# Mamba 2

[Mamba 2](https://huggingface.co/papers/2405.21060) se basa en el marco de dualidad de espacios de estado (SSD), que conecta los modelos de espacio de estado estructurados (SSM) con las variantes de atención. Utiliza un algoritmo SSD más eficiente, de 2 a 8 veces más rápido que Mamba, y modifica la arquitectura para habilitar la paralelización de tensores y una estructura de cabeceras de atención de valores agrupados (GVA).

Puedes encontrar todos los puntos de control originales de Mamba 2 en la organización [State Space Models](https://huggingface.co/state-spaces), pero los ejemplos mostrados a continuación utilizan [mistralai/Mamba-Codestral-7B-v0.1](https://huggingface.co/mistralai/Mamba-Codestral-7B-v0.1) porque aún no se admite una implementación de Hugging Face para los puntos de control originales.

Otras arquitecturas basadas en Mamba 2 incluyen [Bamba](./bamba), [FalconH1](./falcon_h1) y [Zamba2](./zamba2).

> [!TIP]
> Este modelo fue aportado por [ArthurZ](https://huggingface.co/ArthurZ). Haz clic en los modelos Mamba en la barra lateral derecha para ver más ejemplos de cómo aplicar Mamba a diferentes tareas de lenguaje.

El siguiente ejemplo demuestra cómo generar texto con [Pipeline](/docs/transformers/main/es/main_classes/pipelines#transformers.Pipeline), [AutoModel](/docs/transformers/main/es/model_doc/auto#transformers.AutoModel) y desde la línea de comandos.

```python
from transformers import pipeline

pipeline = pipeline(
    task="text-generation",
    model="mistralai/Mamba-Codestral-7B-v0.1",
    device=0
)
pipeline("Plants create energy through a process known as")
```

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("mistralai/Mamba-Codestral-7B-v0.1")
model = AutoModelForCausalLM.from_pretrained("mistralai/Mamba-Codestral-7B-v0.1", device_map="auto")
input_ids = tokenizer("Plants create energy through a process known as", return_tensors="pt").to(model.device)

output = model.generate(**input_ids)
print(tokenizer.decode(output[0], skip_special_tokens=True))
```

La cuantización reduce la carga de memoria de los modelos grandes al representar los pesos con una precisión inferior. Consulte el resumen de [Cuantización](../quantization/overview) para conocer más backends de cuantización disponibles.

El ejemplo siguiente utiliza [torchao](../quantization/torchao) para cuantizar únicamente los pesos a enteros de 4 bits.

```python
from transformers import AutoModelForCausalLM, AutoTokenizer, TorchAoConfig

quantization_config = TorchAoConfig("int4_weight_only", group_size=128)
tokenizer = AutoTokenizer.from_pretrained("mistralai/Mamba-Codestral-7B-v0.1")
model = AutoModelForCausalLM.from_pretrained("mistralai/Mamba-Codestral-7B-v0.1", quantization_config=quantization_config, device_map="auto")
input_ids = tokenizer("Plants create energy through a process known as", return_tensors="pt").to(model.device)

output = model.generate(**input_ids)
print(tokenizer.decode(output[0], skip_special_tokens=True))
```

## Notas

- Codestral Mamba tiene `groups=8`, que son similares al número de cabezas kv en un modelo basado en atención.
- Codestral Mamba tiene dos recorridos de propagación hacia adelante distintos, `torch_forward` o `cuda_kernels_forward`, y se espera que sus resultados sean ligeramente diferentes.
  - `torch_forward` sin compilación es de 3 a 4 veces más rápido que `cuda_kernels_forward`.
  - `cuda_kernels_forward` utiliza los kernels de CUDA originales si están disponibles en su entorno. Es más lento durante la prellenado porque requiere una "ejecución de calentamiento" debido a la mayor sobrecarga de CPU (consulte [estos](https://github.com/state-spaces/mamba/issues/389#issuecomment-2171755306) [comentarios](https://github.com/state-spaces/mamba/issues/355#issuecomment-2147597457) para más detalles).

- Este modelo no tiene embeddings posicionales, pero sí cuenta con una `attention_mask` y una lógica específica para enmascarar los estados ocultos en dos lugares en el caso de generación por lotes (vea este [comentario](https://github.com/state-spaces/mamba/issues/66#issuecomment-1863563829) para más detalles). Esto (y la adición de los kernels de Mamba 2 reimplementados) da como resultado una ligera discrepancia entre la generación por lotes y la generación con caché.

- El algoritmo SSM depende en gran medida de contracciones de tensores, que tienen equivalentes en matmul, pero el orden de las operaciones es ligeramente diferente. Esto hace que la diferencia sea mayor en precisiones más pequeñas.

- El relleno solo se prueba con relleno a la izquierda. El relleno a la derecha actualiza la caché con las posiciones de relleno y produce resultados poco fiables. Establezca `tokenizer.padding_side="left"` para la generación por lotes. Consulte [Lado del relleno](../llm_tutorial#padding-side).

- El siguiente ejemplo demuestra cómo realizar el ajuste fino de Mamba 2 con [PEFT](https://huggingface.co/docs/peft).

```python
from datasets import load_dataset
from peft import LoraConfig
from trl import SFTConfig, SFTTrainer

model_id = "mistralai/Mamba-Codestral-7B-v0.1"
dataset = load_dataset("Abirate/english_quotes", split="train")
training_args = SFTConfig(dataset_text_field="quote", gradient_checkpointing=True, per_device_train_batch_size=4)
lora_config =  LoraConfig(target_modules=["x_proj", "embeddings", "in_proj", "out_proj"])
trainer = SFTTrainer(
    model=model_id,
    args=training_args,
    train_dataset=dataset,
    peft_config=lora_config,
)
trainer.train()
```

## Mamba2Config[[transformers.Mamba2Config]]

#### transformers.Mamba2Config[[transformers.Mamba2Config]]

```python
transformers.Mamba2Config(transformers_version: str | None = None, architectures: list[str] | None = None, output_hidden_states: bool | None = False, return_dict: bool | None = True, dtype: str | torch.dtype | None = None, chunk_size_feed_forward: int = 0, is_encoder_decoder: bool = False, id2label: dict[int, str] | dict[str, str] | None = None, label2id: dict[str, int] | dict[str, str] | None = None, problem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = None, num_heads: int = 128, head_dim: int = 64, vocab_size: int = 32768, hidden_size: int = 4096, state_size: int = 128, num_hidden_layers: int = 64, layer_norm_epsilon: float = 1e-05, pad_token_id: int | None = 1, bos_token_id: int | None = 0, eos_token_id: int | list[int] | None = 2, expand: int = 2, conv_kernel: int = 4, n_groups: int = 8, use_bias: bool = False, use_conv_bias: bool = True, hidden_act: str = 'silu', initializer_range: float = 0.1, residual_in_fp32: bool = True, time_step_rank: str | int = 'auto', time_step_min: float = 0.001, time_step_max: float = 0.1, time_step_floor: float = 0.0001, time_step_limit: list[float] | tuple[float, ...] = (0.0, inf), rescale_prenorm_residual: bool = False, use_cache: bool = True, chunk_size: int = 256, tie_word_embeddings: bool = False)
```

[Fuente](https://github.com/huggingface/transformers/blob/main/src/transformers/models/mamba2/configuration_mamba2.py#L26)

**Parámetros:**

num_heads (`int`, *opcional*, valor predeterminado `128`) : Número de cabezas de atención para cada capa de atención en el decodificador del Transformer.

head_dim (`int`, *opcional*, valor predeterminado `64`) : La dimensión de la cabeza de atención. Si es None, se establecerá en hidden_size // num_attention_heads

vocab_size (`int`, *opcional*, valor predeterminado `32768`) : Tamaño del vocabulario del modelo. Define el número de tokens diferentes que pueden representarse mediante `input_ids`.

hidden_size (`int`, *opcional*, valor predeterminado `4096`) : Dimensión de las representaciones ocultas.

state_size (`int`, *opcional*, valor predeterminado `128`) : Tamaño del estado SSM (dimensión del estado latente) en las capas Mamba.

num_hidden_layers (`int`, *opcional*, valor predeterminado `64`) : Número de capas ocultas en el decodificador Transformer.

layer_norm_epsilon (`float`, *opcional*, valor predeterminado 1e-05) : El epsilon a utilizar en las capas de normalización de capas.

pad_token_id (`int`, *opcional*, valor predeterminado `1`) : Id de token utilizado para el relleno en el vocabulario.

bos_token_id (`int`, *opcional*, valor predeterminado `0`) : Id de token utilizado para el inicio de la secuencia en el vocabulario.

eos_token_id (`Union[int, list[int]]`, *opcional*, valor predeterminado `2`) : Identificador de token utilizado para el fin de la secuencia en el vocabulario.

expand (`int`, *opcional*, valor predeterminado 2) : Factor de expansión utilizado para determinar el tamaño intermedio.

conv_kernel (`int`, *opcional*, valor predeterminado `4`) : El tamaño del kernel de convolución.

n_groups (`int`, *opcional*, valor predeterminado 8) : Número de grupos para las matrices de evolución de mamba 2.

use_bias (`bool`, *opcional*, valor predeterminado `False`) : Indica si se debe usar sesgo en ["in_proj", "out_proj"] del bloque mixer.

use_conv_bias (`bool`, *opcional*, valor predeterminado `True`) : Indica si se debe usar sesgo en la capa de convolución del bloque mezclador.

hidden_act (`str`, *opcional*, valor predeterminado `silu`) : La función de activación no lineal (función o cadena) en el decodificador. Por ejemplo, `"gelu"`, `"relu"`, `"silu"`, etc.

initializer_range (`float`, *opcional*, valor predeterminado `0.1`) : La desviación estándar de truncated_normal_initializer para inicializar todas las matrices de pesos.

residual_in_fp32 (`bool`, *opcional*, valor predeterminado `True`) : Indica si los residuos deben estar en `float32`. Si se establece en `False`, los residuos mantendrán el mismo `dtype` que el resto del modelo

time_step_rank (`Union[str, int]`, *opcional*, valor predeterminado `auto`) : Rango de la proyección de delta (paso de tiempo). Puede ser `"auto"` para configurarlo automáticamente.

time_step_min (`float`, *opcional*, valor predeterminado `0.001`) : `time_step` mínimo utilizado para acotar `dt_proj.bias`.

time_step_max (`float`, *opcional*, valor predeterminado `0.1`) : `time_step` máximo utilizado para acotar `dt_proj.bias`.

time_step_floor (`float`, *opcional*, valor predeterminado `0.0001`) : Valor mínimo permitido para el paso de tiempo discreto delta tras la activación softplus.

time_step_limit (`Union[list[float], tuple[float, ...]]`, *opcional*, valor predeterminado `(0.0, inf)`) : Rango aceptado de valores de paso de tiempo para el recorte.

rescale_prenorm_residual (`bool`, *opcional*, valor predeterminado `False`) : Indica si se deben reescalar los pesos de `out_proj` durante la inicialización.

use_cache (`bool`, *opcional*, valor predeterminado `True`) : Indica si el modelo debe devolver las últimas atenciones de claves/valores (no se utiliza en todos los modelos). Solo es relevante si `config.is_decoder=True` o cuando el modelo es un modelo generativo solo de decodificador.

chunk_size (`int`, *opcional*, valor predeterminado 256) : Tamaño de los fragmentos que compondrán la secuencia.

tie_word_embeddings (`bool`, *opcional*, valor predeterminado `False`) : Si se deben vincular las incrustaciones de pesos según el mapeo `tied_weights_keys` del modelo.

Esta es la clase de configuración para almacenar la configuración de un Mamba2Model. Se utiliza para instanciar un modelo Mamba2 según los argumentos especificados, definiendo la arquitectura del modelo. Instanciar una configuración con los valores predeterminados producirá una configuración similar a la de [state-spaces/mamba2-2.8b](https://huggingface.co/state-spaces/mamba2-2.8b)

Los objetos de configuración heredan de [PreTrainedConfig](/docs/transformers/main/es/main_classes/configuration#transformers.PreTrainedConfig) y se pueden utilizar para controlar las salidas del modelo. Consulte la documentación de [PreTrainedConfig](/docs/transformers/main/es/main_classes/configuration#transformers.PreTrainedConfig) para obtener más información.

Ejemplo:

```python
>>> from transformers import Mamba2Config, Mamba2Model

>>> # Initializing a Mamba2 configuration
>>> configuration = Mamba2Config()

>>> # Initializing a model (with random weights) from the configuration
>>> model = Mamba2Model(configuration)

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

## Mamba2Model[[transformers.Mamba2Model]]

#### transformers.Mamba2Model[[transformers.Mamba2Model]]

```python
transformers.Mamba2Model(config: Mamba2Config)
```

[Fuente](https://github.com/huggingface/transformers/blob/main/src/transformers/models/mamba2/modeling_mamba2.py#L731)

**Parámetros:**

config ([Mamba2Config](/docs/transformers/main/es/model_doc/mamba2#transformers.Mamba2Config)) : Clase de configuración del modelo con todos los parámetros del modelo. Inicializar con un archivo de configuración no carga los pesos asociados con el modelo, solo la configuración. Consulte el método [from_pretrained()](/docs/transformers/main/es/main_classes/model#transformers.PreTrainedModel.from_pretrained) para cargar los pesos del modelo.

El modelo Mamba2 básico que genera estados ocultos sin ningún cabezal específico en la parte superior.

Este modelo hereda de [PreTrainedModel](/docs/transformers/main/es/main_classes/model#transformers.PreTrainedModel). Consulte la documentación de la clase superior para los métodos genéricos que la biblioteca implementa para todos sus modelos (como la descarga o el guardado, el redimensionamiento de las incrustaciones de entrada, la poda de cabezas, etc.).

Este modelo también es una subclase de [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) de PyTorch. Úsalo como un módulo de PyTorch regular y consulta la documentación de PyTorch para todo lo relacionado con el uso y el comportamiento generales.

#### forward[[transformers.Mamba2Model.forward]]

```python
forward(input_ids: typing.Optional[torch.LongTensor] = None, inputs_embeds: typing.Optional[torch.LongTensor] = None, cache_params: transformers.cache_utils.Cache | None = None, use_cache: bool | None = None, output_hidden_states: bool | None = None, return_dict: bool | None = None, attention_mask: typing.Optional[torch.Tensor] = None, **kwargs)
```

[Fuente](https://github.com/huggingface/transformers/blob/main/src/transformers/models/mamba2/modeling_mamba2.py#L756)

**Parámetros:**

input_ids (`torch.LongTensor` de forma `(batch_size, sequence_length)`, *opcional*) : Índices de los tokens de la secuencia de entrada en el vocabulario. El relleno se ignorará de forma predeterminada. Los índices se pueden obtener mediante [AutoTokenizer](/docs/transformers/main/es/model_doc/auto#transformers.AutoTokenizer). Consulte [PreTrainedTokenizer.encode()](/docs/transformers/main/es/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.encode) y [PreTrainedTokenizer.__call__()](/docs/transformers/main/es/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.__call__) para obtener más detalles. [¿Qué son los IDs de entrada?](../glossary#input-ids)

inputs_embeds (`torch.LongTensor` de forma `(batch_size, sequence_length, hidden_size)`, *opcional*) : Opcionalmente, en lugar de pasar `input_ids`, puedes elegir pasar directamente una representación incrustada. Esto es útil si deseas tener más control sobre cómo convertir los índices de `input_ids` en los vectores asociados que en la matriz de búsqueda de incrustaciones interna del modelo.

cache_params (`Cache`, *opcional*) : Si se pasa, el modelo utiliza el estado anterior en todos los bloques (lo que dará la salida para los `input_ids` proporcionados como si el modelo añadiera `state_input_ids + input_ids` como contexto).

use_cache (`bool`, *opcional*) : Si se establece en `True`, se devuelve `cache_params` y puede usarse para generar rápidamente los logits siguientes.

output_hidden_states (`bool`, *opcional*) : Indica si se deben devolver los estados ocultos de todas las capas. Consulte `hidden_states` en los tensores devueltos para obtener más detalles.

return_dict (`bool`, *opcional*) : Indica si se debe devolver un [ModelOutput](/docs/transformers/main/es/main_classes/output#transformers.utils.ModelOutput) en lugar de una tupla simple.

attention_mask (`torch.Tensor` de forma `(batch_size, sequence_length)`, *opcional*) : Máscara para evitar realizar atención en los índices de tokens de relleno. Valores de la máscara seleccionados en `[0, 1]`:  - 1 para tokens que **no están enmascarados**, - 0 para tokens que **están enmascarados**.  [¿Qué son las máscaras de atención?](../glossary#attention-mask)

**Devuelve:** `Mamba2Output` o `tuple(torch.Tensor)`

Un `Mamba2Output` o una tupla de `torch.Tensor` (si se pasa `return_dict=False` o cuando `config.return_dict=False`) que comprende varios elementos según la configuración ([Mamba2Config](/docs/transformers/main/es/model_doc/mamba2#transformers.Mamba2Config)) y las entradas.

El método forward de [Mamba2Model](/docs/transformers/main/es/model_doc/mamba2#transformers.Mamba2Model) sobrescribe el método especial `__call__`.

Aunque la receta para la pasada hacia adelante debe definirse dentro de esta función, se debe llamar a la instancia de `Module` después, en lugar de a esta, ya que la primera se encarga de ejecutar los pasos de preprocesamiento y posprocesamiento, mientras que la segunda los ignora silenciosamente.

- **last_hidden_state** (`torch.Tensor` de forma `(batch_size, sequence_length, hidden_size)`, *opcional*) -- Secuencia de estados ocultos en la salida de la última capa del modelo.
- **cache_params** (`~cache_utils.Cache`, *opcional*) -- El estado del modelo en el último paso de tiempo. Puede usarse en un método forward con los siguientes `input_ids` para evitar proporcionar los `input_ids` anteriores.

  Incluye tanto las matrices de estado del modelo de espacio de estados después del barrido selectivo como los estados de la convolución
- **hidden_states** (`tuple[torch.Tensor]`, *opcional*, se devuelve cuando se pasa `output_hidden_states=True` o cuando `config.output_hidden_states=True`) -- Tupla de `torch.Tensor` (una para la salida de las incrustaciones, si el modelo tiene una capa de incrustaciones, + una para la salida de cada capa) de forma `(batch_size, sequence_length, hidden_size)`.

  Estados ocultos del modelo en la salida de cada capa más las salidas opcionales de la incrustación inicial.

## Mamba2LMHeadModel[[transformers.Mamba2ForCausalLM]]

#### transformers.Mamba2ForCausalLM[[transformers.Mamba2ForCausalLM]]

```python
transformers.Mamba2ForCausalLM(config: Mamba2Config)
```

[Fuente](https://github.com/huggingface/transformers/blob/main/src/transformers/models/mamba2/modeling_mamba2.py#L834)

**Parámetros:**

config ([Mamba2Config](/docs/transformers/main/es/model_doc/mamba2#transformers.Mamba2Config)) : Clase de configuración del modelo con todos los parámetros del modelo. Inicializar con un archivo de configuración no carga los pesos asociados con el modelo, solo la configuración. Consulte el método [from_pretrained()](/docs/transformers/main/es/main_classes/model#transformers.PreTrainedModel.from_pretrained) para cargar los pesos del modelo.

El transformer del modelo MAMBA2 con una cabeza de modelado de lenguaje en la parte superior (capa lineal con pesos no vinculados a las incrustaciones de entrada).

Este modelo hereda de [PreTrainedModel](/docs/transformers/main/es/main_classes/model#transformers.PreTrainedModel). Consulte la documentación de la clase superior para los métodos genéricos que la biblioteca implementa para todos sus modelos (como la descarga o el guardado, el redimensionamiento de las incrustaciones de entrada, la poda de cabezas, etc.).

Este modelo también es una subclase de [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) de PyTorch. Úsalo como un módulo de PyTorch regular y consulta la documentación de PyTorch para todo lo relacionado con el uso y el comportamiento generales.

#### forward[[transformers.Mamba2ForCausalLM.forward]]

```python
forward(input_ids: typing.Optional[torch.LongTensor] = None, inputs_embeds: typing.Optional[torch.Tensor] = None, cache_params: transformers.cache_utils.Cache | None = None, labels: typing.Optional[torch.LongTensor] = None, output_hidden_states: bool | None = None, return_dict: bool | None = None, use_cache: bool | None = None, attention_mask: typing.Optional[torch.Tensor] = None, logits_to_keep: typing.Union[int, torch.Tensor] = 0, **kwargs)
```

[Fuente](https://github.com/huggingface/transformers/blob/main/src/transformers/models/mamba2/modeling_mamba2.py#L875)

**Parámetros:**

input_ids (`torch.LongTensor` de forma `(batch_size, sequence_length)`, *opcional*) : Índices de los tokens de la secuencia de entrada en el vocabulario. El relleno se ignorará de forma predeterminada. Los índices se pueden obtener mediante [AutoTokenizer](/docs/transformers/main/es/model_doc/auto#transformers.AutoTokenizer). Consulte [PreTrainedTokenizer.encode()](/docs/transformers/main/es/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.encode) y [PreTrainedTokenizer.__call__()](/docs/transformers/main/es/internal/tokenization_utils#transformers.PreTrainedTokenizerBase.__call__) para obtener más detalles. [¿Qué son los IDs de entrada?](../glossary#input-ids)

inputs_embeds (`torch.Tensor` de forma `(batch_size, sequence_length, hidden_size)`, *opcional*) : Opcionalmente, en lugar de pasar `input_ids`, puedes elegir pasar directamente una representación incrustada. Esto es útil si deseas tener más control sobre cómo convertir los índices de `input_ids` en los vectores asociados que en la matriz de búsqueda de incrustaciones interna del modelo.

cache_params (`Cache`, *opcional*) : Si se pasa, el modelo utiliza el estado anterior en todos los bloques (lo que dará la salida para los `input_ids` proporcionados como si el modelo añadiera `state_input_ids + input_ids` como contexto).

labels (`torch.LongTensor` de forma `(batch_size, sequence_length)`, *opcional*) : Etiquetas para el modelado de lenguaje. Tenga en cuenta que las etiquetas **se desplazan** dentro del modelo, es decir, puede establecer `labels = input_ids` Los índices se seleccionan en `[-100, 0, ..., config.vocab_size]` Todas las etiquetas establecidas en `-100` se ignoran (se enmascaran), la pérdida solo se calcula para las etiquetas en `[0, ..., config.vocab_size]`

output_hidden_states (`bool`, *opcional*) : Indica si se deben devolver los estados ocultos de todas las capas. Consulte `hidden_states` en los tensores devueltos para obtener más detalles.

return_dict (`bool`, *opcional*) : Indica si se debe devolver un [ModelOutput](/docs/transformers/main/es/main_classes/output#transformers.utils.ModelOutput) en lugar de una tupla simple.

use_cache (`bool`, *opcional*) : Si se establece en `True`, se devuelve `cache_params` y puede usarse para generar rápidamente los logits siguientes.

attention_mask (`torch.Tensor` de forma `(batch_size, sequence_length)`, *opcional*) : Máscara para evitar realizar atención en los índices de tokens de relleno. Valores de la máscara seleccionados en `[0, 1]`:  - 1 para tokens que **no están enmascarados**, - 0 para tokens que **están enmascarados**.  [¿Qué son las máscaras de atención?](../glossary#attention-mask)

logits_to_keep (`Union[int, torch.Tensor]`, *opcional*, valor predeterminado `0`) : Si es un `int`, se calculan los logits para los últimos `logits_to_keep` tokens. Si es `0`, se calculan los logits para todos los `input_ids` (caso especial). Solo se necesitan los logits del último token para la generación, y calcularlos únicamente para ese token puede ahorrar memoria, lo cual se vuelve bastante significativo para secuencias largas o un tamaño de vocabulario grande. Si es un `torch.Tensor`, debe ser de 1D y corresponder a los índices a conservar en la dimensión de longitud de secuencia. Esto es útil al usar el formato de tensor empaquetado (una sola dimensión para el lote y la longitud de secuencia).

**Devuelve:** `Mamba2CausalLMOutput` o `tuple(torch.Tensor)`

Un `Mamba2CausalLMOutput` o una tupla de `torch.Tensor` (si se pasa `return_dict=False` o cuando `config.return_dict=False`) que comprende varios elementos según la configuración ([Mamba2Config](/docs/transformers/main/es/model_doc/mamba2#transformers.Mamba2Config)) y las entradas.

El método forward de [Mamba2ForCausalLM](/docs/transformers/main/es/model_doc/mamba2#transformers.Mamba2ForCausalLM) sobrescribe el método especial `__call__`.

Aunque la receta para la pasada hacia adelante debe definirse dentro de esta función, se debe llamar a la instancia de `Module` después, en lugar de a esta, ya que la primera se encarga de ejecutar los pasos de preprocesamiento y posprocesamiento, mientras que la segunda los ignora silenciosamente.

- **loss** (`torch.Tensor` de forma `(1,)`, *opcional*, se devuelve cuando se proporciona `labels`) -- Pérdida de modelado de lenguaje (para la predicción del siguiente token).
- **logits** (`torch.Tensor` de forma `(batch_size, sequence_length, config.vocab_size)`) -- Puntuaciones de predicción de la cabeza de modelado de lenguaje (puntuaciones para cada token del vocabulario antes de SoftMax).
- **cache_params** (`~cache_utils.Cache`, *opcional*) -- El estado del modelo en el último paso de tiempo. Puede usarse en un método forward con los siguientes `input_ids` para evitar proporcionar los `input_ids` anteriores.

  Incluye tanto las matrices de estado del modelo de espacio de estados después del barrido selectivo como los estados de la convolución
- **hidden_states** (`tuple[torch.Tensor]`, *opcional*, se devuelve cuando se pasa `output_hidden_states=True` o cuando `config.output_hidden_states=True`) -- Tupla de `torch.Tensor` (una para la salida de las incrustaciones, si el modelo tiene una capa de incrustaciones, + una para la salida de cada capa) de forma `(batch_size, sequence_length, hidden_size)`.

  Estados ocultos del modelo en la salida de cada capa más las salidas opcionales de la incrustación inicial.

Ejemplo:

```python
```