Python 如何恢复BERT/XLNet嵌入？

我最近一直在尝试堆叠语言模型，并注意到一些有趣的事情：BERT和XLNet的输出嵌入与输入嵌入不同。例如，以下代码段：

bert = transformers.BertForMaskedLM.from_pretrained("bert-base-cased")
tok = transformers.BertTokenizer.from_pretrained("bert-base-cased")

sent = torch.tensor(tok.encode("I went to the store the other day, it was very rewarding."))
enc = bert.get_input_embeddings()(sent)
dec = bert.get_output_embeddings()(enc)

print(tok.decode(dec.softmax(-1).argmax(-1)))

给我这个：

,,,,,,,,,,,,,,,,,

我本来希望返回（格式化的）输入序列，因为我觉得输入和输出令牌嵌入是绑定的

有趣的是，大多数其他模型都没有表现出这种行为。例如，如果在GPT2、Albert或Roberta上运行相同的代码段，它将输出输入序列

---

这是虫子吗？或者它是BERT/XLNet的预期版本？

不确定是否为时已晚，但我已经对您的代码进行了一些实验，并且可以恢复。：）

为此，您将获得以下输出：

Initial sentence: tensor([  101,   146,  1355,  1106,  1103,  2984,  1103,  1168,  1285,   117,
         1122,  1108,  1304, 10703,  1158,   119,   102])  
Decoded sentence: [CLS] I went to the store the other day, it was very rewarding. [SEP]

Initial sentence: tensor([  101,   146,  1355,  1106,  1103,  2984,  1103,  1168,  1285,   117,
         1122,  1108,  1304, 10703,  1158,   119,   102])  
Decoded sentence: [CLS] I went to the store the other day, it was very rewarding. [SEP]