bert 大白话

keras 版本的bert源码
tensorflow版本的bert源码

环境要求：python版本>=3.5,tensorflow版本>=1.10（笔者使用的是1.12）

pip install  bert-serving-server
pip install bert-serving-client

下载训练好的BERT中文模型：https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip

bert-serving-start  -model_dir ./chinese_L-12_H-768_A-12 -num_worker=2

from bert_serving.client import BertClient
bc = BertClient()
g=bc.encode(['你好'])

In [4]: g.shape
Out[4]: (1, 768)

大家记住768这个数字

我只问一个问题，那就是bert 词向量化输出的是什么？
在这个问题之前，大家可以想想，word2vec 输出的是什么？
大家可以看看这篇文章大白话讲解word2vec到底在做些什么
我们要获取的dense vector其实就是Hidden Layer的输出单元。有的地方定为Input Layer和Hidden Layer之间的权重

我看了bert的tensorflow 源码，大家可以看看bert tensorflow 源码的36行和877行，都出现了 hidden_size=768

  def __init__(self,
               vocab_size,
　　　　＃大家看看下面这个768
               hidden_size=768,
               num_hidden_layers=12,
               num_attention_heads=12,
               intermediate_size=3072,
               hidden_act="gelu",
               hidden_dropout_prob=0.1,
               attention_probs_dropout_prob=0.1,
               max_position_embeddings=512,
               type_vocab_size=16,
               initializer_range=0.02):

      # Down-project back to `hidden_size` then add the residual.
      with tf.variable_scope("output"):
        layer_output = tf.layers.dense(
            intermediate_output,
            hidden_size,
            kernel_initializer=create_initializer(initializer_range))
        layer_output = dropout(layer_output, hidden_dropout_prob)
        layer_output = layer_norm(layer_output + attention_output)
        prev_output = layer_output
        all_layer_outputs.append(layer_output)

我又看了bert keras 版本，在源码的47行和121行都出现了 embed_dim=768

def get_model(token_num,
              pos_num=512,
              seq_len=512,
              embed_dim=768,
              transformer_num=12,
              head_num=12,
              feed_forward_dim=3072,
              dropout_rate=0.1,
              attention_activation=None,
              feed_forward_activation='gelu',
              training=True,
              trainable=None,
              output_layer_num=1):

        mlm_dense_layer = keras.layers.Dense(
            units=embed_dim,
            activation=feed_forward_activation,
            name='MLM-Dense',
        )(transformed)
        mlm_norm_layer = LayerNormalization(name='MLM-Norm')(mlm_dense_layer)
        mlm_pred_layer = EmbeddingSimilarity(name='MLM-Sim')([mlm_norm_layer, embed_weights])
        masked_layer = Masked(name='MLM')([mlm_pred_layer, inputs[-1]])
        extract_layer = Extract(index=0, name='Extract')(transformed)
        nsp_dense_layer = keras.layers.Dense(
            units=embed_dim,
            activation='tanh',
            name='NSP-Dense',
        )(extract_layer)
        nsp_pred_layer = keras.layers.Dense(
            units=2,
            activation='softmax',
            name='NSP',
        )(nsp_dense_layer)

结论：
word2vec本质上就是一个三层的神经网络，word2vec输出的是隐藏层到输出层权重矩阵的某一行，

bert是一个8层的神经网络，分别是
1.Dense＝>
2.LayerNormalization=>
3.EmbeddingSimilarity=>
5.Masked=>
6Extract=>
7Dense=>(这一层的神经元个数是768)
8Dense=>

bert的深度更加深，所以训练的时间要长，并且bert 词向量的长度是固定的，要想改变，需要改变网络参数，重新训练