在使用Bert Tokenizer时，可以使用padding参数来指定如何进行填充。padding有两个可选项：“max_length”和“longest”，默认值为“max_length”。

如果padding为“max_length”，则在序列的末尾添加0，以使所有序列的长度相同。其中，序列的最大长度是通过tokenizer.encode_plus()函数中设置的max_length参数指定的。

代码示例：

from transformers import BertTokenizer

tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
text = "Hello, welcome to my world."
encoded_dict = tokenizer.encode_plus(text, padding='max_length', max_length=10, return_tensors='pt')

print(encoded_dict['input_ids'])
#outputs: tensor([[ 101, 7592, 1010, 6160, 2000, 2026, 2088, 1012,    0,    0]])

如果padding为“longest”，则将所有序列填充到最长序列的长度，并将短序列前置0以使它们达到相同长度。

代码示例：

from transformers import BertTokenizer

tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
texts = ["Hello, welcome to my world.", "This is your world."]
encoded_dict = tokenizer.batch_encode_plus(texts, padding='longest', return_tensors='pt')

print(encoded_dict['input_ids'])
#outputs: tensor([[  101,  7592,  1010,  6160,  2000,  2026,  2088,  1012,     0,     0],
#                  [  101,  2023,  2003,  2115,  2088,  1012,     0,     0,     0,     0]])