关于transformers中bert api结构描述

BERT的结构说明

关于bert网络结构叙述比较清楚的博客

总结一下：

在原始的bert模型中，有两个训练任务,masked prediction(M)和next sentence prediction(NSP)，所以针对这两个任务，在基本的BertModel主体后面接有两个branch，分别负责一个任务。最后算两个支路的损失之和。

结构总结：

先说BertModel这个基础的主体机构，在上面的链接文章中已经说得比较详细了，就是分为embedding,encoder,pooler这三部分，输出是encoder和pooler两个输出。（这里具体说一下，pooler就是一个全连接层和激活层，对encoder输出的feature的第一个词向量，即[CLS]对应的输出，进行一个全连接的计算，输出还是768维。而encoder输出就是全部的词向量）。

在BertModel的基础上，NSP分支就是一个全连接，称为seq_relationship(在权重命名中体现),将pooler输出的向量变成２维（是/否下一句话）。Ｍ分支是称为predictions，它包括transform，decoder两部分，transform是768->768的全连接，decoder是768－>21128的反embedding层，实现嵌入到稀疏编码的转换。

最后，我们做损失时，对于ＮＳＰ分支，就是二分类损失，对于Ｍ分支，就是对应mask位置的独热码的交叉熵损失。总的损失就是两者之和。(之前不理解两个预训练任务是怎么做的，这里说明是同时做的，多任务学习)

transformers api调用细节：

然后，关于我们使用pytorch的transformers调用bert模型api时，很多调用方式，比如AutoModel，BertModel等，这里的话，两者是等效的，AutoModel最后也是找到bertmodel调用。还有就是，我们需要注意有几种结构调用，比如
BertModel.from_pretrained()，
BertForNextSentencePrediction.from_pretrained()，
BertModelForMaskedLM.from_pretrained()，
BertModelForSequenceClassification.from_pretrained()，

我们先说第一个，第一个调用的是我们上面说的BertModel主体，不含两个branch。
第二个和第三个就是调用的整个Model的每个分支，即NSP和M分支。
最后一个跟第二个很像，都是做一个分类任务，但是不一样的地方在于，最后一个模型做的是通用的分类，比如情感，主题等，而第二个是原生bert模型里的那个分支，预训练为上下句预测任务，所以两者在权重加载时会有区别。
我们加载的预训练模型都是bertmodel带两个分支的（2022.10更正）。

对于加载预训练模型，有如下两种方式，一种是直接在.from_pretrained()中放模型的名字。另一种是放预先下载好的模型权重的路径，但是在此之前要预先加载模型的config文件，这个在下载权重时会有。然后，对于上面的前三个调用模式，可以直接加载预训练权重，只不过有些是用不到的，但是对于最后一个，最后的分类全连接权重是不能直接从权重中获得的，是随机初始化。