从源码层面，深入理解 Bert 框架_class bertmodel(bertpretrainedmodel):

看了好多 Bert 的介绍文章，少有从源码层面理解Bert模型的，本文章将根据一行一行源码来深入理解Bert模型

BertBertModel 类的源码如下（删除注释）

class BertModel(BertPreTrainedModel):
    def __init__(self, config):
        super(BertModel, self).__init__(config)
        self.embeddings = BertEmbeddings(config)
        self.encoder = BertEncoder(config)
        self.pooler = BertPooler(config)
        self.apply(self.init_bert_weights)

    def forward(self, input_ids, token_type_ids=None, attention_mask=None, output_all_encoded_layers=True):
        if attention_mask is None:
            attention_mask = torch.ones_like(input_ids)
        if token_type_ids is None:
            token_type_ids = torch.zeros_like(input_ids)

        extended_attention_mask = attention_mask.unsqueeze(1).unsqueeze(2)
        extended_attention_mask = extended_attention_mask.to(dtype=next(self.parameters()).dtype) # fp16 compatibility
        extended_attention_mask = (1.0 - extended_attention_mask) * -10000.0

        embedding_output = self.embeddings(input_ids, token_type_ids)
        encoded_layers = self.encoder(embedding_output,
                                      extended_attention_mask,
                                      output_all_encoded_layers=output_all_encoded_layers)
        sequence_output = encoded_layers[-1]
        pooled_output = self.pooler(sequence_output)
        if not output_all_encoded_layers:
            encoded_layers = encoded_layers[-1]
        return encoded_layers, pooled_output
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

1. __init__函数

首先分析BertBertModel 类的__init__函数（构造函数），__init__函数分别定义了embeddings 、encoder 、pooler三个模块，这三个模块分别是词嵌入模块，encoder模块和分类层模块；然后对模型的参数进行了初始化，通过__init__函数我们也能了解到，Bert主要就是由这三个模块组成，关于这三个模块的详细解析请参考以下文章：

1. 从源码解析 Bert 的 Embedding 模块​
2. 从源码解析 Bert 的 BertEncoder 模块
3. 从源码解析 Bert 的 BertPooler 模块

2. forward函数

forward函数是Bert模型的向前传播函数，作用是将数据从模型的输入传送到输出；
forward函数有四个参数，分别是 input_ids、token_type_ids、attention_mask 和 output_all_encoded_layers，四个参数的解释如下：

1. 在 forward 函数中，首先对 token_type_ids 和 attention_mask 参数为None值的情况进行了处理；当 token_type_ids 为 None 时，生成一个 [batch_size, sequence_length] 形状的数组赋值给token_type_ids并将 token_type_ids所有位置置为0，表示每个序列中只包含一个句子；当attention_mask为None时，生成一个[batch_size, sequence_length]形状的数组赋值给attention_mask并将attention_mask中的所有值置为1，表示当前序列的所有数据都为有效数据；

2. 然后 extended_attention_mask = attention_mask.unsqueeze(1).unsqueeze(2) 这句代码的含义是将extended_attention_mask 维度连续扩充两次，依次是 [batch_size，sequence_length]->[batch_size，1，sequence_length] ->[batch_size，1，1，sequence_length]
   关于 Pytorch 中 unsqueeze()和 squeeze()函数的详细介绍，请参考这篇博客->#彻底理解# pytorch 中的 squeeze() 和 unsqueeze()函数

3. extended_attention_mask = (1.0 - extended_attention_mask) * -10000.0 （上一行是格式转换，此处略过）这行代码的作用是将 extended_attention_mask 中的 0 变为 -10000，（0表示此位置，不是有效数据，当-10000进入self attention后，权重会变得非常小乃至可以这些token）

4. embedding_output = self.embeddings(input_ids, token_type_ids) 这行代码的作用是根据 input_ids，token_type_ids 两个矩阵生成 token 对应的 word embedding，（ 熟悉 Bert 原理的朋友都知道，除了这两个输入矩阵，还有一个位置编码矩阵，这个矩阵会在 embeddings 模块内部自动生成）

5. encoded_layers = self.encoder...这句代码的意思是将 embedding 层的输出输入到 encoder 模块 并将 encoder 模块的输出赋值给 encoded_layers，其中encoded_layers是一个长度为12的数组，保存着12层encoder每层对应的输出

6. sequence_output = encoded_layers[-1] pooled_output = self.pooler(sequence_output)这两句代码的作用是生成 Bert 的pooled_output输出；做法是：将encoder最后一层的输出赋值给 Bert 的 pooler 模块（输入768，输出768，tanh激活函数的全连接层）并将结果返回；虽然pool模块的输入为768，但只使用第一个 token（[CLS]）的对应的输入，因此 pooled_output 输出一般用于解决 语句级别的任务。

7. 根据 output_all_encoded_layers参数的值返回所有12层encoder的输出或仅输出最后一层encoder的输出；同时输出 pooled_output

想深入了解Bert模型原理的朋友可以阅读这5篇文章：

1. #深入理解# Bert框架原理
2. #由浅入深# 从 Seq2seq 到 Transformer
3. #最全面# 使用 Bert 解决下游 NLP 实际任务
4. 从NLP中的标记算法（tokenization）到bert中的WordPiece
5. #彻底理解# NLP中的word2vec

接下来将进一步分析 Bert 模型中的 embeddings、encoder、pooler 等模块，链接如下：

1. 从源码解析 Bert 的 Embedding 模块​
2. 从源码解析 Bert 的 BertEncoder 模块
3. 从源码解析 Bert 的 BertPooler 模块