2023年8月17日9:00:14

1. transformers模型只接受tensor作为输入，因此需要在在tokenizer的时候需要加参数return_tensors=“pt”,列表嵌套列表是不允许的。
2. input_ids：将输入到的词映射到模型当中的字典ID
3. attention_mask：是具有与input_ids张:量完全相同形状的张量，填充0和1。1表示应注意的相应位置的标记，0表示不应注意的相应位置的标记(模型的attention layers 应忽略它们），换句话说告诉机器返回的数字编码中哪些是需要注意的实际数据，哪些是不需要关心的填充数据
4. 模型没有attention_mask时，会默认用1填充，即需要注意
5. token_type_ids：数字编码中哪些属于第一个句子，哪些属于第二个句子
6. 不同模型架构输出是不一样的如下
   AutoModel

model = AutoModel.from_pretrained("bert-base-chinese")
输出
BaseModelOutputWithPoolingAndCrossAttentions，包含’last_hidden_state’和’pooler_output’两个元素。其中’last_hidden_state’的形状是（batch size,sequence length,768)，'pooler_output’的形状是(batch size,768)。pooler output是取[CLS]标记处对应的向量后面接个全连接再接tanh激活后的输出。

AutoModelForMaskedLM

model = AutoModelForMaskedLM.from_pr