[错误记录] RuntimeError: index out of range: Tried to access index 30522 out of table with 30521 rows.

环境：transformer 2.11.0

问题描述：

在很多的nlp任务当中，我们会为类似于Bert的预训练模型填入一些在其tokenizer词表中未出现过的词，这样做的目的是为了防止这种未出现过的词在tokenizer拆分时不被拆分成别的单词。

Eg.The system as described above has its greatest application in an arrayed <e1> configuration </e1> of antenna <e2> elements </e2>.

上面例子当中，由于<e1></e1>用来标记实体1，<e2></e2>用来标记实体2，在tokenizer时是不希望被查分成其他单词的，所以就要添加一些<e1>等等这样的“特殊单词”，即从未在vocab.txt词表中出现的单词；

这就需要进行如下操作：

import from transformers import BertTokenizer,BertModel

tokenizer = BertTokenizer..from_pretrained('Bert')  #括号里为bert的存储路径
model = BertModel.from_pretrained('Bert')  #括号里为bert的存储路径

#add special tokens eg. <e1>
ADDITIONAL_SPECIAL_TOKENS = ["<e1>", "</e1>", "<e2>", "</e2>"]
tokenizer.add_special_tokens({"additional_special_tokens": ADDITIONAL_SPECIAL_TOKENS})

添加了特殊字符后，在运行模型时，有如下报错：

RuntimeError: index out of range: Tried to access index 30522 out of table with 30521 rows. at C:\w\1\s\windows\pytorch\aten\src\TH/generic/THTensorEvenMoreMath.cpp:418

 这个错误的原因是：由于原始的vocab.txt词表一共有0~30521个单词，索引到30521，但是添加了4个特殊单词之后，词表的索引到了30525，但是模型在做word embedding时依然还是最初定义模型是的词表索引到30521，所以需要对模型的词表大小进行更新，修改如下：

import from transformers import BertTokenizer,BertModel

tokenizer = BertTokenizer..from_pretrained('Bert')  #括号里为bert的存储路径
model = BertModel.from_pretrained('Bert')  #括号里为bert的存储路径

#add special tokens eg. <e1>
ADDITIONAL_SPECIAL_TOKENS = ["<e1>", "</e1>", "<e2>", "</e2>"]
tokenizer.add_special_tokens({"additional_special_tokens": ADDITIONAL_SPECIAL_TOKENS})

#updata length of model token_embedding size
model.resize_token_embeddings(len(tokenizer))

 下面是我查官网doc给出的样例，和我上面写出的差不多：

# Let's see how to add a new classification token to GPT-2
tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
model = GPT2Model.from_pretrained('gpt2')

special_tokens_dict = {'cls_token': '<CLS>'}

num_added_toks = tokenizer.add_special_tokens(special_tokens_dict)
print('We have added', num_added_toks, 'tokens')
model.resize_token_embeddings(len(tokenizer))  # Notice: resize_token_embeddings expect to receive the full size of the new vocabulary, i.e. the length of the tokenizer.

assert tokenizer.cls_token == '<CLS>'

文档链接：点击进入transformer_tokenizer的doc