BERT base model (uncased)

BERT base model (uncased)

补全被遮蔽的英语词并提取文本特征。这是 Google 的不区分大小写的 BERT 基础模型，用于微调后做分类、标注和问答。

由 google-bert 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这是英语的 BERT 基础模型，用原始英语文本预训练，方法是预测被遮蔽的词和判断两个句子是否相邻。它不区分大小写，所以 english 和 English 被同样对待。它有 110M 参数。

适合谁：它适合为需要阅读整句话的任务做微调的开发者和研究者。已经有人发布了 7,169 个它的微调版本。

Title: 谁在用
Industry | Who uses it | How they use it | Example
软件 | NLP 开发者 | 微调它做序列分类或词元分类 | 情感或主题分类器
研究 | 语言研究者 | 把它当作标准的英语基线 | 拿新方法和 BERT 比较
客服 | 处理英语工单的团队 | 用它的特征训练分类器 | 按主题给工单分流

如果你想要写文字的模型，可以跳过它。模型卡建议这时看 GPT2 一类的模型。

用在哪里：

• Windows、macOS 或 Linux 上，配合 transformers 库的 Python
• 分类、词元分类和问答的微调项目
• 通过 fill-mask 管道做快速的遮蔽词测试

Title: 它能做的事
Use case | Who | What they get back
预测被遮蔽的词 | 开发者 | 对隐藏词的排序猜测
文本特征 | 研究者 | 可以送进分类器的特征向量
任务微调 | NLP 团队 | 用来训练分类或问答的基础模型

如何设置：

• 装有 transformers 库的 Python

1. 安装 transformers。
2. 如果愿意，可以手动下载模型文件。
3. 在代码里按名字加载模型。

pip install -U huggingface_hub
hf download google-bert/bert-base-uncased

如何使用：
用 fill-mask 管道做快速测试。模型卡说原始模型主要是作为微调的起点，用来处理需要看整句话的任务。

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='bert-base-uncased')
>>> unmasker("Hello I'm a [MASK] model.")

示例：
你把句子“Hello I'm a [MASK] model.”交给管道，它返回对隐藏词的排序猜测。在模型卡的输出里，最靠前的猜测是 fashion、role、new 和 super，都以小写显示。

新手与专家：
如果你是新手，可以把 BERT 看作一个靠填空学会英语的模型。第一件小事是用 fill-mask 管道试一个带一个隐藏词的句子。

如果你懂这个领域，预训练会遮蔽 15% 的词，并加上下一句预测，这让它能双向地看一个句子，不像 GPT 这类从左到右的模型。代价在适用范围：它在微调后适合整句任务，不适合生成文字。

遮蔽文本里 15% 的词
让整句话通过 BERT
预测被隐藏的词
把特征复用于某个任务

注意事项：

Title: 各 BERT 版本的参数量
bert-base-uncased: 110 M
bert-large-uncased: 340 M
bert-base-chinese: 110 M
bert-base-multilingual-cased: 110 M

• 语言：只有英语。
• 大小写：不区分大小写，模型卡还说不区分大小写的模型也会去掉重音符号。
• 预期用途：在整句任务上微调。
• 大小：F32 约 440 MB。
• License：apache-2.0。
• Cost to run：没有提到 API 密钥、账号或付费服务。
• Data it reaches：你从 Hugging Face 下载模型，模型卡没有提到别的访问。
• Not for：文本生成，模型卡建议用 GPT2 一类的模型。

Hugging Face 上的数据（2026年11月13日）

• 任务：fill mask
• 框架：transformers
• 参数量：110M
• Weights: about 440 MB in F32; about 55 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：31,346,528
• 点赞：3,071
• 许可证：apache-2.0
• 语言：en
• Quantized versions: 46
• Fine-tunes: 7,254
• 标签：transformers, pytorch, rust, coreml, onnx, safetensors, bert, fill-mask, exbert

链接

• 模型：https://huggingface.co/google-bert/bert-base-uncased
• 文件：https://huggingface.co/google-bert/bert-base-uncased/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download google-bert/bert-base-uncased

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。