要提取BERT模型的所有层的值，可以使用Hugging Face的transformers库。下面是一个示例代码：

from transformers import BertModel, BertTokenizer

# 加载预训练的BERT模型和tokenizer
model_name = 'bert-base-uncased'
model = BertModel.from_pretrained(model_name)
tokenizer = BertTokenizer.from_pretrained(model_name)

# 输入文本
text = "Hello, how are you?"

# 使用tokenizer对文本进行编码
input_ids = tokenizer.encode(text, add_special_tokens=True)
input_ids = torch.tensor([input_ids])

# 将输入传递给BERT模型
outputs = model(input_ids)

# 提取所有层的值
all_layer_outputs = outputs[2]

# 打印每个层的输出
for layer_output in all_layer_outputs:
    print(layer_output)

这个代码示例加载了预训练的BERT模型和tokenizer，并对输入文本进行编码。然后，将输入传递给BERT模型，得到模型的输出。outputs[2]返回一个元组，其中包含所有层的输出。您可以使用这些输出进行后续处理或分析。在示例中，我们简单地打印了每个层的输出。

请注意，这个示例代码使用了Hugging Face的transformers库，因此您需要安装该库才能运行代码。您可以使用以下命令安装transformers库：

pip install transformers

确保在运行代码之前已经安装了PyTorch。