如何得到一个微调过的TFBertModel的隐藏状态?

Question

我首先在文本分类任务上微调Bert模型，但随后我想在TensorFlow中获得微调模型的嵌入。不幸的是，我只能说output_hidden_states=True，在我下载预训练的伯特模型的第一行，而不是在我创建tf.Keras.Model的第二阶段。下面是我如何制作和训练模型的代码:

max_len = 55
from transformers import BertConfig, BertTokenizer, TFBertModel
def build_custome_model():
bert_encoder = TFBertModel.from_pretrained(Base_BERT_Path)
input_word_ids = tf.keras.Input(shape=(max_len,), dtype=tf.int32, name="input_word_ids")
input_mask = tf.keras.Input(shape=(max_len,), dtype=tf.int32, name="input_mask")
input_type_ids = tf.keras.Input(shape=(max_len,), dtype=tf.int32, name="input_type_ids")

embedding = bert_encoder([input_word_ids, input_mask, input_type_ids])[0]
clf_output = embedding[:,0,:]
net = tf.keras.layers.Dropout(0.4)(clf_output)
output = tf.keras.layers.Dense(5, activation='softmax')(net)

model = tf.keras.Model(inputs=[input_word_ids, input_mask, input_type_ids], outputs=output)
model.compile(tf.keras.optimizers.Adam(lr=1e-5), loss='sparse_categorical_crossentropy', metrics=['accuracy'])

return model

然后我在一个有两个句子的数据集上训练模型，并为它们的相似度打分

#------Training with stratifiedkfold-------

k = 5
kfold = StratifiedKFold(n_splits = k, shuffle = True)
for i, (train_idx, val_idx) in enumerate(kfold.split(first_sentences, labels.score), 1):
epoch_evaluation = {}
train_input = create_input(np.array(first_sentences)[train_idx], np.array(second_sentences)[train_idx], tokenizer, max_len=max_seq_length)
validation_input = create_input(np.array(first_sentences)[val_idx], np.array(second_sentences)[val_idx], tokenizer, max_len=max_seq_length)
history = model.fit(x = train_input, y = labels.loc[train_idx, 'score'],
validation_data= (validation_input, labels.loc[val_idx, 'score']),
epochs = 5,
verbose = 1,
batch_size = 8)

我的目标是在这个数据集上训练一个模型，当我给它一个句子时，它可以输出嵌入(隐藏状态的第一层(output[2][0]))，这样我就可以得到一个句子的所有微调标记嵌入的平均值。

Answer 1

您可以使用get_input_embeddings函数检索嵌入:

model = build_custome_model():
model.layers[3].get_input_embeddings()(input_ids)