前因
在寻找pytorch版本的英文版Bert预训练模型时，发现只有中文版的预训练模型，而且因为Tensorflow和Pytorch在读取预训练模型时，读取文件的格式不同，所以不能直接拿来使用。在读取这篇 Pytorch | BERT模型实现，提供转换脚本【横扫NLP】 文章后，发现有可以将预训练模型转换至Pytorch可以读取的文件形式的方法。
介绍
一个名为 Hugging Face 🤗 的团队公开了BERT模型的谷歌官方TensorFlow库的 op-for-op PyTorch 重新实现，其中有脚本可以将Tensorflow预训练模型转换为Pytorch可以读取的形式
这个实现可以为BERT加载任何预训练的TensorFlow checkpoint（特别是谷歌的官方预训练模型），并提供一个转换脚本。
使用说明
下载 Transformers，使用convert_bert_original_tf_checkpoint_to_pytorch.py脚本，你可以在PyTorch保存文件中转换BERT的任何TensorFlow检查点(尤其是谷歌发布的官方预训练模型)。
这个脚本将TensorFlow checkpoint（以bert_model.ckpt开头的三个文件）和相关的配置文件（bert_config.json）作为输入，并为此配置创建PyTorch模型，从PyTorch模型的TensorFlow checkpoint加载权重并保存生成的模型在一个标准PyTorch保存文件中，可以使用 torch.load() 导入（请参阅extract_features.py，run_classifier.py和run_squad.py中的示例）。
只需要运行一次这个转换脚本，在原文件夹下就可以得到一个PyTorch模型。然后，你可以忽略TensorFlow checkpoint(以bert_model.ckpt开头的三个文件)，但是一定要保留配置文件(bert_config.json)和词汇表文件(vocab.txt)，因为PyTorch模型也需要这些文件。
要运行这个特定的转换脚本，你需要安装TensorFlow和PyTorch。该库的其余部分只需要PyTorch。
使用方法
linux 下执行或者使用 git 执行 sh 指令
下面是一个预训练的BERT-Base Uncased 模型的转换过程示例:
# export BERT_BASE_DIR = '绝对路径'
export BERT_BASE_DIR=/path/to/bert/uncased_L-12_H-768_A-12
# windows下
export BERT_BASE_DIR = F:/program/uncased_L-12_H-768_A-12
python convert_bert_original_tf_checkpoint_to_pytorch.py \
--tf_checkpoint_path $BERT_BASE_DIR/bert_model.ckpt \
--bert_config_file $BERT_BASE_DIR/bert_config.json \
--pytorch_dump_path $BERT_BASE_DIR/pytorch_model.bin \
Google的预训练模型下载地址：https://github.com/google-research/bert#pre-trained-models
