bert模型

一、bert的输入处理
（1）如果有token_b就用分割符进行拼接，并返回[0][0][0][0][0][0][0][0][0][1][1][1][1]v1][1]这样的标记
（2）如果没有token_b就用分割符包装token_a，并返回[0][0][0][0][0][0][0][0][0]

二、bert的encoder结构
就和transformers的encoder类似，下面讲区别：
就是多了segment的embedding以及随机初始化的扰动embedding

这里加入可学习的位置编码，也就是不仅仅要用embedding，要加入干扰，要随机初始化一些参数进去

这里的x就加入了随机初始化的参数，使模型可学习

三、masked模型
masked模型就是对输入进行掩盖，并对掩盖位置进行预测

蓝色线上面：
提取被掩盖（要预测的位置）的特征
蓝色下面:
将要预测位置（被掩盖的位置）的特征传入mlp中，输出预测的值

四、两个句子是否是连续的
只有是否：使用输出为2

五、bert模型
这里做的主要就是将上面的各个模块拼接在一起

是否要判断两个句子是连续的，如果不判断就进行下面的掩盖测试，这里面的0是句子的第一个token用来做二分类