Transformers 文件
Qwen2MoE
並獲得增強的文件體驗
開始使用
Qwen2MoE
Qwen2MoE是Qwen2的一種專家混合（MoE）變體，可作為基礎模型和對齊聊天模型使用。它採用SwiGLU啟用函式、分組查詢注意力，以及滑動視窗注意力與全注意力相結合的混合模式。其分詞器也可適應多種語言和程式碼。
MoE架構使用密集語言模型的升級模型。例如，Qwen1.5-MoE-A2.7B是基於Qwen-1.8B升級而來。它擁有14.3B引數，但在執行時僅啟用2.7B引數。
您可以在Qwen1.5集合中找到所有原始檢查點。
點選右側邊欄的Qwen2MoE模型，檢視更多將Qwen2MoE應用於不同語言任務的示例。
以下示例展示瞭如何使用Pipeline、AutoModel以及命令列生成文字。
import torch
from transformers import pipeline
pipe = pipeline(
task="text-generation",
model="Qwen/Qwen1.5-MoE-A2.7B",
torch_dtype=torch.bfloat16,
device_map=0
)
messages = [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Tell me about the Qwen2 model family."},
]
outputs = pipe(messages, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"][-1]['content'])量化透過以較低精度表示權重來減少大型模型的記憶體負擔。有關更多可用量化後端，請參閱量化概述。
以下示例使用bitsandbytes將權重量化為8位。
# pip install -U flash-attn --no-build-isolation
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig
quantization_config = BitsAndBytesConfig(
load_in_8bit=True
)
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B-Chat")
model = AutoModelForCausalLM.from_pretrained(
"Qwen/Qwen1.5-MoE-A2.7B-Chat",
torch_dtype=torch.bfloat16,
device_map="auto",
quantization_config=quantization_config,
attn_implementation="flash_attention_2"
)
inputs = tokenizer("The Qwen2 model family is", return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=100)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))Qwen2MoeConfig
class transformers.Qwen2MoeConfig
< 原始檔 >( 詞彙表大小 = 151936 隱藏層大小 = 2048 中間層大小 = 5632 隱藏層數量 = 24 注意力頭數量 = 16 鍵值頭數量 = 16 隱藏層啟用函式 = 'silu' 最大位置嵌入 = 32768 初始化範圍 = 0.02 rms_norm_eps = 1e-06 使用快取 = True 繫結詞嵌入 = False rope_theta = 10000.0 rope_scaling = None 使用滑動視窗 = False 滑動視窗 = 4096 最大視窗層數 = 28 注意力dropout = 0.0 解碼器稀疏步長 = 1 moe_中間層大小 = 1408 共享專家中間層大小 = 5632 每個token專家數量 = 4 專家數量 = 60 norm_topk_prob = False 輸出路由邏輯 = False router_aux_loss_coef = 0.001 僅mlp層 = None qkv_bias = True **kwargs )
引數
- vocab_size (
int, 可選, 預設為151936) — Qwen2MoE模型的詞彙表大小。定義了呼叫Qwen2MoeModel時傳入的inputs_ids所能表示的不同token的數量。 - hidden_size (
int, 可選, 預設為2048) — 隱藏表示的維度。 - intermediate_size (
int, 可選, 預設為5632) — MLP表示的維度。 - num_hidden_layers (
int, 可選, 預設為24) — Transformer編碼器中的隱藏層數量。 - num_attention_heads (
int, 可選, 預設為16) — Transformer編碼器中每個注意力層的注意力頭數量。 - num_key_value_heads (
int, 可選, 預設為16) — 用於實現分組查詢注意力的鍵值頭數量。如果num_key_value_heads=num_attention_heads，模型將使用多頭注意力（MHA）；如果num_key_value_heads=1，模型將使用多查詢注意力（MQA），否則使用GQA。將多頭檢查點轉換為GQA檢查點時，每個組的鍵和值頭應透過對其組內的所有原始頭進行均值池化來構建。有關更多詳細資訊，請檢視這篇論文。如果未指定，將預設為32。 - hidden_act (
str或function, 可選, 預設為"silu") — 解碼器中的非線性啟用函式（函式或字串）。 - max_position_embeddings (
int, 可選, 預設為32768) — 該模型可能使用的最大序列長度。 - initializer_range (
float, 可選, 預設為0.02) — 用於初始化所有權重矩陣的截斷正態分佈初始化器的標準差。 - rms_norm_eps (
float, 可選, 預設為1e-06) — rms歸一化層使用的epsilon值。 - use_cache (
bool, 可選, 預設為True) — 模型是否應返回最後的鍵/值注意力（並非所有模型都使用）。僅當config.is_decoder=True時相關。 - tie_word_embeddings (
bool, 可選, 預設為False) — 模型的輸入和輸出詞嵌入是否應繫結。 - rope_theta (
float, 可選, 預設為10000.0) — RoPE嵌入的基本週期。 - rope_scaling (
Dict, 可選) — 包含RoPE嵌入縮放配置的字典。注意：如果您應用新的RoPE型別，並期望模型在更長的max_position_embeddings上工作，我們建議您相應地更新此值。預期內容：rope_type(str): 要使用的RoPE子變體。可以是['default', 'linear', 'dynamic', 'yarn', 'longrope', 'llama3']之一，其中'default'是原始的RoPE實現。factor(float, 可選): 除'default'外的所有RoPE型別均使用。應用於RoPE嵌入的縮放因子。在大多數縮放型別中，x的factor將使模型能夠處理長度為x * 原始預訓練最大長度的序列。original_max_position_embeddings(int, 可選): 與'dynamic'、'longrope'和'llama3'一起使用。預訓練期間使用的原始最大位置嵌入。attention_factor(float, 可選): 與'yarn'和'longrope'一起使用。應用於注意力計算的縮放因子。如果未指定，則預設為實現推薦的值，使用factor欄位推斷建議值。beta_fast(float, 可選): 僅與'yarn'一起使用。設定線性斜坡函式中外推（僅）邊界的引數。如果未指定，則預設為32。beta_slow(float, 可選): 僅與'yarn'一起使用。設定線性斜坡函式中內插（僅）邊界的引數。如果未指定，則預設為1。short_factor(list[float], 可選): 僅與'longrope'一起使用。應用於短上下文（<original_max_position_embeddings）的縮放因子。必須是長度與隱藏層大小除以注意力頭數量再除以2相同的數字列表。long_factor(list[float], 可選): 僅與'longrope'一起使用。應用於長上下文（<original_max_position_embeddings）的縮放因子。必須是長度與隱藏層大小除以注意力頭數量再除以2相同的數字列表。low_freq_factor(float, 可選): 僅與'llama3'一起使用。應用於RoPE低頻分量的縮放因子。high_freq_factor(float, 可選): 僅與'llama3'一起使用。應用於RoPE高頻分量的縮放因子。 - use_sliding_window (
bool, 可選, 預設為False) — 是否使用滑動視窗注意力。 - sliding_window (
int, 可選, 預設為4096) — 滑動視窗注意力 (SWA) 的視窗大小。如果未指定，將預設為4096。 - max_window_layers (
int, 可選, 預設為28) — 使用全注意力層的數量。前max_window_layers層將使用全注意力，而之後的任何附加層都將使用SWA（滑動視窗注意力）。 - attention_dropout (
float, 可選, 預設為0.0) — 注意力機率的dropout比率。 - decoder_sparse_step (
int, 可選, 預設為1) — MoE層的頻率。 - moe_intermediate_size (
int, 可選, 預設為1408) — 路由專家（routed expert）的中間層大小。 - shared_expert_intermediate_size (
int, 可選, 預設為5632) — 共享專家（shared expert）的中間層大小。 - num_experts_per_tok (
int, 可選, 預設為4) — 每個token選擇的專家數量。 - num_experts (
int, 可選, 預設為60) — 路由專家（routed expert）的數量。 - norm_topk_prob (
bool, 可選, 預設為False) — 是否對topk機率進行歸一化。 - output_router_logits (
bool, 可選, 預設為False) — 模型是否應返回路由邏輯（router logits）。啟用此項還將允許模型輸出輔助損失，包括負載平衡損失和路由z-損失。 - router_aux_loss_coef (
float, 可選, 預設為0.001) — 總損失的輔助損失因子。 - mlp_only_layers (
list[int], 可選, 預設為[]) — 指示哪些層使用Qwen2MoeMLP而不是Qwen2MoeSparseMoeBlock。該列表包含層索引，如果有num_layers層，則從0到num_layers-1。如果mlp_only_layers為空，則使用decoder_sparse_step確定稀疏性。 - qkv_bias (
bool, 可選, 預設為True) — 是否在 queries、keys 和 values 中新增偏置。
這是用於儲存 Qwen2MoeModel 配置的配置類。它用於根據指定的引數例項化 Qwen2MoE 模型，定義模型架構。使用預設值例項化配置將生成與 Qwen/Qwen1.5-MoE-A2.7B 類似的配置。
配置物件繼承自 PretrainedConfig，可用於控制模型輸出。有關更多資訊，請參閱 PretrainedConfig 的文件。
>>> 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.configQwen2MoeModel
class transformers.Qwen2MoeModel
< source >( config: Qwen2MoeConfig )
引數
- config (Qwen2MoeConfig) — 模型的配置類，包含模型的所有引數。用配置檔案初始化不會載入與模型相關的權重，只會載入配置。請檢視 from_pretrained() 方法來載入模型權重。
輸出原始隱藏狀態的裸 Qwen2 Moe 模型，頂部沒有任何特定頭部。
此模型繼承自 PreTrainedModel。請查閱超類文件以瞭解庫為其所有模型實現的一般方法（例如下載或儲存、調整輸入嵌入大小、修剪頭部等）。
此模型也是 PyTorch torch.nn.Module 子類。將其作為常規 PyTorch 模組使用，並參考 PyTorch 文件以瞭解所有與一般用法和行為相關的事項。
forward
< source >( 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.Optional[list[torch.FloatTensor]] = 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 output_router_logits: typing.Optional[bool] = None cache_position: typing.Optional[torch.LongTensor] = None ) → transformers.modeling_outputs.MoeModelOutputWithPast or tuple(torch.FloatTensor)
引數
- input_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 詞彙表中輸入序列 token 的索引。預設情況下會忽略填充。索引可以使用 AutoTokenizer 獲取。詳情請參閱 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (形狀為
(batch_size, sequence_length)的torch.Tensor，可選) — 避免對填充 token 索引執行注意力操作的掩碼。掩碼值選擇在[0, 1]之間：- 1 表示 未被掩碼 的 token，
- 0 表示 被掩碼 的 token。
- position_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 輸入序列中每個 token 在位置嵌入中的位置索引。選擇範圍為[0, config.n_positions - 1]。 - past_key_values (
list[torch.FloatTensor], 可選) — 預計算的隱藏狀態（自注意力塊和交叉注意力塊中的鍵和值），可用於加速序列解碼。這通常包括模型在解碼上一階段返回的past_key_values，當use_cache=True或config.use_cache=True時。允許兩種格式：
- Cache 例項，請參閱我們的 kv 快取指南；
config.n_layers長度的tuple(torch.FloatTensor)元組，每個元組包含 2 個形狀為(batch_size, num_heads, sequence_length, embed_size_per_head)的張量）。這也被稱為傳統快取格式。
模型將輸出與輸入相同的快取格式。如果未傳入
past_key_values，將返回傳統快取格式。如果使用
past_key_values，使用者可以選擇僅輸入形狀為(batch_size, 1)的最後一個input_ids（即未將其過去的鍵值狀態提供給此模型的那些），而不是形狀為(batch_size, sequence_length)的所有input_ids。 - inputs_embeds (形狀為
(batch_size, sequence_length, hidden_size)的torch.FloatTensor，可選) — 可選地，除了傳遞input_ids，你也可以直接傳遞一個嵌入表示。如果你想更精細地控制如何將input_ids索引轉換為相關向量，而不是使用模型內部的嵌入查詢矩陣，這會很有用。 - use_cache (
bool, 可選) — 如果設定為True，則返回past_key_values鍵值狀態，可用於加速解碼（參見past_key_values）。 - output_attentions (
bool, 可選) — 是否返回所有注意力層的注意力張量。更多詳細資訊，請參閱返回張量下的attentions。 - output_hidden_states (
bool, 可選) — 是否返回所有層的隱藏狀態。更多詳細資訊，請參閱返回張量下的hidden_states。 - output_router_logits (
bool, 可選) — 是否返回所有路由器的 logits。它們對於計算路由器損失很有用，但在推理期間不應返回。 - cache_position (形狀為
(sequence_length)的torch.LongTensor，可選) — 描述輸入序列 token 在序列中位置的索引。與position_ids不同，此張量不受填充影響。它用於在正確位置更新快取並推斷完整的序列長度。
返回
transformers.modeling_outputs.MoeModelOutputWithPast 或 tuple(torch.FloatTensor)
一個 transformers.modeling_outputs.MoeModelOutputWithPast 或一個 torch.FloatTensor 元組（如果傳遞了 return_dict=False 或 config.return_dict=False），包含根據配置 (Qwen2MoeConfig) 和輸入的不同元素。
-
last_hidden_state (
torch.FloatTensor, 形狀為(batch_size, sequence_length, hidden_size)) — 模型最後一層輸出的隱藏狀態序列。 -
past_key_values (
Cache, 可選, 當use_cache=True或config.use_cache=True傳入時返回) — 這是一個 Cache 例項。更多詳情，請參閱我們的 kv 快取指南。包含預計算的隱藏狀態（自注意力塊中的鍵和值，如果
config.is_encoder_decoder=True則可選包含交叉注意力塊中的鍵和值），可用於（參見past_key_values輸入）加速序列解碼。 -
hidden_states (
tuple(torch.FloatTensor), 可選, 當output_hidden_states=True或config.output_hidden_states=True傳入時返回) — 形狀為(batch_size, sequence_length, hidden_size)的torch.FloatTensor元組（一個用於嵌入層輸出，如果模型有嵌入層，+ 一個用於每層輸出）。模型在每個層輸出的隱藏狀態以及可選的初始嵌入輸出。
-
attentions (
tuple(torch.FloatTensor), 可選, 當output_attentions=True或config.output_attentions=True傳入時返回) — 形狀為(batch_size, num_heads, sequence_length, sequence_length)的torch.FloatTensor元組（每層一個）。注意力 softmax 後的注意力權重，用於計算自注意力頭中的加權平均值。
-
router_logits (
tuple(torch.FloatTensor), 可選, 當output_router_probs=True和config.add_router_probs=True傳入時或當config.output_router_probs=True傳入時返回) — 形狀為(batch_size, sequence_length, num_experts)的torch.FloatTensor元組（每層一個）。由 MoE 路由器計算的原始路由器對數（softmax 後），這些術語用於計算專家混合模型的輔助損失。
Qwen2MoeModel 的 forward 方法，重寫了 __call__ 特殊方法。
儘管前向傳遞的配方需要在此函式中定義，但在此之後應呼叫 Module 例項而不是此函式，因為前者負責執行預處理和後處理步驟，而後者則靜默忽略它們。
Qwen2MoeForCausalLM
forward
< source >( 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.Optional[list[torch.FloatTensor]] = 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 output_router_logits: 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.MoeCausalLMOutputWithPast or tuple(torch.FloatTensor)
引數
- input_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 詞彙表中輸入序列 token 的索引。預設情況下會忽略填充。索引可以使用 AutoTokenizer 獲取。詳情請參閱 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (形狀為
(batch_size, sequence_length)的torch.Tensor，可選) — 避免對填充 token 索引執行注意力操作的掩碼。掩碼值選擇在[0, 1]之間：- 1 表示 未被掩碼 的 token，
- 0 表示 被掩碼 的 token。
- position_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 輸入序列中每個 token 在位置嵌入中的位置索引。選擇範圍為[0, config.n_positions - 1]。 - past_key_values (
list[torch.FloatTensor], 可選) — 預計算的隱藏狀態（自注意力塊和交叉注意力塊中的鍵和值），可用於加速序列解碼。這通常包括模型在解碼上一階段返回的past_key_values，當use_cache=True或config.use_cache=True時。允許兩種格式：
- Cache 例項，請參閱我們的 kv 快取指南；
config.n_layers長度的tuple(torch.FloatTensor)元組，每個元組包含 2 個形狀為(batch_size, num_heads, sequence_length, embed_size_per_head)的張量）。這也被稱為傳統快取格式。
模型將輸出與輸入相同的快取格式。如果未傳入
past_key_values，將返回傳統快取格式。如果使用
past_key_values，使用者可以選擇僅輸入形狀為(batch_size, 1)的最後一個input_ids（即未將其過去的鍵值狀態提供給此模型的那些），而不是形狀為(batch_size, sequence_length)的所有input_ids。 - inputs_embeds (形狀為
(batch_size, sequence_length, hidden_size)的torch.FloatTensor，可選) — 可選地，除了傳遞input_ids，你也可以直接傳遞一個嵌入表示。如果你想更精細地控制如何將input_ids索引轉換為相關向量，而不是使用模型內部的嵌入查詢矩陣，這會很有用。 - labels (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 用於計算掩碼語言模型損失的標籤。索引應在[0, ..., config.vocab_size]或 -100 之間（參見input_ids文件字串）。索引設定為-100的 token 將被忽略（掩碼），損失僅針對標籤在[0, ..., config.vocab_size]中的 token 計算。 - use_cache (
bool, 可選) — 如果設定為True，則返回past_key_values鍵值狀態，可用於加速解碼（參見past_key_values）。 - output_attentions (
bool, 可選) — 是否返回所有注意力層的注意力張量。更多詳細資訊，請參閱返回張量下的attentions。 - output_hidden_states (
bool, 可選) — 是否返回所有層的隱藏狀態。更多詳細資訊，請參閱返回張量下的hidden_states。 - output_router_logits (
bool, 可選) — 是否返回所有路由器的 logits。它們對於計算路由器損失很有用，但在推理期間不應返回。 - cache_position (形狀為
(sequence_length)的torch.LongTensor，可選) — 描述輸入序列 token 在序列中位置的索引。與position_ids不同，此張量不受填充影響。它用於在正確位置更新快取並推斷完整的序列長度。 - logits_to_keep (
Union[int, torch.Tensor], 預設為0) — 如果是int，則計算最後logits_to_keep個 token 的 logits。如果是0，則計算所有input_ids的 logits（特殊情況）。生成時只需要最後一個 token 的 logits，只計算該 token 可以節省記憶體，對於長序列或大詞彙量來說，這非常重要。如果是torch.Tensor，則必須是 1D，對應於在序列長度維度中要保留的索引。這在使用打包張量格式（批次和序列長度的單維度）時很有用。
返回
transformers.modeling_outputs.MoeCausalLMOutputWithPast 或 tuple(torch.FloatTensor)
一個 transformers.modeling_outputs.MoeCausalLMOutputWithPast 或一個 torch.FloatTensor 元組（如果傳遞了 return_dict=False 或 config.return_dict=False），包含根據配置 (Qwen2MoeConfig) 和輸入的不同元素。
-
loss (
torch.FloatTensor形狀為(1,)，可選，當提供labels時返回) — 語言建模損失（用於下一個 token 預測）。 -
logits (形狀為
(batch_size, sequence_length, config.vocab_size)的torch.FloatTensor) — 語言建模頭部的預測分數（SoftMax 之前的每個詞彙標記的分數）。 -
aux_loss (
torch.FloatTensor，可選，當提供labels時返回) — 稀疏模組的輔助損失。 -
router_logits (
tuple(torch.FloatTensor), 可選, 當output_router_probs=True和config.add_router_probs=True傳入時或當config.output_router_probs=True傳入時返回) — 形狀為(batch_size, sequence_length, num_experts)的torch.FloatTensor元組（每層一個）。由 MoE 路由器計算的原始路由器對數（softmax 後），這些術語用於計算專家混合模型的輔助損失。
-
past_key_values (
Cache, 可選, 當use_cache=True或config.use_cache=True傳入時返回) — 這是一個 Cache 例項。更多詳情，請參閱我們的 kv 快取指南。包含預計算的隱藏狀態（自注意力塊中的鍵和值），可用於（參見
past_key_values輸入）加速順序解碼。 -
hidden_states (
tuple(torch.FloatTensor), 可選, 當output_hidden_states=True或config.output_hidden_states=True傳入時返回) — 形狀為(batch_size, sequence_length, hidden_size)的torch.FloatTensor元組（一個用於嵌入層輸出，如果模型有嵌入層，+ 一個用於每層輸出）。模型在每個層輸出的隱藏狀態以及可選的初始嵌入輸出。
-
attentions (
tuple(torch.FloatTensor), 可選, 當output_attentions=True或config.output_attentions=True傳入時返回) — 形狀為(batch_size, num_heads, sequence_length, sequence_length)的torch.FloatTensor元組（每層一個）。注意力 softmax 後的注意力權重，用於計算自注意力頭中的加權平均值。
Qwen2MoeForCausalLM 的 forward 方法，重寫了 __call__ 特殊方法。
儘管前向傳遞的配方需要在此函式中定義，但在此之後應呼叫 Module 例項而不是此函式，因為前者負責執行預處理和後處理步驟，而後者則靜默忽略它們。
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
class transformers.Qwen2MoeForSequenceClassification
< source >( config )
引數
- config (Qwen2MoeForSequenceClassification) — 模型的配置類，包含模型的所有引數。用配置檔案初始化不會載入與模型相關的權重，只會載入配置。請檢視 from_pretrained() 方法來載入模型權重。
帶有序列分類頭（頂部線性層）的 Qwen2MoE 模型 Transformer。
Qwen2MoeForSequenceClassification 使用最後一個 token 進行分類，就像其他因果模型（如 GPT-2）一樣。
因為它對最後一個 token 進行分類，所以它需要知道最後一個 token 的位置。如果配置中定義了 pad_token_id，它會在每行中找到不是填充 token 的最後一個 token。如果未定義 pad_token_id，它只取批次每行中的最後一個值。由於在傳遞 inputs_embeds 而不是 input_ids 時無法猜測填充 token，因此它執行相同的操作（取批次每行中的最後一個值）。
此模型繼承自 PreTrainedModel。請查閱超類文件以瞭解庫為其所有模型實現的一般方法（例如下載或儲存、調整輸入嵌入大小、修剪頭部等）。
此模型也是 PyTorch torch.nn.Module 子類。將其作為常規 PyTorch 模組使用，並參考 PyTorch 文件以瞭解所有與一般用法和行為相關的事項。
forward
< source >( 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.Optional[transformers.cache_utils.Cache] = 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 ) → transformers.modeling_outputs.SequenceClassifierOutputWithPast or tuple(torch.FloatTensor)
引數
- input_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 詞彙表中輸入序列 token 的索引。預設情況下會忽略填充。索引可以使用 AutoTokenizer 獲取。詳情請參閱 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (形狀為
(batch_size, sequence_length)的torch.Tensor，可選) — 避免對填充 token 索引執行注意力操作的掩碼。掩碼值選擇在[0, 1]之間：- 1 表示 未被掩碼 的 token，
- 0 表示 被掩碼 的 token。
- position_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 輸入序列中每個 token 在位置嵌入中的位置索引。選擇範圍為[0, config.n_positions - 1]。 - past_key_values (
~cache_utils.Cache, 可選) — 預計算的隱藏狀態（自注意力塊和交叉注意力塊中的鍵和值），可用於加速序列解碼。這通常包括模型在解碼上一階段返回的past_key_values，當use_cache=True或config.use_cache=True時。允許兩種格式：
- Cache 例項，請參閱我們的 kv 快取指南；
config.n_layers長度的tuple(torch.FloatTensor)元組，每個元組包含 2 個形狀為(batch_size, num_heads, sequence_length, embed_size_per_head)的張量）。這也被稱為傳統快取格式。
模型將輸出與輸入相同的快取格式。如果未傳入
past_key_values，將返回傳統快取格式。如果使用
past_key_values，使用者可以選擇僅輸入形狀為(batch_size, 1)的最後一個input_ids（即未將其過去的鍵值狀態提供給此模型的那些），而不是形狀為(batch_size, sequence_length)的所有input_ids。 - inputs_embeds (形狀為
(batch_size, sequence_length, hidden_size)的torch.FloatTensor，可選) — 可選地，除了傳遞input_ids，你也可以直接傳遞一個嵌入表示。如果你想更精細地控制如何將input_ids索引轉換為相關向量，而不是使用模型內部的嵌入查詢矩陣，這會很有用。 - labels (形狀為
(batch_size,)的torch.LongTensor，可選) — 用於計算序列分類/迴歸損失的標籤。索引應在[0, ..., config.num_labels - 1]之間。如果config.num_labels == 1，則計算迴歸損失（均方誤差），如果config.num_labels > 1，則計算分類損失（交叉熵）。 - use_cache (
bool, 可選) — 如果設定為True，則返回past_key_values鍵值狀態，可用於加速解碼（參見past_key_values）。 - output_attentions (
bool, 可選) — 是否返回所有注意力層的注意力張量。更多詳細資訊，請參閱返回張量下的attentions。 - output_hidden_states (
bool, 可選) — 是否返回所有層的隱藏狀態。更多詳細資訊，請參閱返回張量下的hidden_states。
返回
transformers.modeling_outputs.SequenceClassifierOutputWithPast 或 tuple(torch.FloatTensor)
一個 transformers.modeling_outputs.SequenceClassifierOutputWithPast 或一個 torch.FloatTensor 元組（如果傳遞了 return_dict=False 或 config.return_dict=False），包含根據配置 (Qwen2MoeConfig) 和輸入的不同元素。
-
loss (形狀為
(1,)的torch.FloatTensor，可選，當提供labels時返回) — 分類損失（如果 config.num_labels==1，則為迴歸損失）。 -
logits (形狀為
(batch_size, config.num_labels)的torch.FloatTensor) — 分類（如果 config.num_labels==1，則為迴歸）分數（SoftMax 之前）。 -
past_key_values (
Cache, 可選, 當use_cache=True或config.use_cache=True傳入時返回) — 這是一個 Cache 例項。更多詳情，請參閱我們的 kv 快取指南。包含預計算的隱藏狀態（自注意力塊中的鍵和值），可用於（參見
past_key_values輸入）加速順序解碼。 -
hidden_states (
tuple(torch.FloatTensor), 可選, 當output_hidden_states=True或config.output_hidden_states=True傳入時返回) — 形狀為(batch_size, sequence_length, hidden_size)的torch.FloatTensor元組（一個用於嵌入層輸出，如果模型有嵌入層，+ 一個用於每層輸出）。模型在每個層輸出的隱藏狀態以及可選的初始嵌入輸出。
-
attentions (
tuple(torch.FloatTensor), 可選, 當output_attentions=True或config.output_attentions=True傳入時返回) — 形狀為(batch_size, num_heads, sequence_length, sequence_length)的torch.FloatTensor元組（每層一個）。注意力 softmax 後的注意力權重，用於計算自注意力頭中的加權平均值。
Qwen2MoeForSequenceClassification 的 forward 方法，重寫了 __call__ 特殊方法。
儘管前向傳遞的配方需要在此函式中定義，但在此之後應呼叫 Module 例項而不是此函式，因為前者負責執行預處理和後處理步驟，而後者則靜默忽略它們。
單標籤分類示例
>>> import torch
>>> from transformers import AutoTokenizer, Qwen2MoeForSequenceClassification
>>> tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B")
>>> model = Qwen2MoeForSequenceClassification.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B")
>>> 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 = Qwen2MoeForSequenceClassification.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B", num_labels=num_labels)
>>> labels = torch.tensor([1])
>>> loss = model(**inputs, labels=labels).loss
>>> round(loss.item(), 2)
...多標籤分類示例
>>> import torch
>>> from transformers import AutoTokenizer, Qwen2MoeForSequenceClassification
>>> tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B")
>>> model = Qwen2MoeForSequenceClassification.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B", 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 = Qwen2MoeForSequenceClassification.from_pretrained(
... "Qwen/Qwen1.5-MoE-A2.7B", 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).lossQwen2MoeForTokenClassification
class transformers.Qwen2MoeForTokenClassification
< source >( config )
引數
- config (Qwen2MoeForTokenClassification) — 模型的配置類，包含模型的所有引數。用配置檔案初始化不會載入與模型相關的權重，只會載入配置。請檢視 from_pretrained() 方法來載入模型權重。
Qwen2 Moe Transformer，頂部帶有一個 token 分類頭（隱藏狀態輸出頂部的線性層），例如用於命名實體識別 (NER) 任務。
此模型繼承自 PreTrainedModel。請查閱超類文件以瞭解庫為其所有模型實現的一般方法（例如下載或儲存、調整輸入嵌入大小、修剪頭部等）。
此模型也是 PyTorch torch.nn.Module 子類。將其作為常規 PyTorch 模組使用，並參考 PyTorch 文件以瞭解所有與一般用法和行為相關的事項。
forward
< source >( 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.Optional[transformers.cache_utils.Cache] = 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 ) → transformers.modeling_outputs.TokenClassifierOutput 或 tuple(torch.FloatTensor)
引數
- input_ids (
torch.LongTensor，形狀為(batch_size, sequence_length)，可選) — 詞彙表中輸入序列標記的索引。預設情況下會忽略填充。可以使用 AutoTokenizer 獲取索引。有關詳細資訊，請參閱 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor，形狀為(batch_size, sequence_length)，可選) — 用於避免對填充標記索引執行注意力操作的掩碼。掩碼值選擇在[0, 1]中：- 1 表示**未被掩碼**的標記，
- 0 表示**被掩碼**的標記。
- position_ids (
torch.LongTensor，形狀為(batch_size, sequence_length)，可選) — 每個輸入序列標記在位置嵌入中的位置索引。選擇範圍為[0, config.n_positions - 1]。 - past_key_values (
~cache_utils.Cache，可選) — 預先計算的隱藏狀態（自注意力塊和交叉注意力塊中的鍵和值），可用於加速順序解碼。這通常包括模型在解碼上一階段返回的past_key_values，當use_cache=True或config.use_cache=True時。允許兩種格式：
- Cache 例項，請參閱我們的 kv 快取指南；
- 長度為
config.n_layers的tuple(torch.FloatTensor)元組，每個元組包含 2 個形狀為(batch_size, num_heads, sequence_length, embed_size_per_head)的張量。這也被稱為傳統快取格式。
模型將輸出與輸入相同的快取格式。如果沒有傳入
past_key_values，將返回傳統快取格式。如果使用
past_key_values，使用者可以選擇僅輸入形狀為(batch_size, 1)的最後一個input_ids（那些沒有將過去的鍵值狀態提供給此模型的），而不是形狀為(batch_size, sequence_length)的所有input_ids。 - inputs_embeds (
torch.FloatTensor，形狀為(batch_size, sequence_length, hidden_size)，可選) — 可選地，您可以選擇直接傳遞嵌入表示，而不是傳遞input_ids。如果您希望對如何將input_ids索引轉換為關聯向量具有比模型內部嵌入查詢矩陣更多的控制，這會很有用。 - labels (
torch.LongTensor，形狀為(batch_size,)，可選) — 用於計算序列分類/迴歸損失的標籤。索引應在[0, ..., config.num_labels - 1]之間。如果config.num_labels == 1，則計算迴歸損失（均方損失），如果config.num_labels > 1，則計算分類損失（交叉熵）。 - use_cache (
bool，可選) — 如果設定為True，將返回past_key_values鍵值狀態，可用於加速解碼（請參閱past_key_values）。 - output_attentions (
bool，可選) — 是否返回所有注意力層的注意力張量。有關更多詳細資訊，請參閱返回張量下的attentions。 - output_hidden_states (
bool，可選) — 是否返回所有層的隱藏狀態。有關更多詳細資訊，請參閱返回張量下的hidden_states。
返回
transformers.modeling_outputs.TokenClassifierOutput 或 tuple(torch.FloatTensor)
一個 transformers.modeling_outputs.TokenClassifierOutput 或一個 torch.FloatTensor 元組（如果傳遞 return_dict=False 或 config.return_dict=False），包含根據配置 (Qwen2MoeConfig) 和輸入的不同元素。
-
loss (形狀為
(1,)的torch.FloatTensor，可選，當提供labels時返回) — 分類損失。 -
logits (形狀為
(batch_size, sequence_length, config.num_labels)的torch.FloatTensor) — 分類分數（SoftMax 之前）。 -
hidden_states (
tuple(torch.FloatTensor), 可選, 當output_hidden_states=True或config.output_hidden_states=True傳入時返回) — 形狀為(batch_size, sequence_length, hidden_size)的torch.FloatTensor元組（一個用於嵌入層輸出，如果模型有嵌入層，+ 一個用於每層輸出）。模型在每個層輸出的隱藏狀態以及可選的初始嵌入輸出。
-
attentions (
tuple(torch.FloatTensor), 可選, 當output_attentions=True或config.output_attentions=True傳入時返回) — 形狀為(batch_size, num_heads, sequence_length, sequence_length)的torch.FloatTensor元組（每層一個）。注意力 softmax 後的注意力權重，用於計算自注意力頭中的加權平均值。
Qwen2MoeForTokenClassification 的 forward 方法，覆蓋了 __call__ 特殊方法。
儘管前向傳遞的配方需要在此函式中定義，但在此之後應呼叫 Module 例項而不是此函式，因為前者負責執行預處理和後處理步驟，而後者則靜默忽略它們。
示例
>>> from transformers import AutoTokenizer, Qwen2MoeForTokenClassification
>>> import torch
>>> tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B")
>>> model = Qwen2MoeForTokenClassification.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B")
>>> 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)
...Qwen2MoeForQuestionAnswering
類 transformers.Qwen2MoeForQuestionAnswering
< 來源 >( config )
引數
- config (Qwen2MoeForQuestionAnswering) — 包含模型所有引數的模型配置類。使用配置檔案初始化不會載入與模型關聯的權重，僅載入配置。請檢視 from_pretrained() 方法以載入模型權重。
Qwen2 Moe 轉換器，頂部帶有一個用於抽取式問答任務（如 SQuAD）的跨度分類頭（在隱藏狀態輸出頂部的一個線性層，用於計算 span start logits 和 span end logits）。
此模型繼承自 PreTrainedModel。請查閱超類文件以瞭解庫為其所有模型實現的一般方法（例如下載或儲存、調整輸入嵌入大小、修剪頭部等）。
此模型也是 PyTorch torch.nn.Module 子類。將其作為常規 PyTorch 模組使用，並參考 PyTorch 文件以瞭解所有與一般用法和行為相關的事項。
forward
< 來源 >( 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, list[torch.FloatTensor], NoneType] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None start_positions: typing.Optional[torch.LongTensor] = None end_positions: typing.Optional[torch.LongTensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None **kwargs ) → transformers.modeling_outputs.QuestionAnsweringModelOutput 或 tuple(torch.FloatTensor)
引數
- input_ids (
torch.LongTensor，形狀為(batch_size, sequence_length)，可選) — 詞彙表中輸入序列標記的索引。預設情況下會忽略填充。可以使用 AutoTokenizer 獲取索引。有關詳細資訊，請參閱 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor，形狀為(batch_size, sequence_length)，可選) — 用於避免對填充標記索引執行注意力操作的掩碼。掩碼值選擇在[0, 1]中：- 1 表示**未被掩碼**的標記，
- 0 表示**被掩碼**的標記。
- position_ids (
torch.LongTensor，形狀為(batch_size, sequence_length)，可選) — 每個輸入序列標記在位置嵌入中的位置索引。選擇範圍為[0, config.n_positions - 1]。 - past_key_values (
Union[~cache_utils.Cache, list[torch.FloatTensor], NoneType]) — 預先計算的隱藏狀態（自注意力塊和交叉注意力塊中的鍵和值），可用於加速順序解碼。這通常包括模型在解碼上一階段返回的past_key_values，當use_cache=True或config.use_cache=True時。允許兩種格式：
- Cache 例項，請參閱我們的 kv 快取指南；
- 長度為
config.n_layers的tuple(torch.FloatTensor)元組，每個元組包含 2 個形狀為(batch_size, num_heads, sequence_length, embed_size_per_head)的張量。這也被稱為傳統快取格式。
模型將輸出與輸入相同的快取格式。如果沒有傳入
past_key_values，將返回傳統快取格式。如果使用
past_key_values，使用者可以選擇僅輸入形狀為(batch_size, 1)的最後一個input_ids（那些沒有將過去的鍵值狀態提供給此模型的），而不是形狀為(batch_size, sequence_length)的所有input_ids。 - inputs_embeds (
torch.FloatTensor，形狀為(batch_size, sequence_length, hidden_size)，可選) — 可選地，您可以選擇直接傳遞嵌入表示，而不是傳遞input_ids。如果您希望對如何將input_ids索引轉換為關聯向量具有比模型內部嵌入查詢矩陣更多的控制，這會很有用。 - start_positions (
torch.LongTensor，形狀為(batch_size,)，可選) — 用於計算標記分類損失的標註跨度起始位置（索引）的標籤。位置被限制在序列長度（sequence_length）內。序列外的位置不計入損失計算。 - end_positions (
torch.LongTensor，形狀為(batch_size,)，可選) — 用於計算標記分類損失的標註跨度結束位置（索引）的標籤。位置被限制在序列長度（sequence_length）內。序列外的位置不計入損失計算。 - output_attentions (
bool，可選) — 是否返回所有注意力層的注意力張量。有關更多詳細資訊，請參閱返回張量下的attentions。 - output_hidden_states (
bool，可選) — 是否返回所有層的隱藏狀態。有關更多詳細資訊，請參閱返回張量下的hidden_states。
返回
transformers.modeling_outputs.QuestionAnsweringModelOutput 或 tuple(torch.FloatTensor)
一個 transformers.modeling_outputs.QuestionAnsweringModelOutput 或一個 torch.FloatTensor 元組（如果傳遞 return_dict=False 或 config.return_dict=False），包含根據配置 (Qwen2MoeConfig) 和輸入的不同元素。
-
loss (
torch.FloatTensorof shape(1,), 可選, 當提供labels時返回) — 總範圍提取損失是起始位置和結束位置的交叉熵之和。 -
start_logits (
torch.FloatTensorof shape(batch_size, sequence_length)) — 範圍起始分數（SoftMax 之前）。 -
end_logits (
torch.FloatTensorof shape(batch_size, sequence_length)) — 範圍結束分數（SoftMax 之前）。 -
hidden_states (
tuple(torch.FloatTensor), 可選, 當output_hidden_states=True或config.output_hidden_states=True傳入時返回) — 形狀為(batch_size, sequence_length, hidden_size)的torch.FloatTensor元組（一個用於嵌入層輸出，如果模型有嵌入層，+ 一個用於每層輸出）。模型在每個層輸出的隱藏狀態以及可選的初始嵌入輸出。
-
attentions (
tuple(torch.FloatTensor), 可選, 當output_attentions=True或config.output_attentions=True傳入時返回) — 形狀為(batch_size, num_heads, sequence_length, sequence_length)的torch.FloatTensor元組（每層一個）。注意力 softmax 後的注意力權重，用於計算自注意力頭中的加權平均值。
Qwen2MoeForQuestionAnswering 的 forward 方法，覆蓋了 __call__ 特殊方法。
儘管前向傳遞的配方需要在此函式中定義，但在此之後應呼叫 Module 例項而不是此函式，因為前者負責執行預處理和後處理步驟，而後者則靜默忽略它們。
示例
>>> from transformers import AutoTokenizer, Qwen2MoeForQuestionAnswering
>>> import torch
>>> tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B")
>>> model = Qwen2MoeForQuestionAnswering.from_pretrained("Qwen/Qwen1.5-MoE-A2.7B")
>>> question, text = "Who was Jim Henson?", "Jim Henson was a nice puppet"
>>> inputs = tokenizer(question, text, return_tensors="pt")
>>> with torch.no_grad():
... outputs = model(**inputs)
>>> answer_start_index = outputs.start_logits.argmax()
>>> answer_end_index = outputs.end_logits.argmax()
>>> predict_answer_tokens = inputs.input_ids[0, answer_start_index : answer_end_index + 1]
>>> tokenizer.decode(predict_answer_tokens, skip_special_tokens=True)
...
>>> # target is "nice puppet"
>>> target_start_index = torch.tensor([14])
>>> target_end_index = torch.tensor([15])
>>> outputs = model(**inputs, start_positions=target_start_index, end_positions=target_end_index)
>>> loss = outputs.loss
>>> round(loss.item(), 2)
...