Bert是通过在输入中增加（填充）标记来产生可变形状的输出。在进行批处理时，每个批次的输入序列长度是不同的，因此在对较短的序列进行填充时，会在句子末尾添加标记。这些标记在模型的运算中不会产生任何影响，因为它们对应的权重都被设置为零。下面是使用Bert进行填充的代码示例：

import torch
from transformers import BertTokenizer, BertModel

# 初始化Bert模型和分词器
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
model = BertModel.from_pretrained('bert-base-uncased')

# 输入文本
text_batch = ['This is a sentence.', 'This is another sentence which is longer than the first one.']

# 分词并生成输入
encoding = tokenizer(text_batch, return_tensors='pt', padding=True, truncation=True)

# 在Bert模型上运行输入
output = model(input_ids=encoding['input_ids'], attention_mask=encoding['attention_mask'])

# 输出形状
print(output.last_hidden_state.shape)