我正在使用模块bert-for-tf2来将berT模型包装为Tensorflow 2.0中的Keras层。我已经按照您的指南将berT模型实现为Keras层。 我正在尝试从句子中提取嵌入内容；在我的情况下，句子是“你好”

我对模型预测的输出有疑问；我已经写了这个模型：

model_word_embedding = tf.keras.Sequential([
                tf.keras.layers.Input(shape=(4,),dtype='int32',name='input_ids'),bert_layer
])

model_word_embedding .build(input_shape=(None,4))

然后我要提取上面所写句子的嵌入：

sentences = ["Hello"]
predict = model_word_embedding .predict(sentences)

对象预测包含4个数组，每个数组包含768个元素：

print(predict)
print(len(predict))
print(len(predict[0][0]))
...

[[[-0.02768866 -0.7341324   1.9084396  ... -0.65953904  0.26496622
    1.1610721 ]
  [-0.19322394 -1.3134469   0.10383344 ...  1.1250225  -0.2988368
   -0.2323082 ]
  [-1.4576151  -1.4579685   0.78580517 ... -0.8898649  -1.1016986
    0.6008501 ]
  [ 1.41647    -0.92478925 -1.3651332  ... -0.9197768  -1.5469263
    0.03305872]]]
4
768

我知道那个4的每个数组代表我的原始句子，但是我想获得一个数组作为我的原始句子的嵌入。 因此，我的问题是：如何获得句子的嵌入？

在berT源代码中，我读到了这一点：

  

对于分类任务，第一个向量（对应于[CLS]）用作“句子向量”。请注意，这仅是有意义的，因为整个模型都经过了微调。

所以我必须从预测输出中提取第一个数组，因为它代表了我的句子矢量？

感谢您的支持