该模型基于bookcorpus数据集通过知识蒸馏技术进行预训练。

该模型的独特之处在于，尽管其架构与BERT相同，但隐藏层维度为256。由于配备了4个注意力头，其头维度与BERT基础模型一致，均为64。

知识蒸馏过程采用了多重损失函数进行优化。

模型权重采用随机初始化方式生成。

注：分词器与bert-base-uncased模型的分词器相同。

加载模型与分词器的方法：

from transformers import AutoModelForMaskedLM, BertTokenizer

model_name = "eli4s/Bert-L12-h256-A4"
model = AutoModelForMaskedLM.from_pretrained(model_name)
tokenizer = BertTokenizer.from_pretrained(model_name)

作为掩码语言模型的使用示例：

import torch

sentence = "Let's have a [MASK]."

model.eval()
inputs = tokenizer([sentence], padding='longest', return_tensors='pt')
output = model(inputs['input_ids'], attention_mask=inputs['attention_mask'])

mask_index = inputs['input_ids'].tolist()[0].index(103)
masked_token = output['logits'][0][mask_index].argmax(axis=-1)
predicted_token = tokenizer.decode(masked_token)

print(predicted_token)

也可预测最相关的n个候选词：

top_n = 5

vocab_size = model.config.vocab_size
logits = output['logits'][0][mask_index].tolist()
top_tokens = sorted(list(range(vocab_size)), key=lambda  i:logits[i], reverse=True)[:top_n]

tokenizer.decode(top_tokens)