SEW

概述

SEW（Squeezed and Efficient Wav2Vec）由 Felix Wu、Kwangyoun Kim、Jing Pan、Kyu Han、Kilian Q. Weinberger 和 Yoav Artzi 在論文《Performance-Efficiency Trade-offs in Unsupervised Pre-training for Speech Recognition》中提出。

論文摘要如下：

本文研究了用於自動語音識別（ASR）的預訓練模型中的效能與效率之間的權衡。我們專注於 wav2vec 2.0，並對影響模型效能和效率的幾種架構設計進行了規範化。綜合我們的所有觀察，我們引入了 SEW（Squeezed and Efficient Wav2vec），這是一種預訓練模型架構，在各種訓練設定中，其效能和效率均有顯著提升。例如，在 LibriSpeech 上的 100h-960h 半監督設定下，與 wav2vec 2.0 相比，SEW 實現了 1.9 倍的推理速度提升，同時詞錯誤率相對降低了 13.5%。在相似的推理時間下，SEW 在不同模型大小下將詞錯誤率降低了 25-50%。

此模型由 anton-l 貢獻。

使用技巧

SEW 是一個語音模型，它接受與語音訊號原始波形相對應的浮點陣列。
SEWForCTC 使用聯結主義時序分類（CTC）進行微調，因此模型輸出必須使用 Wav2Vec2CTCTokenizer 進行解碼。

[!NOTE] 當使用除“eager”之外的所有注意力實現時，head_mask 引數將被忽略。如果你有 head_mask 並希望它生效，請使用 XXXModel.from_pretrained(model_id, attn_implementation="eager") 載入模型。

資源

SEWConfig

class transformers.SEWConfig

< source >

( vocab_size = 32 hidden_size = 768 num_hidden_layers = 12 num_attention_heads = 12 intermediate_size = 3072 squeeze_factor = 2 hidden_act = 'gelu' hidden_dropout = 0.1 activation_dropout = 0.1 attention_dropout = 0.1 feat_proj_dropout = 0.0 final_dropout = 0.1 layerdrop = 0.1 initializer_range = 0.02 layer_norm_eps = 1e-05 feat_extract_norm = 'group' feat_extract_activation = 'gelu' conv_dim = (64, 128, 128, 128, 128, 256, 256, 256, 256, 512, 512, 512, 512) conv_stride = (5, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1) conv_kernel = (10, 3, 1, 3, 1, 3, 1, 3, 1, 2, 1, 2, 1) conv_bias = False num_conv_pos_embeddings = 128 num_conv_pos_embedding_groups = 16 apply_spec_augment = True mask_time_prob = 0.05 mask_time_length = 10 mask_time_min_masks = 2 mask_feature_prob = 0.0 mask_feature_length = 10 mask_feature_min_masks = 0 ctc_loss_reduction = 'mean' ctc_zero_infinity = False use_weighted_layer_sum = False classifier_proj_size = 256 pad_token_id = 0 bos_token_id = 1 eos_token_id = 2 **kwargs )

引數

vocab_size (int, 可選, 預設為 32) — SEW 模型的詞彙表大小。定義了在呼叫 SEW 時傳遞的 inputs_ids 可以表示的不同標記的數量。
hidden_size (int, 可選, 預設為 768) — 編碼器層和池化層的維度。
num_hidden_layers (int, 可選, 預設為 12) — Transformer 編碼器中的隱藏層數量。
num_attention_heads (int, 可選, 預設為 12) — Transformer 編碼器中每個注意力層的注意力頭數量。
intermediate_size (int, 可選, 預設為 3072) — Transformer 編碼器中“中間”（即前饋）層的維度。
squeeze_factor (int, 可選, 預設為 2) — 編碼器後的序列長度下采樣因子和 Transformer 後的上取樣因子。
hidden_act (str 或 function, 可選, 預設為 "gelu") — 編碼器和池化層中的非線性啟用函式（函式或字串）。如果為字串，支援 "gelu"、"relu"、"selu" 和 "gelu_new"。
hidden_dropout (float, 可選, 預設為 0.1) — 嵌入層、編碼器和池化層中所有全連線層的丟棄機率。
activation_dropout (float, 可選, 預設為 0.1) — 全連線層內啟用函式的丟棄率。
attention_dropout (float, 可選, 預設為 0.1) — 注意力機率的丟棄率。
final_dropout (float, 可選, 預設為 0.1) — SEWForCTC 最終投影層的丟棄機率。
layerdrop (float, 可選, 預設為 0.1) — LayerDrop 機率。更多細節請參見 [LayerDrop 論文](參見 https://huggingface.co/papers/1909.11556)。
initializer_range (float, 可選, 預設為 0.02) — 用於初始化所有權重矩陣的 truncated_normal_initializer 的標準差。
layer_norm_eps (float, 可選, 預設為 1e-12) — 層歸一化層使用的 epsilon 值。
feat_extract_norm (str, 可選, 預設為 "group") — 應用於特徵編碼器中 1D 卷積層的歸一化方法。可選值為 "group"（僅對第一個 1D 卷積層進行組歸一化）或 "layer"（對所有 1D 卷積層進行層歸一化）。
feat_proj_dropout (float, 可選, 預設為 0.0) — 特徵編碼器輸出的丟棄機率。
feat_extract_activation (str, 可選, 預設為 “gelu”) -- 特徵提取器中 1D 卷積層的非線性啟用函式（函式或字串）。如果為字串，支援 “gelu”、“relu”、“selu”和“gelu_new”`。
conv_dim (tuple[int] 或 list[int], 可選, 預設為 (64, 128, 128, 128, 128, 256, 256, 256, 256, 512, 512, 512, 512)) — 一個整數元組，定義了特徵編碼器中每個 1D 卷積層的輸入和輸出通道數。conv_dim 的長度定義了 1D 卷積層的數量。
conv_stride (tuple[int] 或 list[int], 可選, 預設為 (5, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1)) — 一個整數元組，定義了特徵編碼器中每個 1D 卷積層的步幅。conv_stride 的長度定義了卷積層的數量，並且必須與 conv_dim 的長度匹配。
conv_kernel (tuple[int] 或 list[int], 可選, 預設為 (10, 3, 1, 3, 1, 3, 1, 3, 1, 2, 1, 2, 1)) — 一個整數元組，定義了特徵編碼器中每個 1D 卷積層的核大小。conv_kernel 的長度定義了卷積層的數量，並且必須與 conv_dim 的長度匹配。
conv_bias (bool, 可選, 預設為 False) — 1D 卷積層是否帶有偏置。
num_conv_pos_embeddings (int, 可選, 預設為 128) — 卷積位置嵌入的數量。定義了 1D 卷積位置嵌入層的核大小。
num_conv_pos_embedding_groups (int, 可選, 預設為 16) — 1D 卷積位置嵌入層的組數。
apply_spec_augment (bool, 可選, 預設為 True) — 是否對特徵編碼器的輸出應用 SpecAugment 資料增強。參考 SpecAugment: A Simple Data Augmentation Method for Automatic Speech Recognition。
mask_time_prob (float, 可選, 預設為 0.05) — 時間軸上將被遮蓋的所有特徵向量的百分比（介於 0 和 1 之間）。遮蓋過程會在時間軸上生成“mask_time_prob*len(time_axis)/mask_time_length”個獨立的遮蓋。如果從每個特徵向量被選為要遮蓋的向量跨度起點的機率來考慮，mask_time_prob 應為 `prob_vector_start*mask_time_length`。注意，重疊可能會減少實際被遮蓋向量的百分比。此引數僅在 `apply_spec_augment` 為 True 時相關。
mask_time_length (int, 可選, 預設為 10) — 時間軸上向量跨度的長度。
mask_time_min_masks (int, 可選, 預設為 2), — 在時間軸上生成的長度為 mask_feature_length 的最小遮蓋數量，無論 mask_feature_prob 為何。僅在 “mask_time_prob*len(time_axis)/mask_time_length < mask_time_min_masks” 時相關。
mask_feature_prob (float, 可選, 預設為 0.0) — 特徵軸上將被遮蓋的所有特徵向量的百分比（介於 0 和 1 之間）。遮蓋過程會在特徵軸上生成“mask_feature_prob*len(feature_axis)/mask_time_length”個獨立的遮蓋。如果從每個特徵向量被選為要遮蓋的向量跨度起點的機率來考慮，mask_feature_prob 應為 `prob_vector_start*mask_feature_length`。注意，重疊可能會減少實際被遮蓋向量的百分比。此引數僅在 `apply_spec_augment` 為 True 時相關。
mask_feature_length (int, 可選, 預設為 10) — 特徵軸上向量跨度的長度。
mask_feature_min_masks (int, 可選, 預設為 0), — 在特徵軸上生成的長度為 mask_feature_length 的最小遮蓋數量，無論 mask_feature_prob 為何。僅在 “mask_feature_prob*len(feature_axis)/mask_feature_length < mask_feature_min_masks” 時相關。
ctc_loss_reduction (str, 可選, 預設為 "sum") — 指定應用於 torch.nn.CTCLoss 輸出的歸約方法。僅在訓練 SEWForCTC 例項時相關。
ctc_zero_infinity (bool, 可選, 預設為 False) — 是否將 torch.nn.CTCLoss 的無限損失及其相關梯度置零。無限損失主要發生在輸入太短而無法與目標對齊時。僅在訓練 SEWForCTC 例項時相關。
use_weighted_layer_sum (bool, 可選, 預設為 False) — 是否使用帶有學習權重的層輸出的加權平均。僅在使用 Wav2Vec2ForSequenceClassification 例項時相關。
classifier_proj_size (int, 可選, 預設為 256) — 分類任務中，在詞元均值池化之前的投影維度。

這是用於儲存 SEWModel 配置的配置類。它用於根據指定的引數例項化一個 SEW 模型，定義模型架構。使用預設值例項化配置將產生與 SEW asapp/sew-tiny-100k 架構類似的配置。

配置物件繼承自 PretrainedConfig，可用於控制模型輸出。有關更多資訊，請閱讀 PretrainedConfig 的文件。

示例

>>> from transformers import SEWConfig, SEWModel

>>> # Initializing a SEW asapp/sew-tiny-100k style configuration
>>> configuration = SEWConfig()

>>> # Initializing a model (with random weights) from the asapp/sew-tiny-100k style configuration
>>> model = SEWModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

SEWModel

class transformers.SEWModel

< source >

( config: SEWConfig )

引數

config (SEWConfig) — 模型配置類，包含模型的所有引數。使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() 方法以載入模型權重。

基礎的 Sew 模型，輸出原始的隱藏狀態，沒有任何特定的頭部。

此模型繼承自 PreTrainedModel。請檢視超類文件，瞭解庫為所有模型實現的通用方法（例如下載或儲存、調整輸入嵌入大小、修剪頭部等）。

該模型也是 PyTorch 的 torch.nn.Module 子類。可以像常規的 PyTorch 模組一樣使用它，並參考 PyTorch 文件瞭解所有與通用用法和行為相關的事項。

forward

< source >

( input_values: typing.Optional[torch.Tensor] attention_mask: typing.Optional[torch.Tensor] = None mask_time_indices: typing.Optional[torch.FloatTensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None ) → transformers.modeling_outputs.BaseModelOutput 或 tuple(torch.FloatTensor)

引數

input_values (形狀為 (batch_size, sequence_length) 的 torch.Tensor, 可選) — 輸入原始語音波形的浮點值。可以透過將 .flac 或 .wav 音訊檔案載入到 list[float] 或 numpy.ndarray 型別的陣列中來獲得這些值，例如使用 soundfile 庫（pip install soundfile）。為了將陣列準備成 input_values，應使用 AutoProcessor 進行填充並轉換為 torch.FloatTensor 型別的張量。詳情請參閱 {processor_class}.__call__。
attention_mask (torch.Tensor，形狀為 (batch_size, sequence_length)，可選) — 用於避免在填充標記索引上執行注意力操作的掩碼。掩碼值在 [0, 1] 中選擇：
- 對於未被掩碼的標記，值為 1，
- 對於被掩碼的標記，值為 0。
什麼是注意力掩碼？
mask_time_indices (torch.BoolTensor，形狀為 (batch_size, sequence_length)，可選) — 用於掩碼提取的特徵以計算對比損失的索引。在訓練模式下，模型學習在 config.proj_codevector_dim 空間中預測被掩碼的提取特徵。
output_attentions (bool，可選) — 是否返回所有注意力層的注意力張量。更多詳情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。更多詳情請參閱返回張量下的 hidden_states。
return_dict (bool，可選) — 是否返回一個 ModelOutput 而不是一個普通的元組。

transformers.modeling_outputs.BaseModelOutput 或 tuple(torch.FloatTensor)

一個 transformers.modeling_outputs.BaseModelOutput 或一個 torch.FloatTensor 的元組（如果傳入 return_dict=False 或當 config.return_dict=False 時），根據配置（SEWConfig）和輸入，包含各種元素。

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。
hidden_states (tuple(torch.FloatTensor)，可選，當傳入 output_hidden_states=True 或當 config.output_hidden_states=True 時返回) — torch.FloatTensor 的元組（如果模型有嵌入層，則一個是嵌入層的輸出，另外每個層各有一個輸出），形狀為 (batch_size, sequence_length, hidden_size)。

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，當傳入 output_attentions=True 或當 config.output_attentions=True 時返回) — torch.FloatTensor 的元組（每個層一個），形狀為 (batch_size, num_heads, sequence_length, sequence_length)。

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。

SEWModel 的 forward 方法，覆蓋了 __call__ 特殊方法。

儘管前向傳播的流程需要在此函式中定義，但之後應該呼叫 Module 例項而不是此函式，因為前者會處理執行前處理和後處理步驟，而後者會靜默地忽略它們。

SEWForCTC

class transformers.SEWForCTC

< 來源 >

( config target_lang: typing.Optional[str] = None )

引數

config (SEWForCTC) — 包含模型所有引數的模型配置類。使用配置檔案進行初始化不會載入與模型關聯的權重，只會載入配置。請檢視 from_pretrained() 方法來載入模型權重。
target_lang (str，可選) — 介面卡權重的語言 ID。介面卡權重以 `adapter..safetensors` 或 `adapter..bin` 的格式儲存。僅在使用帶介面卡的 SEWForCTC 例項時相關。預設使用‘eng’。

SEW 模型，其頂部帶有一個用於連線時序分類 (CTC) 的 `語言建模` 頭。

此模型繼承自 PreTrainedModel。請檢視超類文件，瞭解庫為所有模型實現的通用方法（例如下載或儲存、調整輸入嵌入大小、修剪頭部等）。

該模型也是 PyTorch 的 torch.nn.Module 子類。可以像常規的 PyTorch 模組一樣使用它，並參考 PyTorch 文件瞭解所有與通用用法和行為相關的事項。

forward

< 來源 >

( input_values: typing.Optional[torch.Tensor] attention_mask: typing.Optional[torch.Tensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None labels: typing.Optional[torch.Tensor] = None ) → transformers.modeling_outputs.CausalLMOutput 或 tuple(torch.FloatTensor)

引數

input_values (torch.Tensor，形狀為 (batch_size, sequence_length)，可選) — 輸入原始語音波形的浮點數值。可以透過將 .flac 或 .wav 音訊檔案載入到 list[float] 型別或 numpy.ndarray 型別的陣列中來獲取這些值，例如，使用 soundfile 庫（pip install soundfile）。為了將陣列準備成 input_values，應使用 AutoProcessor 進行填充並轉換為 torch.FloatTensor 型別的張量。詳情請參閱 {processor_class}.__call__。
attention_mask (torch.Tensor，形狀為 (batch_size, sequence_length)，可選) — 用於避免在填充標記索引上執行注意力操作的掩碼。掩碼值在 [0, 1] 中選擇：
- 對於未被掩碼的標記，值為 1，
- 對於被掩碼的標記，值為 0。
什麼是注意力掩碼？
output_attentions (bool，可選) — 是否返回所有注意力層的注意力張量。更多詳情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。更多詳情請參閱返回張量下的 hidden_states。
return_dict (bool，可選) — 是否返回一個 ModelOutput 而不是一個普通的元組。
labels (torch.LongTensor，形狀為 (batch_size, target_length)，可選) — 用於連線時序分類的標籤。注意 target_length 必須小於或等於輸出 logits 的序列長度。索引在 [-100, 0, ..., config.vocab_size - 1] 中選擇。所有設定為 -100 的標籤都會被忽略（掩碼），損失僅對 [0, ..., config.vocab_size - 1] 中的標籤計算。

transformers.modeling_outputs.CausalLMOutput 或 tuple(torch.FloatTensor)

一個 transformers.modeling_outputs.CausalLMOutput 或一個 torch.FloatTensor 的元組（如果傳入 return_dict=False 或當 config.return_dict=False 時），根據配置（SEWConfig）和輸入，包含各種元素。

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）。
hidden_states (tuple(torch.FloatTensor)，可選，當傳入 output_hidden_states=True 或當 config.output_hidden_states=True 時返回) — torch.FloatTensor 的元組（如果模型有嵌入層，則一個是嵌入層的輸出，另外每個層各有一個輸出），形狀為 (batch_size, sequence_length, hidden_size)。

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，當傳入 output_attentions=True 或當 config.output_attentions=True 時返回) — torch.FloatTensor 的元組（每個層一個），形狀為 (batch_size, num_heads, sequence_length, sequence_length)。

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。

SEWForCTC 的 forward 方法，覆蓋了 __call__ 特殊方法。

示例

>>> from transformers import AutoProcessor, SEWForCTC
>>> from datasets import load_dataset
>>> import torch

>>> dataset = load_dataset("hf-internal-testing/librispeech_asr_demo", "clean", split="validation")
>>> dataset = dataset.sort("id")
>>> sampling_rate = dataset.features["audio"].sampling_rate

>>> processor = AutoProcessor.from_pretrained("asapp/sew-tiny-100k")
>>> model = SEWForCTC.from_pretrained("asapp/sew-tiny-100k")

>>> # audio file is decoded on the fly
>>> inputs = processor(dataset[0]["audio"]["array"], sampling_rate=sampling_rate, return_tensors="pt")
>>> with torch.no_grad():
...     logits = model(**inputs).logits
>>> predicted_ids = torch.argmax(logits, dim=-1)

>>> # transcribe speech
>>> transcription = processor.batch_decode(predicted_ids)
>>> transcription[0]
...

>>> inputs["labels"] = processor(text=dataset[0]["text"], return_tensors="pt").input_ids

>>> # compute loss
>>> loss = model(**inputs).loss
>>> round(loss.item(), 2)
...

SEWForSequenceClassification

class transformers.SEWForSequenceClassification

< 來源 >

( config )

引數

config (SEWForSequenceClassification) — 包含模型所有引數的模型配置類。使用配置檔案進行初始化不會載入與模型關聯的權重，只會載入配置。請檢視 from_pretrained() 方法來載入模型權重。

SEW 模型，其頂部帶有一個序列分類頭（在池化輸出上加一個線性層），用於諸如 SUPERB 關鍵詞識別等任務。

此模型繼承自 PreTrainedModel。請檢視超類文件，瞭解庫為所有模型實現的通用方法（例如下載或儲存、調整輸入嵌入大小、修剪頭部等）。

該模型也是 PyTorch 的 torch.nn.Module 子類。可以像常規的 PyTorch 模組一樣使用它，並參考 PyTorch 文件瞭解所有與通用用法和行為相關的事項。

forward

< 來源 >

引數

input_values (torch.FloatTensor，形狀為 (batch_size, sequence_length)) — 輸入原始語音波形的浮點數值。可以透過將 .flac 或 .wav 音訊檔案載入到 list[float] 型別或 numpy.ndarray 型別的陣列中來獲取這些值，例如，使用 soundfile 庫（pip install soundfile）。為了將陣列準備成 input_values，應使用 AutoProcessor 進行填充並轉換為 torch.FloatTensor 型別的張量。詳情請參閱 SEWProcessor.__call__。
attention_mask (torch.Tensor，形狀為 (batch_size, sequence_length)，可選) — 用於避免在填充標記索引上執行注意力操作的掩碼。掩碼值在 [0, 1] 中選擇：
- 對於未被掩碼的標記，值為 1，
- 對於被掩碼的標記，值為 0。
什麼是注意力掩碼？
output_attentions (bool，可選) — 是否返回所有注意力層的注意力張量。更多詳情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。更多詳情請參閱返回張量下的 hidden_states。
return_dict (bool，可選) — 是否返回一個 ModelOutput 而不是一個普通的元組。
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] 範圍內。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）。

transformers.modeling_outputs.SequenceClassifierOutput 或 tuple(torch.FloatTensor)

一個 transformers.modeling_outputs.SequenceClassifierOutput 或一個 torch.FloatTensor 的元組（如果傳入 return_dict=False 或當 config.return_dict=False 時），根據配置（SEWConfig）和輸入，包含各種元素。

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）。
hidden_states (tuple(torch.FloatTensor)，可選，當傳入 output_hidden_states=True 或當 config.output_hidden_states=True 時返回) — torch.FloatTensor 的元組（如果模型有嵌入層，則一個是嵌入層的輸出，另外每個層各有一個輸出），形狀為 (batch_size, sequence_length, hidden_size)。

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，當傳入 output_attentions=True 或當 config.output_attentions=True 時返回) — torch.FloatTensor 的元組（每個層一個），形狀為 (batch_size, num_heads, sequence_length, sequence_length)。

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。

SEWForSequenceClassification 的 forward 方法，覆蓋了 __call__ 特殊方法。

單標籤分類示例

>>> import torch
>>> from transformers import AutoTokenizer, SEWForSequenceClassification

>>> tokenizer = AutoTokenizer.from_pretrained("asapp/sew-tiny-100k")
>>> model = SEWForSequenceClassification.from_pretrained("asapp/sew-tiny-100k")

>>> inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")

>>> with torch.no_grad():
...     logits = model(**inputs).logits

>>> predicted_class_id = logits.argmax().item()
>>> model.config.id2label[predicted_class_id]
...

>>> # To train a model on `num_labels` classes, you can pass `num_labels=num_labels` to `.from_pretrained(...)`
>>> num_labels = len(model.config.id2label)
>>> model = SEWForSequenceClassification.from_pretrained("asapp/sew-tiny-100k", 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, SEWForSequenceClassification

>>> tokenizer = AutoTokenizer.from_pretrained("asapp/sew-tiny-100k")
>>> model = SEWForSequenceClassification.from_pretrained("asapp/sew-tiny-100k", problem_type="multi_label_classification")

>>> inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")

>>> with torch.no_grad():
...     logits = model(**inputs).logits

>>> predicted_class_ids = torch.arange(0, logits.shape[-1])[torch.sigmoid(logits).squeeze(dim=0) > 0.5]

>>> # To train a model on `num_labels` classes, you can pass `num_labels=num_labels` to `.from_pretrained(...)`
>>> num_labels = len(model.config.id2label)
>>> model = SEWForSequenceClassification.from_pretrained(
...     "asapp/sew-tiny-100k", num_labels=num_labels, problem_type="multi_label_classification"
... )

>>> labels = torch.sum(
...     torch.nn.functional.one_hot(predicted_class_ids[None, :].clone(), num_classes=num_labels), dim=1
... ).to(torch.float)
>>> loss = model(**inputs, labels=labels).loss

< > 在 GitHub 上更新

Transformers

SEW

概述

使用技巧

資源

SEWConfig

class transformers.SEWConfig

SEWModel

class transformers.SEWModel

forward

SEWForCTC

class transformers.SEWForCTC

forward

SEWForSequenceClassification

class transformers.SEWForSequenceClassification

forward