写了 __call__ 特殊方法。
尽管 forward 传递的步骤需要在该函数内定义，但应该在此之后调用 Module 实例，而不是直接调用此函数，因为前者会处理预处理和后处理步骤，而后者会默默地忽略它们。
ZambaForCausalLM
forward
< source >( input_ids: LongTensor = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.LongTensor] = None past_key_values: typing.Optional[transformers.models.zamba.modeling_zamba.ZambaHybridDynamicCache] = None 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 return_dict: 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.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 token 的索引。 默认情况下，如果您提供 padding，则会被忽略。索引可以使用 AutoTokenizer 获得。 详见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 了解详情。
- attention_mask (
torch.Tensor，形状为(batch_size, sequence_length)，optional) — 用于避免在 padding token 索引上执行注意力的掩码。 掩码值在[0, 1]中选择：- 1 表示 token 未被掩盖，
- 0 表示 token 已被掩盖。
索引可以使用 AutoTokenizer 获得。 详见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call() 了解详情。
如果使用
past_key_values，则可以选择仅输入最后的input_ids（请参阅past_key_values）。如果您想更改 padding 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 head 未被掩盖，
- 0 表示 head 已被掩盖。
- position_ids (
torch.LongTensor，形状为(batch_size, sequence_length)，optional) — 每个输入序列 token 在位置嵌入中的位置索引。 在范围[0, config.n_positions - 1]中选择。 - past_key_values (
ZambaHybridDynamicCache，optional，当传递use_cache=True或config.use_cache=True时返回) — 一个ZambaHybridDynamicCache对象，包含预先计算的隐藏状态（自注意力模块中的键和值，以及 Mamba 模块中的卷积和 SSM 状态），可以用于加速顺序解码（请参阅past_key_values输入）。 键和值缓存张量的形状为(batch_size, num_heads, seq_len, head_dim)。 卷积和 SSM 状态张量的形状分别为(batch_size, d_inner, d_conv)和(batch_size, d_inner, d_state)。 有关更多详细信息，请参阅ZambaHybridDynamicCache类。如果使用
past_key_values，用户可以选择仅输入最后的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)，而不是所有形状为(batch_size, sequence_length)的input_ids。 - inputs_embeds (
torch.FloatTensor，形状为(batch_size, sequence_length, hidden_size)，optional) — 可选地，您可以选择直接传递嵌入表示，而不是传递input_ids。 如果您想比模型的内部嵌入查找矩阵更精细地控制如何将input_ids索引转换为关联向量，这将非常有用。 - use_cache (
bool, optional) — 如果设置为True，则返回past_key_values键值状态，并可用于加速解码（请参阅past_key_values）。 - output_attentions (
bool, optional) — 是否返回所有注意力层的注意力张量。 详见返回张量下的attentions部分了解更多详情。 - output_hidden_states (
bool, optional) — 是否返回所有层的隐藏状态。 详见返回张量下的hidden_states部分了解更多详情。 - return_dict (
bool, optional) — 是否返回 ModelOutput 而不是纯元组。 - cache_position (
torch.LongTensor，形状为(sequence_length)，optional) — 索引，描述输入序列 token 在序列中的位置。 与position_ids相反，此张量不受 padding 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, sequence_length)，optional) — 用于计算 masked language modeling 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（掩盖），损失仅针对标签在[0, ..., config.vocab_size]中的 token 计算。 - logits_to_keep (
int或torch.Tensor，optional) — 如果是int，则计算最后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，并且仅针对该 token 计算它们可以节省内存，这对于长序列或大词汇量大小来说变得非常重要。 如果是torch.Tensor，则必须是 1D，对应于要保留在序列长度维度中的索引。 这在使用 packed tensor 格式（批次和序列长度的单维度）时很有用。
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 return_dict=False 或 config.return_dict=False），包含各种元素，具体取决于配置 (ZambaConfig) 和输入。
-
loss (
torch.FloatTensor，形状为(1,)，optional，当提供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 head 的预测分数（SoftMax 之前每个词汇表 token 的分数）。 -
past_key_values (
tuple(tuple(torch.FloatTensor))，optional，当传递use_cache=True或config.use_cache=True时返回) — 长度为config.n_layers的tuple(torch.FloatTensor)元组，每个元组有 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（自注意力模块中的键和值），可以用于加速顺序解码（请参阅
past_key_values输入）。 -
hidden_states (
tuple(torch.FloatTensor)，optional，当传递output_hidden_states=True或config.output_hidden_states=True时返回) —torch.FloatTensor的元组（如果模型具有嵌入层，则为嵌入输出一个，+ 每层的输出一个），形状为(batch_size, sequence_length, hidden_size)。模型在每层输出处的隐藏状态，以及可选的初始嵌入输出。
-
attentions (
tuple(torch.FloatTensor)，optional，当传递output_attentions=True或config.output_attentions=True时返回) —torch.FloatTensor的元组（每层一个），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 head 中的加权平均值。
ZambaForCausalLM 的 forward 方法重写了 __call__ 特殊方法。
尽管 forward 传递的步骤需要在该函数内定义，但应该在此之后调用 Module 实例，而不是直接调用此函数，因为前者会处理预处理和后处理步骤，而后者会默默地忽略它们。
示例
>>> from transformers import AutoTokenizer, ZambaForCausalLM
>>> model = ZambaForCausalLM.from_pretrained("Zyphra/Zamba-7B-v1")
>>> tokenizer = AutoTokenizer.from_pretrained("Zyphra/Zamba-7B-v1")
>>> 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."ZambaForSequenceClassification
class transformers.ZambaForSequenceClassification
< source >( config )
参数
- config (ZambaConfig) — 具有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关联的权重，仅加载配置。 查看 from_pretrained() 方法加载模型权重。
Zamba 模型，顶部带有一个序列分类 head（线性层）。
ZambaForSequenceClassification 使用最后一个 token 来进行分类，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，因此需要知道最后一个 token 的位置。 如果在配置中定义了 pad_token_id，它会在每一行中找到最后一个不是 padding token 的 token。 如果未定义 pad_token_id，它只会获取批次中每一行的最后一个值。 由于当传递 inputs_embeds 而不是 input_ids 时，它无法猜测 padding token，因此它会执行相同的操作（获取批次中每一行的最后一个值）。
此模型继承自 PreTrainedModel。 查看超类文档，了解库为其所有模型实现的通用方法（例如下载或保存、调整输入嵌入大小、剪枝 head 等）
此模型也是 PyTorch torch.nn.Module 子类。 将其用作常规 PyTorch 模块，并参阅 PyTorch 文档，了解所有与常规用法和行为相关的事项。
forward
< 源代码 >( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.LongTensor] = None past_key_values: typing.Union[transformers.cache_utils.Cache, typing.List[torch.FloatTensor], NoneType] = None 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 return_dict: typing.Optional[bool] = None )
参数
- input_ids (形状为
(batch_size, sequence_length)的torch.LongTensor) — 词汇表中输入序列 tokens 的索引。 如果您提供 padding，默认情况下将被忽略。索引可以使用 AutoTokenizer 获得。 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.Tensor, 可选) — 用于避免在 padding token 索引上执行 attention 的 Mask。 Mask 值在[0, 1]中选择：- 1 表示 tokens 未被 mask，
- 0 表示 tokens 已被 mask。
索引可以使用 AutoTokenizer 获得。 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input_ids（请参阅past_key_values）。如果您想更改 padding 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，请参见 论文 中的图 1。- 1 表示 head 未被 mask，
- 0 表示 head 已被 mask。
- position_ids (形状为
(batch_size, sequence_length)的torch.LongTensor, 可选) — 位置 embeddings 中每个输入序列 tokens 的位置索引。 在范围[0, config.n_positions - 1]中选择。 - past_key_values (
ZambaHybridDynamicCache, 可选, 当传递use_cache=True或当config.use_cache=True时返回) — 一个 ZambaHybridDynamicCache 对象，其中包含预先计算的隐藏状态（自注意力模块中的键和值，以及 mamba 模块中的卷积和 ssm 状态），可以用于（请参阅past_key_values输入）加速顺序解码。 键和值 cache tensors 的形状为(batch_size, num_heads, seq_len, head_dim)。 卷积和 ssm 状态 tensors 的形状分别为(batch_size, d_inner, d_conv)和(batch_size, d_inner, d_state)。 有关更多详细信息，请参阅ZambaHybridDynamicCache类。如果使用
past_key_values，用户可以选择仅输入最后的input_ids（那些没有将其过去键值状态提供给此模型的）形状为(batch_size, 1)，而不是所有形状为(batch_size, sequence_length)的input_ids。 - inputs_embeds (形状为
(batch_size, sequence_length, hidden_size)的torch.FloatTensor, 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，并且可以用于加速解码（请参阅past_key_values）。 - output_attentions (
bool, 可选) — 是否返回所有 attention 层的 attentions tensors。 有关更多详细信息，请参阅返回的 tensors 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，请参阅返回的 tensors 下的hidden_states。 - return_dict (
bool, 可选) — 是否返回 ModelOutput 而不是普通元组。 - cache_position (形状为
(sequence_length)的torch.LongTensor, 可选) — 描述输入序列 tokens 在序列中位置的索引。 与position_ids相反，此 tensor 不受 padding 的影响。 它用于在正确的位置更新 cache 并推断完整序列长度。 - 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]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（交叉熵损失）。
ZambaForSequenceClassification 的 forward 方法，覆盖了 __call__ 特殊方法。
尽管 forward 传递的步骤需要在该函数内定义，但应该在此之后调用 Module 实例，而不是直接调用此函数，因为前者会处理预处理和后处理步骤，而后者会默默地忽略它们。