简要说明： 当Expander 的IsExpanded属性为“True” 时给控件设个尺寸（此处为高度），当为“False”时给控件设另外一个值。
原数组 新数组 <script> var list = [ { id: 1, num: 3, }, { id...
如果未设置，将根据特定标记器的默认值返回注意力掩码，该默认值由 return_outputs 属性定义。 什么是注意力掩码？...如果未设置，将根据特定分词器的默认值返回注意力蒙版，由 return_outputs 属性定义。 什么是注意力蒙版？...ELECTRA 是一种新的预训练方法，训练两个 transformer 模型：生成器和鉴别器。生成器的作用是替换序列中的标记，因此被训练为掩码语言模型。...尽管鉴别器和生成器都可以加载到此模型中，但生成器是这两个模型中唯一为掩码语言建模任务训练过的模型。 此模型继承自 PreTrainedModel。...尽管鉴别器和生成器都可以加载到这个模型中，但生成器是这两个模型中唯一为掩码语言建模任务训练过的模型。 这个模型继承自 TFPreTrainedModel。
attention_mask（形状为(batch_size, sequence_length)的Numpy数组或tf.Tensor，可选）- 避免在填充标记索引上执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选）— 避免在填充令牌索引上执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选）- 用于避免在填充标记索引上执行注意力的掩码。...attention_mask（形状为 (batch_size, sequence_length) 的 numpy.ndarray，可选）— 避免在填充标记索引上执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选）— 用于避免在填充标记索引上执行注意力的掩码。
掩码值在[0, 1]中选择： 1 用于未被掩码的标记， 0 用于被掩码的标记。 什么是注意力掩码？...掩码值选择在[0, 1]中。 对于未被掩码的标记为 1， 对于被掩码的标记为 0。...attention_mask（形状为(batch_size, sequence_length)的Numpy数组或tf.Tensor，可选）— 避免对填充标记索引执行注意力的掩码。...掩码值在[0, 1]中选择： 1 表示未被掩码的标记， 0 表示被掩码的标记。 什么是注意力掩码？...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选） — 避免在填充标记索引上执行注意力的掩码。
这包括从序列中提取特征，例如，对音频文件进行预处理以生成 Log-Mel Spectrogram 特征，从图像中提取特征，例如，裁剪图像文件，但也包括填充、归一化和转换为 NumPy、PyTorch 和...return_attention_mask (bool, 可选) — 是否返回注意力掩码。如果保持默认值，将根据特定 feature_extractor 的默认值返回注意力掩码。...选择的掩码值为[0, 1]： 对于未被掩码的标记为 1， 对于被掩码的标记为 0。 什么是注意力掩码？...掩码值选择在[0, 1]之间： 1 对应于未被掩码的标记， 对于被masked的标记，值为 0。 什么是注意力掩码？...掩码值选择在[0, 1]中： 对于未被masked的 token，值为 1， 对于被masked的 token，值为 0。 什么是注意力掩码？
在本文中，我们展示了预训练检查点对序列生成的有效性。...掩码值选取在[0, 1]： 1 表示标记未被掩码。 0 表示被掩码的标记。...掩码值选择在[0, 1]中： 1 表示未被掩码的标记， 0 表示被掩码的标记。 什么是注意力掩码？...掩码值选定在[0, 1]范围内： 对于未被masked的令牌，值为 1， 对于被masked的令牌，值为 0。 注意力掩码是什么？...选择的掩码值在[0, 1]中： 对于未掩码的标记为 1， 对于掩码的标记为 0。 什么是注意力掩码？
它在预测掩码令牌和 NLU 方面效率高，但不适用于文本生成。...它用于根据指定的参数实例化 BERT 模型，定义模型架构。使用默认值实例化配置将产生类似于 BERT bert-base-uncased架构的配置。...选择的掩码值为[0, 1]： 1 表示未被掩码的令牌， 0 表示被掩码的令牌。 什么是注意力掩码？...选择的掩码值为[0, 1]： 1 表示头部未被掩码， 0 表示头部被掩码。...选择的掩码值在[0, 1]中： 1 用于未掩码的标记， 0 用于掩码的标记。 什么是注意力掩码？
选择的掩码值在[0,1]中： 对于未被masked的标记，值为 1， 对于被masked的标记，值为 0。 什么是注意力掩码？...在训练期间设置为False，在生成期间设置为True。...在训练期间设置为False，在生成期间设置为True。...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选）—避免在填充标记索引上执行注意力的掩码。...掩码值选择在[0, 1]中： 对于未被masked的标记，值为 1， 对于被masked的标记，值为 0。 什么是注意力掩码？
+ `attention_mask`（形状为`(batch_size, sequence_length)`的`tf.Tensor`或`Numpy`数组，*可选*）- 避免在填充标记索引上执行注意力的掩码...+ `attention_mask`（`tf.Tensor`或形状为`(batch_size, sequence_length)`的`Numpy array`，*可选*）— 用于避免在填充标记索引上执行注意力的掩码...掩码值选择在`[0, 1]`之间： + 对于`未掩码`的标记，值为 1， + 对于`被掩码`的标记，值为 0。 什么是注意力掩码？...+ `attention_mask`（形状为`(batch_size, sequence_length)`的`numpy.ndarray`，*可选*）- 用于避免在填充标记索引上执行注意力的掩码。...+ `attention_mask`（形状为`(batch_size, sequence_length)`的`numpy.ndarray`，*可选*）- 用于避免在填充标记索引上执行注意力的掩码。
目录： •张量广播（numpy样式） •张量和变量的高级索引 •高阶梯度 •分布式PyTorch（多节点训练等） •神经网络层和特征：SpatialTransformers、WeightNorm、EmbeddingBag...•然后，对于每个维度大小，生成的维度大小是沿该维度的x和y的大小的最大值。...此外，每个torch函数列出了其文档中的广播语义。 张量和变量的高级索引 PyTorch现在支持NumPy样式的高级索引的子集。...• 现在可以使用ignore_index参数计算cross_entropy_loss和nll_loss来忽略特定的目标索引。这是实现掩码的廉价实用方式，你可以在其中使用在计算损失时忽略的掩码索引。...添加此代码将生成突出显示不兼容代码的警告。 修复代码不再生成警告。 ? 一旦所有警告消失，你可以删除代码段。 详情 现在，让我们看看这三个不相容的变化与例子。
副本(Copy)： 副本是指返回一个新的张量，包含了原始张量的数据，但不共享内存。布尔掩码索引返回的就是这样的副本。...PyTorch和Numpy中的情况：在通过索引访问张量的内容时，PyTorch 遵循 Numpy 的行为，即基本索引返回视图，而高级索引返回副本。通过基本索引或高级索引进行的赋值都是原地操作。...1, 2]) 切片变量赋值： tensor([0, 8, 9, 3, 4]) 结论分析 在PyTorch中，当你使用布尔掩码或索引来访问张量时，通常会创建一个新的张量，而不是对原始张量进行原地修改...与此相对，布尔掩码索引返回的是数据的副本，因此修改索引得到的张量不会影响原始张量。...PyTorch和NumPy一样，高级索引会返回一个新的张量，即副本，不与原始数据共享内存。因此，对副本的修改不会影响原始张量。
attention_mask（形状为(batch_size, sequence_length)的tf.Tensor或Numpy 数组，可选）— 用于避免在填充标记索引上执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的tf.Tensor或Numpy array，可选）- 用于避免在填充标记索引上执行注意力的掩码。...选择在[0, 1]中的掩码值： 1 表示未被掩码的标记， 0 表示被掩码的标记。 什么是注意力掩码？...attention_mask（形状为(batch_size, sequence_length)的tf.Tensor或Numpy数组，可选）- 用于避免在填充标记索引上执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选）— 用于避免在填充标记索引上执行注意力的掩码。
根据指定的参数实例化 X-MOD 模型，定义模型架构。使用默认值实例化配置将产生类似于facebook/xmod-base架构的配置。...它用于根据指定的参数实例化 XGLM 模型，定义模型架构。使用默认值实例化配置将产生类似于 XGLM facebook/xglm-564M 架构的配置。...mask_token_id (int, optional, defaults to 0) — 用于在 MLM 上下文中生成文本时识别掩码标记的模型不可知参数。...attention_mask（形状为(batch_size, sequence_length)的Numpy数组或tf.Tensor，可选）- 避免对填充标记索引执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的Numpy数组或tf.Tensor，可选）- 用于避免在填充的标记索引上执行注意力的掩码。
选择的掩码值在[0, 1]中： 1 表示未被掩码的标记， 0 表示被掩码的标记。 什么是注意力掩码？...掩码值选在[0, 1]之间： 对于未被masked的标记，值为 1。 对于被masked的标记，值为 0。 什么是注意力掩码？...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选）- 用于避免在填充标记索引上执行注意力的掩码。...掩码值选择在 [0, 1]： 对于未被masked的标记，值为 1， 对于被masked的标记，值为 0。 什么是注意力掩码？...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选）- 避免在填充标记索引上执行注意力的掩码。
因果掩码也将默认使用。 如果要更改填充行为，应根据需要进行修改。有关默认策略的更多信息，请参见论文中的图表 1。...默认情况下还将使用因果掩码。 如果要更改填充行为，应根据需要进行修改。有关默认策略的更多信息，请参阅论文中的图表 1。...因果掩码也将默认使用。 如果要更改填充行为，应根据需要进行修改。有关默认策略的更多信息，请参阅 论文 中的图表 1。...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选）— 用于避免在填充标记索引上执行注意力的掩码。...attention_mask (numpy.ndarray，形状为(batch_size, sequence_length)，可选) — 避免在填充标记索引上执行注意力的掩码。
使用这个（past_key_values 或 past）值可以防止模型在文本生成的上下文中重新计算预先计算的值。...attention_mask（形状为(batch_size, sequence_length)的tf.Tensor或Numpy数组，可选）- 用于避免在填充标记索引上执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的tf.Tensor或Numpy 数组，可选）- 用于避免在填充令牌索引上执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的tf.Tensor或Numpy array，可选）- 用于避免在填充标记索引上执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选）— 避免在填充标记索引上执行注意力的掩码。
返回值 List[int] 根据给定序列的 token type IDs 列表。 从传递的两个序列创建一个用于序列对分类任务的掩码。...attention_mask（形状为(batch_size, sequence_length)的Numpy数组或tf.Tensor，可选）— 避免在填充标记索引上执行注意力的掩码。...attention_mask（形状为(batch_size, sequence_length)的Numpy数组或tf.Tensor，可选）- 避免对填充标记索引执行注意力的掩码。...选择的掩码值在[0, 1]中： 对于未被屏蔽的标记，值为 1， 对于被屏蔽的标记，值为 0。 什么是注意力掩码？...attention_mask（形状为(batch_size, sequence_length)的numpy.ndarray，可选） — 避免在填充标记索引上执行注意力的掩码。
MBart 使用特定的语言 id 标记作为decoder_input_ids生成的起始标记，根据源语言和目标语言而变化，例如对于en_XX为 25004，对于de_DE为 25003。...MBart 使用特定的语言 ID 标记作为decoder_input_ids生成的起始标记，根据源语言和目标语言不同而变化，例如en_XX为 25004，de_DE为 25003。...MBart 使用特定的语言 ID 标记作为decoder_input_ids生成的起始标记，根据源语言和目标语言而变化，例如en_XX为 25004，de_DE为 25003。...MBart 使用特定的语言 ID 标记作为decoder_input_ids生成的起始标记，根据源语言和目标语言而变化，例如对于en_XX为 25004，对于de_DE为 25003。...MBart 使用特定的语言 ID 令牌作为decoder_input_ids生成的起始令牌，根据源语言和目标语言而变化，例如en_XX为 25004，de_DE为 25003。
它用于根据任务指导模型的生成过程。 use_cache (bool, optional, 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）。...每个序列可以是 numpy 数组，浮点值列表，numpy 数组列表或浮点值列表的列表。必须是单声道音频，不是立体声，即每个时间步长一个浮点数。...因果掩码也将默认使用。如果要更改填充行为，应根据需要进行修改。有关默认策略的更多信息，请参见论文中的图表 1。...因果掩码也将默认使用。如果要更改填充行为，应根据需要进行修改。有关默认策略的更多信息，请参见论文中的图表 1。...默认情况下还将使用因果掩码。如果要更改填充行为，应根据需要进行修改。有关默认策略的更多信息，请参见 论文 中的图表 1。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
腾讯会议
云直播
对象存储
