我正在尝试使用BERT中的batch_encode_plus()函数。当它说这个功能不存在时，问题就来了。我查阅了这一页的文档，上面写着：此方法已弃用，应改用__call__">。我尝试使用__call__作为函数，但它不起作用。
然后我进入这个页面，似乎函数batch_encode_plus()被__call__取代了。但当我使用该功能时，它不起作用。我尝试使用encoded_plus()，但它没有给出预期的结果。
我不知道如何使用这个__call__功能，有什么建议吗？
我最近一直在处理这个问题。下面是调用函数的一些文档
调用(输入*args**kwargs(→dict 的列表或列表
参数：
- args(str或List[str](——一个或多个带有掩码标记的文本(或一个提示列表(。targets(str或List[str]，可选(——当通过时，模型将把分数限制在通过的目标上，而不是在整个vocb中查找。如果提供的目标不在模型vocab中，则会对其进行标记化，并使用第一个生成的标记(带有警告，这可能会更慢(
- top_k(int，可选(--传递时，覆盖要返回的预测数
返回：dict 的列表或列表
下面是我如何使用它的一个例子。(请记住，我使用的是BERT的填充掩码模式，这是一个单词预测模型和python语言(
from transformers import pipeline
predicter = pipeline('fill-mask', model='bert-base-uncased')
print(predicter.__call__("example string. Hello [MASK]",top_k=1)
该模型将预测[MASK]标记的单词示例输出为：
{'score': 0.9415972232818604, 'token': 1037, 'token_str': 'kitty', 'sequence': 'example string. Hello kitty'}