bert的输出（自用，更新）

# attention_mask=batch_text>0 表示不关注padding的部分，因为padding为0
        bert_out = self.bert.forward(batch_text, attention_mask=batch_text>0)

        # bert[0]是文本的字向量信息，bert[1]是文本的句向量信息
        # bert[0]维度：（句子数/batch_size, 字数, 维度数768）
        # bert[1]维度：（句子数/batch_size, 字数, 维度数768）
        bert_out1, bert_out2 = bert_out[0], bert_out[1]

bert[0]：第一个输出是三维的，是文本的字级别的向量信息。

bert[1]：第二个输出是二维的，是文本的句子级别的向量信息。

举例：截图来自B站

bert的输出是一个包含4个元素的元组，上面只写了前两个，后面的还没用到，用到了再补充。