data_512.out

/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:526: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint8 = np.dtype([("qint8", np.int8, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:527: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_quint8 = np.dtype([("quint8", np.uint8, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:528: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint16 = np.dtype([("qint16", np.int16, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:529: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_quint16 = np.dtype([("quint16", np.uint16, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:530: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint32 = np.dtype([("qint32", np.int32, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:535: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  np_resource = np.dtype([("resource", np.ubyte, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: compiletime version 3.6 of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.7
  return f(*args, **kwds)
INFO:tensorflow:*** Reading from input files ***
INFO:tensorflow:  /work1/zzx6320/lh/Projects/Data/Pretraining_Raw_New/O.txt
slurmstepd: error: *** JOB 1531040 ON h06r4n12 CANCELLED AT 2020-02-27T23:42:30 ***
INFO:tensorflow:*** Writing to output files ***
INFO:tensorflow:  /work1/zzx6320/lh/Projects/bert/data/cscd_pre/pre_training_O_512.tfrecord
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 通 过 循 环 伏 安 、 电 [MASK] 学 阻 抗 和 差 分 脉 冲 伏 安 等 手 段 对 所 构 建 传 感 器 的 导 电 性 以 及 pg 分 [MASK] 的 线 性 响 应 、 [MASK] 异 识 别 性 、 检 测 稳 定 性 和 [MASK] 复 [MASK] 等 进 行 了 测 试 与 [MASK] 征 。 结 果 表 明 , 传 感 器 在 pg 浓 度 为 1 ##× [MASK] ~ ( [MASK] 8 ) ~ 1 ##× ##10 ~ ( - 5 ) mo ##l / [MASK] 的 范 围 内 ajax 有 良 好 的 线 ##斛 关 [MASK] , 相 关 系 数 为 0 . 99 ##64 , [MASK] 出 [MASK] 达 2 . 5 ##× ##10 ~ ( - 9 [MASK] mo ##l / [MASK] 。 [SEP] 此 外 , 该 传 感 器 在 实 际 样 ##唯 中 [MASK] pg [MASK] 收 率 为 95 % ~ 98 % 。 [SEP]
INFO:tensorflow:input_ids: 101 6858 6814 2542 4384 826 2128 510 4510 103 2110 7349 2834 1469 2345 1146 5549 1103 826 2128 5023 2797 3667 2190 2792 3354 2456 837 2697 1690 4638 2193 4510 2595 809 1350 12898 1146 103 4638 5296 2595 1510 2418 510 103 2460 6399 1166 2595 510 3466 3844 4937 2137 2595 1469 103 1908 103 5023 6822 6121 749 3844 6407 680 103 2519 511 5310 3362 6134 3209 117 837 2697 1690 1762 12898 3849 2428 711 122 9569 103 172 113 103 129 114 172 122 9569 8311 172 113 118 126 114 11303 8178 120 103 4638 5745 1741 1079 11569 3300 5679 1962 4638 5296 16218 1068 103 117 4685 1068 5143 3144 711 121 119 8238 9165 117 103 1139 103 6809 123 119 126 9569 8311 172 113 118 130 103 11303 8178 120 103 511 102 3634 1912 117 6421 837 2697 1690 1762 2141 7354 3416 14603 704 103 12898 103 3119 4372 711 8287 110 172 8327 110 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 9 38 45 49 57 59 67 85 88 103 108 114 116 128 130 141 145 159 161 163
INFO:tensorflow:masked_lm_ids: 1265 2094 4294 2595 7028 2595 6134 8311 118 154 1072 2595 5143 3466 7361 114 154 1501 4638 1726
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 针 对 一 维 双 流 体 模 [MASK] , 通 过 推 导 双 流 体 模 型 的 [MASK] 力 修 正 方 程 , 及 [MASK] 含 率 修 正 方 程 , 将 原 [MASK] 应 用 于 单 相 [MASK] 可 压 流 动 的 压 力 修 正 [MASK] 列 [MASK] 法 推 广 至 双 流 体 模 型 [MASK] 解 , 提 [MASK] 双 [MASK] 体 模 型 的 压 力 修 正 算 法 . 在 离 [MASK] 过 程 中 运 用 高 阶 有 界 格 式 , 在 保 证 二 阶 以 上 精 度 的 基 础 上 克 服 [MASK] 由 相 [MASK] 率 分 布 的 阶 跃 所 [MASK] 成 的 数 ##拿 结 果 非 物 [MASK] 震 荡 . [SEP] 与 公 开 发 表 算 例 进 行 [MASK] [MASK] , 验 证 求 解 的 可 靠 [MASK] . [SEP]
INFO:tensorflow:input_ids: 101 7151 2190 671 5335 1352 3837 860 3563 103 117 6858 6814 2972 2193 1352 3837 860 3563 1798 4638 103 1213 934 3633 3175 4923 117 1350 103 1419 4372 934 3633 3175 4923 117 2199 1333 103 2418 4500 754 1296 4685 103 1377 1327 3837 1220 4638 1327 1213 934 3633 103 1154 103 3791 2972 2408 5635 1352 3837 860 3563 1798 103 6237 117 2990 103 1352 103 860 3563 1798 4638 1327 1213 934 3633 5050 3791 119 1762 4895 103 6814 4923 704 6817 4500 7770 7348 3300 4518 3419 2466 117 1762 924 6395 753 7348 809 677 5125 2428 4638 1825 4794 677 1046 3302 103 4507 4685 103 4372 1146 2357 4638 7348 6645 2792 103 2768 4638 3144 15954 5310 3362 7478 4289 103 7448 5782 119 102 680 1062 2458 1355 6134 5050 891 6822 6121 103 103 117 7741 6395 3724 6237 4638 1377 7479 103 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 9 21 29 39 45 55 57 67 71 73 87 115 118 126 130 135 146 149 150 159
INFO:tensorflow:masked_lm_ids: 1798 1327 4685 3315 679 5143 5050 3724 1139 3837 3141 749 1419 6863 966 4415 891 2190 3683 2595
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 非 线 性 k ##ir ##ch ##ho ##ff [MASK] 波 动 方 程 描 述 了 竖 直 方 [MASK] 上 ##嗬 波 动 . [SEP] 主 要 从 c [UNK] [MASK] , c [UNK] n , c [MASK] s , c [UNK] o 和 c [UNK] se 键 的 形 成 [MASK] 度 概 括 了 [MASK] [MASK] 啶 配 体 [MASK] 各 种 偶 联 反 [MASK] 中 [MASK] 用 的 研 究 进 展 . [SEP]
INFO:tensorflow:input_ids: 101 7478 5296 2595 153 8977 8370 9570 9049 103 3797 1220 3175 4923 2989 6835 749 4990 4684 3175 103 677 14694 3797 1220 119 102 712 6206 794 145 100 103 117 145 100 156 117 145 103 161 117 145 100 157 1469 145 100 9342 7241 4638 2501 2768 103 2428 3519 2886 749 103 103 1578 6981 860 103 1392 4905 981 5468 1353 103 704 103 4500 4638 4777 4955 6822 2245 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 9 14 20 22 32 39 53 58 59 63 69 71 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_ids: 1798 2989 1403 4638 145 100 6235 5468 1414 1762 2418 2418 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 报 道 了 [MASK] 种 基 于 4 ' - 二 乙 氨 基 黄 酮 醇 、 以 [MASK] 烯 酸 酯 为 半 胱 氨 酸 ( c ##ys ) [MASK] 应 基 团 的 荧 光 增 强 型 探 针 a1 , 对 c ##ys 的 检 测 响 应 快 速 ( 5 [MASK] [MASK] ) , 能 有 效 识 别 区 分 另 dl 两 种 含 [UNK] 基 [MASK] 物 分 子 高 [MASK] 胱 氨 酸 ( h ##cy ) 和 谷 胱 甘 肽 ( gs ##h ) 。 [SEP] 探 针 溶 液 荧 光 强 度 与 [MASK] 入 的 c ##ys 浓 度 呈 线 性 相 关 , 拟 合 方 程 [MASK] [MASK] = 6 . 89 ##4 ##x + 0 . 840 [MASK] ( r ~ 2 = 脲 . 99 ##73 ) , [MASK] [MASK] 限 为 1 × [MASK] ~ ( - 7 ) [MASK] ##l / l 。 [SEP]
INFO:tensorflow:input_ids: 101 2845 6887 749 103 4905 1825 754 125 112 118 753 734 3710 1825 7942 6993 7003 510 809 103 4179 7000 6994 711 1288 5537 3710 7000 113 145 9449 114 103 2418 1825 1730 4638 5786 1045 1872 2487 1798 2968 7151 9454 117 2190 145 9449 4638 3466 3844 1510 2418 2571 6862 113 126 103 103 114 117 5543 3300 3126 6399 1166 1277 1146 1369 11961 697 4905 1419 100 1825 103 4289 1146 2094 7770 103 5537 3710 7000 113 150 8890 114 1469 6484 5537 4491 5512 113 12694 8199 114 511 102 2968 7151 3988 3890 5786 1045 2487 2428 680 103 1057 4638 145 9449 3849 2428 1439 5296 2595 4685 1068 117 2877 1394 3175 4923 103 103 134 127 119 8426 8159 8206 116 121 119 12776 103 113 160 172 123 134 5565 119 8238 9148 114 117 103 103 7361 711 122 190 103 172 113 118 128 114 103 8178 120 154 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 4 10 20 33 59 60 71 77 82 110 122 127 128 133 139 145 151 152 157 163
INFO:tensorflow:masked_lm_ids: 671 118 688 1353 9573 1079 1912 4495 1288 1217 117 711 167 8159 8160 121 3466 3844 8108 11303
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 多 孔 石 墨 稀 是 石 墨 稀 的 一 种 新 型 衍 生 物 , 是 指 在 石 ##蝦 烯 [MASK] 二 维 基 面 上 具 有 纳 米 级 孔 道 [MASK] [MASK] 材 料 [MASK] 由 于 多 [MASK] [MASK] 墨 烯 具 有 优 异 的 [MASK] 化 学 性 能 , 其 [MASK] 多 个 领 域 得 [MASK] [MASK] 泛 的 关 注 。 [SEP] 文 中 主 要 对 多 [MASK] 石 墨 烯 的 [MASK] 些 物 理 化 学 [MASK] 性 [MASK] 制 备 方 [MASK] 和 [MASK] [MASK] 、 以 及 所 涉 及 应 用 领 域 等 方 面 的 研 究 进 展 [MASK] 行 了 [MASK] 结 和 展 望 。 [SEP]
INFO:tensorflow:input_ids: 101 1914 2096 4767 1874 4921 3221 4767 1874 4921 4638 671 4905 3173 1798 6122 4495 4289 117 3221 2900 1762 4767 19133 4179 103 753 5335 1825 7481 677 1072 3300 5287 5101 5277 2096 6887 103 103 3332 3160 103 4507 754 1914 103 103 1874 4179 1072 3300 831 2460 4638 103 1265 2110 2595 5543 117 1071 103 1914 702 7566 1818 2533 103 103 3793 4638 1068 3800 511 102 3152 704 712 6206 2190 1914 103 4767 1874 4179 4638 103 763 4289 4415 1265 2110 103 2595 103 1169 1906 3175 103 1469 103 103 510 809 1350 2792 3868 1350 2418 4500 7566 1818 5023 3175 7481 4638 4777 4955 6822 2245 103 6121 749 103 5310 1469 2245 3307 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 23 25 38 39 42 46 47 55 62 68 69 82 87 93 95 99 101 102 121 124
INFO:tensorflow:masked_lm_ids: 1874 4638 4638 4823 511 2096 4767 4510 1762 1168 2408 2096 671 4294 510 3791 2825 3318 6822 2600
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 其 次 , 引 入 了 弱 诱 [MASK] 的 ( [MASK] , m [MASK] - fu ##zz ##y 凸 空 间 , 满 [MASK] 的 ( l , m ) - fu [MASK] ##y 凸 空 间 , 以 及 诱 导 的 ( l 依 m ) - fu ##zz ##y 凸 空 间 , 并 [MASK] 论 了 这 三 [MASK] 空 [MASK] 的 关 系 。 [SEP] 同 时 考 察 了 体 系 [MASK] 值 及 离 子 强 度 [MASK] 变 [MASK] 对 pa ##ma ##m [MASK] b ##sa hey ##ray 作 用 的 影 响 . [SEP]
INFO:tensorflow:input_ids: 101 1071 3613 117 2471 1057 749 2483 6430 103 4638 113 103 117 155 103 118 9486 9409 8179 1137 4958 7313 117 4007 103 4638 113 154 117 155 114 118 9486 103 8179 1137 4958 7313 117 809 1350 6430 2193 4638 113 154 898 155 114 118 9486 9409 8179 1137 4958 7313 117 2400 103 6389 749 6821 676 103 4958 103 4638 1068 5143 511 102 1398 3198 5440 2175 749 860 5143 103 966 1350 4895 2094 2487 2428 103 1359 103 2190 9519 8404 8175 103 144 8606 13153 10009 868 4500 4638 2512 1510 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 9 12 15 25 34 47 59 64 66 76 79 86 88 93 96 97 0 0 0 0
INFO:tensorflow:masked_lm_ids: 2193 154 114 2231 9409 117 6374 4905 7313 749 9465 4638 1265 680 4685 757 0 0 0 0
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 0.0 0.0 0.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 利 用 xr ##d [MASK] eds 和 fe ##se ##m 对 样 品 的 结 构 和 形 貌 进 行 了 表 [MASK] , 利 用 光 致 [MASK] 光 光 [MASK] [MASK] p ##l ) 研 究 了 样 品 的 [MASK] 光 性 质 . [SEP] 实 验 结 果 表 明 : 1 ) 当 平 均 流 速 大 于 0 . 1 m / s 时 , 相 距 8 cm 的 两 台 ad ##v 之 间 的 空 间 相 关 [MASK] 数 和 时 间 相 关 系 数 基 [MASK] 满 足 相 [MASK] 关 系 , 表 明 [MASK] 假 设 在 河 口 底 边 界 层 具 有 一 定 的 [MASK] [MASK] 性 ; [MASK] ) 空 间 相 关 系 数 的 变 化 反 映 [MASK] 湍 涡 最 大 相 关 尺 度 的 变 化 . 对 于 距 底 20 cm 的 底 边 界 层 [MASK] 涡 , 其 最 [MASK] [MASK] 关 尺 度 的 临 界 值 约 为 [MASK] cm . [SEP]
INFO:tensorflow:input_ids: 101 1164 4500 11165 8168 103 12191 1469 12605 8417 8175 2190 3416 1501 4638 5310 3354 1469 2501 6505 6822 6121 749 6134 103 117 1164 4500 1045 5636 103 1045 1045 103 103 158 8178 114 4777 4955 749 3416 1501 4638 103 1045 2595 6574 119 102 2141 7741 5310 3362 6134 3209 131 122 114 2496 2398 1772 3837 6862 1920 754 121 119 122 155 120 161 3198 117 4685 6655 129 9326 4638 697 1378 9145 8225 722 7313 4638 4958 7313 4685 1068 103 3144 1469 3198 7313 4685 1068 5143 3144 1825 103 4007 6639 4685 103 1068 5143 117 6134 3209 103 969 6392 1762 3777 1366 2419 6804 4518 2231 1072 3300 671 2137 4638 103 103 2595 132 103 114 4958 7313 4685 1068 5143 3144 4638 1359 1265 1353 3216 103 3958 3880 3297 1920 4685 1068 2223 2428 4638 1359 1265 119 2190 754 6655 2419 8113 9326 4638 2419 6804 4518 2231 103 3880 117 1071 3297 103 103 1068 2223 2428 4638 707 4518 966 5276 711 103 9326 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 5 13 24 30 33 34 44 90 100 104 110 125 126 129 139 142 166 171 172 182
INFO:tensorflow:masked_lm_ids: 510 1501 2519 1355 6480 113 1355 5143 3315 5023 11053 1394 4415 123 1265 749 3958 1920 4685 8110
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] [MASK] 浓 硫 酸 改 性 活 性 炭 [ h _ 2 ##so player ##霓 / ac ( cat ) ] 为 催 化 剂 , 在 无 姊 剂 条 件 下 , 取 代 酚 和 乙 酰 乙 酸 甲 [MASK] ( 2 ) 经 pe [MASK] [MASK] 缩 合 反 应 合 成 了 5 个 香 豆 素 衍 生 物 , 其 结 构 经 ~ 1 ##h n ##m ##r , ~ ( 13 ) c [MASK] ##m ##r 和 ir 确 证 。 以 间 甲 酚 ( 1a ) 和 2 合 成 4 [MASK] 7 - [MASK] 甲 基 香 豆 素 [MASK] [MASK] ) 为 例 [MASK] 考 察 原 料 配 比 [ r = n ( 1a ) ∶ ##n ( 2 ) ] 、 反 应 温 ##mporary 、 cat 用 量 及 反 [MASK] 时 间 ##怯 pe ##ch ##mann 反 应 的 影 响 。 [SEP] 本 文 综 述 了 影 响 微 波 等 离 子 体 化 学 [MASK] 相 沉 积 法 制 [MASK] 单 晶 金 刚 石 的 工 艺 参 数 , 并 简 单 介 绍 了 国 内 外 在 单 晶 金 刚 石 制 备 上 的 进 展 , 最 后 对 cv ##d 金 刚 石 单 晶 的 应 用 前 景 [MASK] 行 了 展 望 。 [SEP]
INFO:tensorflow:input_ids: 101 103 3849 4800 7000 3121 2595 3833 2595 4151 138 150 142 123 9974 9075 20513 120 9226 113 10165 114 140 711 998 1265 1177 117 1762 3187 1992 1177 3340 816 678 117 1357 807 6985 1469 734 6995 734 7000 4508 103 113 123 114 5307 9205 103 103 5367 1394 1353 2418 1394 2768 749 126 702 7676 6486 5162 6122 4495 4289 117 1071 5310 3354 5307 172 122 8199 156 8175 8180 117 172 113 8124 114 145 103 8175 8180 1469 12410 4802 6395 511 809 7313 4508 6985 113 11942 114 1469 123 1394 2768 125 103 128 118 103 4508 1825 7676 6486 5162 103 103 114 711 891 103 5440 2175 1333 3160 6981 3683 138 160 134 156 113 11942 114 388 8171 113 123 114 140 510 1353 2418 3946 12392 510 10165 4500 7030 1350 1353 103 3198 7313 15655 9205 8370 10750 1353 2418 4638 2512 1510 511 102 3315 3152 5341 6835 749 2512 1510 2544 3797 5023 4895 2094 860 1265 2110 103 4685 3756 4916 3791 1169 103 1296 3253 7032 1157 4767 4638 2339 5686 1346 3144 117 2400 5042 1296 792 5305 749 1744 1079 1912 1762 1296 3253 7032 1157 4767 1169 1906 677 4638 6822 2245 117 3297 1400 2190 10718 8168 7032 1157 4767 1296 3253 4638 2418 4500 1184 3250 103 6121 749 2245 3307 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 1 15 16 30 45 51 52 68 85 105 108 114 115 119 143 150 153 179 185 234
INFO:tensorflow:masked_lm_ids: 809 142 125 3988 6994 8370 10750 117 156 117 753 113 10667 117 2428 2418 2190 3698 1906 6822
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 采 用 等 温 溶 解 法 研 究 333 . 15 k 体 系 ( k ~ + [MASK] n ##h _ 4 [MASK] + [MASK] / cl ~ [UNK] , so _ 4 ~ ( 2 [UNK] ) - h _ 2 ##o ) 和 ( k ~ + , n ##h _ 4 ~ + / / cl ~ [UNK] , so _ [MASK] ~ ( 2 [UNK] ) - ( ch _ 2 ##oh ) _ 2 - h _ 2 ##o ) [ w ( ( ch _ 2 ##oh ) _ 2 [MASK] = 30 % ] 的 固 液 相 平 衡 关 系 [MASK] 测 定 了 平 衡 溶 液 的 溶 解 度 数 据 及 物 化 [MASK] 质 , 包 括 密 度 、 黏 度 、 折 射 [MASK] 、 ph 。 [SEP] 关 联 [MASK] 是 利 用 壳 模 型 中 每 个 粒 子 数 分 布 下 哈 密 顿 量 的 本 [MASK] 态 作 为 基 矢 。 在 此 基 矢 之 上 , 可 以 很 自 然 地 通 过 考 虑 能 [MASK] 相 对 较 低 的 关 联 基 矢 进 行 相 应 的 截 断 计 算 。 当 所 有 的 关 联 基 矢 都 被 考 虑 时 , 计 算 结 果 回 到 一 般 jj 耦 合 给 出 的 结 果 。 最 后 , 对 关 联 基 下 [MASK] 模 型 [MASK] 计 算 与 标 准 的 壳 模 型 计 算 进 行 了 比 较 , 计 算 结 果 表 明 , 关 [MASK] 基 [MASK] 壳 模 型 ##贛 量 和 波 函 数 [MASK] 着 良 好 的 收 敛 性 , 同 时 表 [MASK] 关 联 基 计 算 的 有 效 性 。 [SEP]
INFO:tensorflow:input_ids: 101 7023 4500 5023 3946 3988 6237 3791 4777 4955 10745 119 8115 153 860 5143 113 153 172 116 103 156 8199 142 125 103 116 103 120 12847 172 100 117 8968 142 125 172 113 123 100 114 118 150 142 123 8167 114 1469 113 153 172 116 117 156 8199 142 125 172 116 120 120 12847 172 100 117 8968 142 103 172 113 123 100 114 118 113 9537 142 123 12355 114 142 123 118 150 142 123 8167 114 138 165 113 113 9537 142 123 12355 114 142 123 103 134 8114 110 140 4638 1743 3890 4685 2398 6130 1068 5143 103 3844 2137 749 2398 6130 3988 3890 4638 3988 6237 2428 3144 2945 1350 4289 1265 103 6574 117 1259 2886 2166 2428 510 7945 2428 510 2835 2198 103 510 9465 511 102 1068 5468 103 3221 1164 4500 1900 3563 1798 704 3680 702 5108 2094 3144 1146 2357 678 1506 2166 7561 7030 4638 3315 103 2578 868 711 1825 4759 511 1762 3634 1825 4759 722 677 117 1377 809 2523 5632 4197 1765 6858 6814 5440 5991 5543 103 4685 2190 6772 856 4638 1068 5468 1825 4759 6822 6121 4685 2418 4638 2779 3171 6369 5050 511 2496 2792 3300 4638 1068 5468 1825 4759 6963 6158 5440 5991 3198 117 6369 5050 5310 3362 1726 1168 671 5663 11095 5453 1394 5314 1139 4638 5310 3362 511 3297 1400 117 2190 1068 5468 1825 678 103 3563 1798 103 6369 5050 680 3403 1114 4638 1900 3563 1798 6369 5050 6822 6121 749 3683 6772 117 6369 5050 5310 3362 6134 3209 117 1068 103 1825 103 1900 3563 1798 19620 7030 1469 3797 1141 3144 103 4708 5679 1962 4638 3119 3137 2595 117 1398 3198 6134 103 1068 5468 1825 6369 5050 4638 3300 3126 2595 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 4 20 25 27 31 67 99 112 129 142 149 171 196 255 258 284 286 290 296 308
INFO:tensorflow:masked_lm_ids: 3946 117 172 120 100 125 114 511 2595 4372 1825 2519 7030 1900 4638 5468 678 5543 3300 3209
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 为 [MASK] 了 解 激 光 诱 导 等 离 子 体 的 演 化 过 程 , 得 到 等 离 子 体 的 相 关 参 量 , 采 用 横 向 激 励 大 [MASK] 压 co _ 2 激 光 器 在 ##dc 物 反 射 面 中 聚 焦 击 穿 空 ##敦 形 成 等 离 子 体 [MASK] 利 用 成 像 光 谱 仪 和 增 强 型 ccd 探 测 器 2012 激 [MASK] 诱 导 等 离 子 体 [MASK] 行 了 时 间 和 空 间 分 辨 的 实 验 分 析 , 取 得 了 [MASK] 光 诱 导 空 气 等 离 子 体 的 时 间 演 化 和 空 间 分 辨 光 谱 。 分 别 利 用 氧 原 子 的 线 状 谱 和 连 续 谱 的 比 值 及 谱 线 半 峰 全 ##檯 计 算 得 到 电 子 温 度 达 到 了 4 ##× ##10 ~ 4 k , 电 子 密 度 在 10 ~ ( 18 ) cm ~ ( - 3 ) 量 级 。 结 果 表 明 , 相 比 于 低 能 量 的 激 光 诱 导 等 离 子 体 的 辐 射 光 谱 , 高 能 量 激 光 诱 导 的 等 [MASK] 子 体 则 向 外 辐 射 [MASK] 很 强 的 连 续 光 谱 , 同 时 , 等 离 子 体 以 激 光 支 持 爆 轰 波 的 形 式 快 速 向 外 [MASK] 胀 , 由 [MASK] 外 围 [MASK] 离 子 体 对 激 光 能 量 的 屏 蔽 作 用 , 等 离 子 体 出 现 了 空 间 分 离 的 现 [MASK] 。 [SEP] 综 述 了 分 子 印 迹 电 化 学 传 感 器 研 究 进 展 , 主 要 对 分 子 印 迹 电 化 学 传 感 器 敏 感 膜 的 制 备 方 法 ( 包 括 原 位 引 发 聚 合 法 [MASK] 表 面 涂 覆 法 、 电 化 学 聚 合 法 、 分 子 自 组 装 法 和 溶 胶 一 凝 胶 法 ) 和 分 子 印 迹 电 [MASK] 学 传 感 器 的 类 型 ( 包 括 电 位 型 、 电 导 [MASK] 、 电 流 型 、 电 容 / 阻 抗 型 和 压 电 型 ) 进 行 了 详 细 介 绍 , 并 对 分 子 印 迹 电 化 学 传 感 器 的 发 展 进 行 了 展 望 ( 引 用 文 献 52 篇 ) 。 [SEP]
INFO:tensorflow:input_ids: 101 711 103 749 6237 4080 1045 6430 2193 5023 4895 2094 860 4638 4028 1265 6814 4923 117 2533 1168 5023 4895 2094 860 4638 4685 1068 1346 7030 117 7023 4500 3566 1403 4080 1225 1920 103 1327 8792 142 123 4080 1045 1690 1762 12251 4289 1353 2198 7481 704 5471 4193 1140 4959 4958 16199 2501 2768 5023 4895 2094 860 103 1164 4500 2768 1008 1045 6480 811 1469 1872 2487 1798 12882 2968 3844 1690 8151 4080 103 6430 2193 5023 4895 2094 860 103 6121 749 3198 7313 1469 4958 7313 1146 6795 4638 2141 7741 1146 3358 117 1357 2533 749 103 1045 6430 2193 4958 3698 5023 4895 2094 860 4638 3198 7313 4028 1265 1469 4958 7313 1146 6795 1045 6480 511 1146 1166 1164 4500 3709 1333 2094 4638 5296 4307 6480 1469 6825 5330 6480 4638 3683 966 1350 6480 5296 1288 2292 1059 16655 6369 5050 2533 1168 4510 2094 3946 2428 6809 1168 749 125 9569 8311 172 125 153 117 4510 2094 2166 2428 1762 8108 172 113 8123 114 9326 172 113 118 124 114 7030 5277 511 5310 3362 6134 3209 117 4685 3683 754 856 5543 7030 4638 4080 1045 6430 2193 5023 4895 2094 860 4638 6781 2198 1045 6480 117 7770 5543 7030 4080 1045 6430 2193 4638 5023 103 2094 860 1156 1403 1912 6781 2198 103 2523 2487 4638 6825 5330 1045 6480 117 1398 3198 117 5023 4895 2094 860 809 4080 1045 3118 2898 4255 6764 3797 4638 2501 2466 2571 6862 1403 1912 103 5515 117 4507 103 1912 1741 103 4895 2094 860 2190 4080 1045 5543 7030 4638 2242 5929 868 4500 117 5023 4895 2094 860 1139 4385 749 4958 7313 1146 4895 4638 4385 103 511 102 5341 6835 749 1146 2094 1313 6839 4510 1265 2110 837 2697 1690 4777 4955 6822 2245 117 712 6206 2190 1146 2094 1313 6839 4510 1265 2110 837 2697 1690 3130 2697 5606 4638 1169 1906 3175 3791 113 1259 2886 1333 855 2471 1355 5471 1394 3791 103 6134 7481 3864 6208 3791 510 4510 1265 2110 5471 1394 3791 510 1146 2094 5632 5299 6163 3791 1469 3988 5540 671 1125 5540 3791 114 1469 1146 2094 1313 6839 4510 103 2110 837 2697 1690 4638 5102 1798 113 1259 2886 4510 855 1798 510 4510 2193 103 510 4510 3837 1798 510 4510 2159 120 7349 2834 1798 1469 1327 4510 1798 114 6822 6121 749 6422 5301 792 5305 117 2400 2190 1146 2094 1313 6839 4510 1265 2110 837 2697 1690 4638 1355 2245 6822 6121 749 2245 3307 113 2471 4500 3152 4346 8247 5063 114 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 2 6 38 47 58 65 81 83 90 109 156 229 237 268 272 275 303 355 389 406
INFO:tensorflow:masked_lm_ids: 749 1045 3698 2837 3698 117 2190 1045 6822 4080 2160 4895 1139 5610 754 5023 6496 510 1265 1798
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] [MASK] [MASK] - 异 丁 基 - 4 - 甲 氧 基 苯 乙 酮 等 为 原 料 , 合 成 了 2 个 含 喹 啉 基 的 苯 甲 酰 胺 化 合 物 。 [SEP] 研 究 ba ##na ##ch 空 间 中 的 四 阶 非 线 性 常 微 分 方 程 两 点 边 值 问 [MASK] u ~ ( ( 4 ) ) ( t ) = a ( t ) f ( t , u ##粧 t ) ) , [UNK] [ 0 , 1 ] , u ( 0 ) = [MASK] ( 1 ) [MASK] u [MASK] ( 0 ) = u ″ ( 1 ) = θ } , [MASK] 解 的 存 在 [MASK] , 其 中 a : [ 0 , 1 ] → ##r [MASK] f : [ 0 , 1 ] × ##e ##→ ##e 连 续 。 通 过 构 造 一 个 特 殊 的 [MASK] , 在 相 应 线 性 微 分 方 程 第 一 特 征 值 的 相 关 条 件 下 , 运 用 凝 聚 映 射 [MASK] 锥 [MASK] 伸 与 锥 压 缩 不 动 [MASK] [MASK] 理 , 获 得 该 问 题 正 解 的 存 在 性 与 多 重 [MASK] 结 果 。 利 用 新 的 非 紧 性 测 度 估 计 技 巧 , 删 去 了 非 线 性 项 f 一 致 连 续 的 要 求 , 即 [MASK] 在 特 殊 的 纯 量 空 间 中 讨 论 , 所 得 到 的 结 果 也 是 新 [MASK] 。 [SEP]
INFO:tensorflow:input_ids: 101 103 103 118 2460 672 1825 118 125 118 4508 3709 1825 5738 734 6993 5023 711 1333 3160 117 1394 2768 749 123 702 1419 1614 1556 1825 4638 5738 4508 6995 5542 1265 1394 4289 511 102 4777 4955 10322 8374 8370 4958 7313 704 4638 1724 7348 7478 5296 2595 2382 2544 1146 3175 4923 697 4157 6804 966 7309 103 163 172 113 113 125 114 114 113 162 114 134 143 113 162 114 148 113 162 117 163 18172 162 114 114 117 100 138 121 117 122 140 117 163 113 121 114 134 103 113 122 114 103 163 103 113 121 114 134 163 346 113 122 114 134 216 171 117 103 6237 4638 2100 1762 103 117 1071 704 143 131 138 121 117 122 140 370 8180 103 148 131 138 121 117 122 140 190 8154 10057 8154 6825 5330 511 6858 6814 3354 6863 671 702 4294 3654 4638 103 117 1762 4685 2418 5296 2595 2544 1146 3175 4923 5018 671 4294 2519 966 4638 4685 1068 3340 816 678 117 6817 4500 1125 5471 3216 2198 103 7238 103 847 680 7238 1327 5367 679 1220 103 103 4415 117 5815 2533 6421 7309 7579 3633 6237 4638 2100 1762 2595 680 1914 7028 103 5310 3362 511 1164 4500 3173 4638 7478 5165 2595 3844 2428 844 6369 2825 2341 117 1160 1343 749 7478 5296 2595 7555 148 671 5636 6825 5330 4638 6206 3724 117 1315 103 1762 4294 3654 4638 5283 7030 4958 7313 704 6374 6389 117 2792 2533 1168 4638 5310 3362 738 3221 3173 103 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 1 2 64 85 102 106 108 114 122 127 140 164 193 195 203 204 206 221 256 278
INFO:tensorflow:masked_lm_ids: 809 123 7579 113 163 134 346 346 3633 2595 117 7238 4638 2861 4157 2137 117 2595 886 4638
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 传 统 的 de ##a 模 型 将 决 策 单 元 简 单 地 [MASK] 为 de ##a 有 效 或 de ##a 无 效 两 [MASK] 类 , 无 [MASK] 实 现 决 策 单 元 的 完 [MASK] 排 序 . [SEP] 为 了 探 索 2 - ( 2 - 羟 基 苯 亚 甲 基 胺 ) - 4 , 6 - 二 羟 基 - 嘧 啶 ( m1 ) 分 子 醇 式 和 酮 式 结 构 互 变 异 构 化 的 反 应 机 理 , 利 用 [MASK] 度 泛 函 理 论 ( d ##ft ) 方 法 , 在 b3 [MASK] ##p / 6 - 311 + g ( d , [MASK] ) 基 组 水 平 上 , 对 m1 化 合 物 异 构 化 反 应 的 势 能 面 进 行 了 研 究 , 在 探 讨 各 种 可 能 的 [MASK] 应 途 径 中 , 发 现 单 体 至 少 有 8 种 异 构 体 和 10 种 过 渡 态 . 结 果 表 明 : 2 - ( 2 - 羟 基 苯 亚 甲 基 胺 [MASK] - 6 - 羟 基 - 4 ( 3 ##h ) 嘧 啶 酮 ( m ##6 ) 不 论 是 单 体 、 与 水 形 成 的 配 合 物 [MASK] 还 是 二 聚 体 , 比 其 相 对 应 的 异 构 体 能 量 低 , 表 明 在 通 常 情 况 下 是 以 m ##6 形 式 稳 定 存 在 的 ; 在 考 察 的 可 能 反 应 途 径 中 , 直 接 进 行 的 分 子 内 质 子 转 移 过 程 需 要 的 活 化 自 由 能 为 143 . 8 k ##j · mo ##l ~ ( - 1 ) , 水 助 催 化 时 , 反 应 的 活 化 自 [MASK] 能 为 38 . 9 [MASK] ##j · mo ##l ~ ( - 1 ) , 二 聚 体 双 [MASK] 子 转 移 [MASK] 活 化 自 由 能 为 0 . 6 k [MASK] · mo ##l ~ ( [MASK] 1 ) , 二 聚 体 双 质 子 转 移 所 需 活 化 自 由 能 最 低 , [MASK] 室 温 下 就 可 以 进 行 , 由 此 可 见 氢 键 在 降 低 反 应 活 化 能 方 面 起 着 重 要 的 作 用 . [SEP]
INFO:tensorflow:input_ids: 101 837 5320 4638 8363 8139 3563 1798 2199 1104 5032 1296 1039 5042 1296 1765 103 711 8363 8139 3300 3126 2772 8363 8139 3187 3126 697 103 5102 117 3187 103 2141 4385 1104 5032 1296 1039 4638 2130 103 2961 2415 119 102 711 749 2968 5164 123 118 113 123 118 5405 1825 5738 762 4508 1825 5542 114 118 125 117 127 118 753 5405 1825 118 1665 1578 113 10211 114 1146 2094 7003 2466 1469 6993 2466 5310 3354 757 1359 2460 3354 1265 4638 1353 2418 3322 4415 117 1164 4500 103 2428 3793 1141 4415 6389 113 146 9002 114 3175 3791 117 1762 12790 103 8187 120 127 118 10256 116 149 113 146 117 103 114 1825 5299 3717 2398 677 117 2190 10211 1265 1394 4289 2460 3354 1265 1353 2418 4638 1232 5543 7481 6822 6121 749 4777 4955 117 1762 2968 6374 1392 4905 1377 5543 4638 103 2418 6854 2520 704 117 1355 4385 1296 860 5635 2208 3300 129 4905 2460 3354 860 1469 8108 4905 6814 3941 2578 119 5310 3362 6134 3209 131 123 118 113 123 118 5405 1825 5738 762 4508 1825 5542 103 118 127 118 5405 1825 118 125 113 124 8199 114 1665 1578 6993 113 155 8158 114 679 6389 3221 1296 860 510 680 3717 2501 2768 4638 6981 1394 4289 103 6820 3221 753 5471 860 117 3683 1071 4685 2190 2418 4638 2460 3354 860 5543 7030 856 117 6134 3209 1762 6858 2382 2658 1105 678 3221 809 155 8158 2501 2466 4937 2137 2100 1762 4638 132 1762 5440 2175 4638 1377 5543 1353 2418 6854 2520 704 117 4684 2970 6822 6121 4638 1146 2094 1079 6574 2094 6760 4919 6814 4923 7444 6206 4638 3833 1265 5632 4507 5543 711 9572 119 129 153 8334 185 11303 8178 172 113 118 122 114 117 3717 1221 998 1265 3198 117 1353 2418 4638 3833 1265 5632 103 5543 711 8218 119 130 103 8334 185 11303 8178 172 113 118 122 114 117 753 5471 860 1352 103 2094 6760 4919 103 3833 1265 5632 4507 5543 711 121 119 127 153 103 185 11303 8178 172 113 103 122 114 117 753 5471 860 1352 6574 2094 6760 4919 2792 7444 3833 1265 5632 4507 5543 3297 856 117 103 2147 3946 678 2218 1377 809 6822 6121 117 4507 3634 1377 6224 3705 7241 1762 7360 856 1353 2418 3833 1265 5543 3175 7481 6629 4708 7028 6206 4638 868 4500 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 16 28 32 41 99 114 125 161 191 203 213 236 337 343 358 362 373 379 401 427
INFO:tensorflow:masked_lm_ids: 1146 1920 3791 1059 2166 8436 158 1353 123 114 8199 117 4507 153 6574 4638 8334 118 1762 6629
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 运 用 随 机 分 析 中 的 广 义 wi ##ene ##r 泛 [MASK] [MASK] 出 at ##i ##ya ##h - si ##nger 指 标 定 理 的 [MASK] 的 随 机 方 法 的 证 明 , 这 一 证 明 [MASK] 形 式 上 是 比 较 自 然 简 [MASK] 的 [MASK] [SEP] [MASK] 义 wi [MASK] ##r 泛 函 由 w ##ata ##na ##be [unused89] 1989 , 1990 ) [MASK] 立 和 运 用 [MASK] [SEP]
INFO:tensorflow:input_ids: 101 6817 4500 7390 3322 1146 3358 704 4638 2408 721 8541 10600 8180 3793 103 103 1139 8243 8169 8741 8199 118 10883 11533 2900 3403 2137 4415 4638 103 4638 7390 3322 3175 3791 4638 6395 3209 117 6821 671 6395 3209 103 2501 2466 677 3221 3683 6772 5632 4197 5042 103 4638 103 102 103 721 8541 103 8180 3793 1141 4507 165 10449 8374 8765 89 8528 117 8431 114 103 4989 1469 6817 4500 103 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 2 15 16 30 44 54 56 58 61 70 75 80 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_ids: 4500 1141 5314 3173 1762 1296 119 2408 10600 113 2456 119 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 讨 论 [MASK] 10 个 区 间 数 排 序 的 可 能 [MASK] [MASK] 式 , 分 析 了 它 们 各 自 [MASK] 特 点 . 从 可 能 沸 的 含 义 ##珍 保 ##next [MASK] 两 个 ##わ 度 指 出 [MASK] 基 于 可 能 度 [MASK] 阵 的 区 间 数 排 序 方 法 有 时 [MASK] 导 出 不 合 [MASK] 的 排 序 结 果 . 通 过 分 析 可 能 [MASK] 矩 阵 与 模 糊 判 断 矩 阵 的 关 系 , 剖 析 了 导 致 这 种 不 合 理 排 序 结 果 ～10 原 因 . [SEP] 最 后 , 利 用 可 能 度 矩 阵 构 [MASK] 一 个 布 尔 矩 阵 , [MASK] 于 布 尔 矩 阵 给 出 一 个 改 icon 的 区 间 数 排 序 算 法 , 并 从 理 论 上 证 明 了 所 提 出 的 排 序 方 法 的 科 学 性 . [SEP]
INFO:tensorflow:input_ids: 101 6374 6389 103 8108 702 1277 7313 3144 2961 2415 4638 1377 5543 103 103 2466 117 1146 3358 749 2124 812 1392 5632 103 4294 4157 119 794 1377 5543 3778 4638 1419 721 17454 924 12397 103 697 702 11940 2428 2900 1139 103 1825 754 1377 5543 2428 103 7347 4638 1277 7313 3144 2961 2415 3175 3791 3300 3198 103 2193 1139 679 1394 103 4638 2961 2415 5310 3362 119 6858 6814 1146 3358 1377 5543 103 4762 7347 680 3563 5128 1161 3171 4762 7347 4638 1068 5143 117 1189 3358 749 2193 5636 6821 4905 679 1394 4415 2961 2415 5310 3362 11115 1333 1728 119 102 3297 1400 117 1164 4500 1377 5543 2428 4762 7347 3354 103 671 702 2357 2209 4762 7347 117 103 754 2357 2209 4762 7347 5314 1139 671 702 3121 9734 4638 1277 7313 3144 2961 2415 5050 3791 117 2400 794 4415 6389 677 6395 3209 749 2792 2990 1139 4638 2961 2415 3175 3791 4638 4906 2110 2595 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 3 14 15 25 32 36 38 39 42 46 52 64 69 82 87 110 117 126 134 145
INFO:tensorflow:masked_lm_ids: 749 2428 1062 4638 2428 1469 2415 2595 6235 117 4762 833 4415 2428 5128 4638 117 6863 1825 6822
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 利 用 具 有 高 比 表 面 积 和 [MASK] 孔 结 [MASK] 的 改 性 铝 土 矿 为 载 体 , 采 用 并 流 共 沉 淀 法 制 备 不 同 fe _ 2 ##o [MASK] 3 含 量 的 [MASK] ##u - fe / 铝 土 矿 催 化 剂 。 [SEP] 当 在 [MASK] 浦 光 能 量 为 128 m ##j 、 重 复 频 率 为 10 h ##z 时 , [MASK] [MASK] t ##hz ##宋 的 调 谐 范 [MASK] 为 0 . 69 ~ [MASK] [MASK] 01 t ##hz , 在 1 . 6 t ##hz 处 [MASK] [MASK] [MASK] ##hz 波 [MASK] 大 平 均 功 率 为 10 . 8 μ [MASK] , 脉 冲 宽 [MASK] 为 10 ns , 对 应 t ##hz [MASK] 能 量 转 换 效 率 为 8 . 43 ##× ##10 ~ ( - 6 [MASK] 理 [SEP]
INFO:tensorflow:input_ids: 101 1164 4500 1072 3300 7770 3683 6134 7481 4916 1469 103 2096 5310 103 4638 3121 2595 7199 1759 4771 711 6770 860 117 7023 4500 2400 3837 1066 3756 3895 3791 1169 1906 679 1398 12605 142 123 8167 103 124 1419 7030 4638 103 8207 118 12605 120 7199 1759 4771 998 1265 1177 511 102 2496 1762 103 3855 1045 5543 7030 711 8848 155 8334 510 7028 1908 7574 4372 711 8108 150 8253 3198 117 103 103 162 8686 15186 4638 6444 6455 5745 103 711 121 119 8419 172 103 103 8146 162 8686 117 1762 122 119 127 162 8686 1905 103 103 103 8686 3797 103 1920 2398 1772 1216 4372 711 8108 119 129 220 103 117 5549 1103 2160 103 711 8108 10593 117 2190 2418 162 8686 103 5543 7030 6760 2940 3126 4372 711 129 119 8250 9569 8311 172 113 118 127 103 4415 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 11 14 41 46 61 81 82 85 90 96 97 109 110 111 114 125 130 139 156 157
INFO:tensorflow:masked_lm_ids: 792 3354 142 145 3808 5815 2533 3797 1741 124 119 5815 2533 162 3297 8220 2428 3797 114 511
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 建 立 了 基 质 匹 配 顶 空 ##嶂 气 相 色 谱 [MASK] 同 时 测 定 纺 织 品 中 n , n - 二 甲 基 甲 酰 胺 ( dm ##f ) 、 ##ere , n - 二 甲 基 乙 酰 胺 [MASK] dm ##ac ) 与 n - 甲 基 吡 咯 烷 酮 [MASK] n [MASK] ) 残 留 。 剪 碎 样 品 后 , 在 190 ℃ 下 加 热 30 min , 使 3 种 溶 剂 在 气 固 两 相 间 达 到 平 [MASK] , 取 顶 空 气 体 进 [MASK] 相 [MASK] 谱 以 氮 磷 [MASK] 测 器 [MASK] 测 。 以 基 体 匹 配 校 正 法 消 除 基 质 效 应 , 以 保 留 时 间 定 性 , 外 标 法 定 量 。 [SEP] dm ##f , dm ##ac , n ##mp 在 0 . 4 ~ [MASK] . 0 [MASK] ##g 范 围 内 线 性 关 系 良 好 ; 3 种 物 质 的 平 均 回 收 率 为 control . 6 % ~ [MASK] . 1 % ; rs ##d ( n [MASK] 6 ) 为 1 . 6 % ~ 3 [MASK] 1 itunes ; dm ##f , dm ##ac 与 n ##mp 方 法 检 出 限 均 为 0 . 5 μ ##g / g 。 [SEP]
INFO:tensorflow:input_ids: 101 2456 4989 749 1825 6574 1276 6981 7553 4958 15379 3698 4685 5682 6480 103 1398 3198 3844 2137 5293 5302 1501 704 156 117 156 118 753 4508 1825 4508 6995 5542 113 10442 8189 114 510 12865 117 156 118 753 4508 1825 734 6995 5542 103 10442 9202 114 680 156 118 4508 1825 1414 1492 4180 6993 103 156 103 114 3655 4522 511 1198 4810 3416 1501 1400 117 1762 8979 360 678 1217 4178 8114 9573 117 886 124 4905 3988 1177 1762 3698 1743 697 4685 7313 6809 1168 2398 103 117 1357 7553 4958 3698 860 6822 103 4685 103 6480 809 3713 4840 103 3844 1690 103 3844 511 809 1825 860 1276 6981 3413 3633 3791 3867 7370 1825 6574 3126 2418 117 809 924 4522 3198 7313 2137 2595 117 1912 3403 3791 2137 7030 511 102 10442 8189 117 10442 9202 117 156 9085 1762 121 119 125 172 103 119 121 103 8181 5745 1741 1079 5296 2595 1068 5143 5679 1962 132 124 4905 4289 6574 4638 2398 1772 1726 3119 4372 711 8809 119 127 110 172 103 119 122 110 132 10610 8168 113 156 103 127 114 711 122 119 127 110 172 124 103 122 9041 132 10442 8189 117 10442 9202 680 156 9085 3175 3791 3466 1139 7361 1772 711 121 119 126 220 8181 120 149 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 10 15 39 49 62 64 98 106 108 113 116 162 165 188 193 198 202 212 214 238
INFO:tensorflow:masked_lm_ids: 118 3791 156 113 113 9085 6130 3698 5682 3466 3466 8195 220 8426 8378 10610 134 119 110 511
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 采 用 β - 环 糊 精 诱 导 sd ##bs 产 生 显 著 增 强 的 激 发 光 谱 信 号 , [MASK] 过 激 发 的 光 谱 信 号 与 sd ##bs 含 量 的 对 应 关 系 定 量 存 在 较 强 干 扰 作 用 时 的 sd ##bs 水 溶 液 。 [SEP] 研 究 结 果 表 明 , β - 环 糊 精 具 有 显 著 提 高 sd ##bs 的 检 测 范 [MASK] 和 检 测 精 度 的 作 用 , 同 [MASK] 具 有 显 著 降 低 三 采 复 配 [MASK] 油 剂 中 sd ##s 、 op - 10 及 hp ##am 等 常 用 组 分 对 sd ##bs 定 量 产 生 的 干 扰 影 响 。 该 方 法 的 定 量 误 差 在 2 . 0 % 以 下 , 检 测 精 度 可 达 10 ~ ( - [MASK] ) ~ [MASK] ~ ( - [MASK] ) [MASK] · l ~ ( - 1 ) 。 在 [MASK] 溶 液 体 系 中 , β - 环 糊 [MASK] 可 自 amazon 与 sd ##bs 形 成 摩 尔 比 为 1 : 1 [MASK] 包 结 物 , 该 包 结 物 的 吉 布 斯 [MASK] 变 δ _ γ ##gm ~ θ ( 298 k [MASK] 为 - 11 . 06 ##4 k ##j · mo ##l ~ ( - 1 ) , 稳 定 常 数 k _ a 为 87 。 结 合 ft ##ir 分 析 推 测 出 sd ##bs 分 子 中 苯 环 基 团 [MASK] 入 β - 环 [MASK] 精 空 腔 内 部 形 成 稳 定 的 包 结 物 , 是 其 产 生 激 发 [MASK] 谱 的 [MASK] 本 原 因 。 [SEP]
INFO:tensorflow:input_ids: 101 7023 4500 211 118 4384 5128 5125 6430 2193 9201 9071 772 4495 3227 5865 1872 2487 4638 4080 1355 1045 6480 928 1384 117 103 6814 4080 1355 4638 1045 6480 928 1384 680 9201 9071 1419 7030 4638 2190 2418 1068 5143 2137 7030 2100 1762 6772 2487 2397 2817 868 4500 3198 4638 9201 9071 3717 3988 3890 511 102 4777 4955 5310 3362 6134 3209 117 211 118 4384 5128 5125 1072 3300 3227 5865 2990 7770 9201 9071 4638 3466 3844 5745 103 1469 3466 3844 5125 2428 4638 868 4500 117 1398 103 1072 3300 3227 5865 7360 856 676 7023 1908 6981 103 3779 1177 704 9201 8118 510 10208 118 8108 1350 8853 8608 5023 2382 4500 5299 1146 2190 9201 9071 2137 7030 772 4495 4638 2397 2817 2512 1510 511 6421 3175 3791 4638 2137 7030 6428 2345 1762 123 119 121 110 809 678 117 3466 3844 5125 2428 1377 6809 8108 172 113 118 103 114 172 103 172 113 118 103 114 103 185 154 172 113 118 122 114 511 1762 103 3988 3890 860 5143 704 117 211 118 4384 5128 103 1377 5632 8954 680 9201 9071 2501 2768 3040 2209 3683 711 122 131 122 103 1259 5310 4289 117 6421 1259 5310 4289 4638 1395 2357 3172 103 1359 213 142 212 11390 172 216 113 10690 153 103 711 118 8111 119 8116 8159 153 8334 185 11303 8178 172 113 118 122 114 117 4937 2137 2382 3144 153 142 143 711 8467 511 5310 1394 12180 8977 1146 3358 2972 3844 1139 9201 9071 1146 2094 704 5738 4384 1825 1730 103 1057 211 118 4384 103 5125 4958 5579 1079 6956 2501 2768 4937 2137 4638 1259 5310 4289 117 3221 1071 772 4495 4080 1355 103 6480 4638 103 3315 1333 1728 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 26 88 99 110 141 167 170 174 176 186 197 200 213 226 237 283 288 299 309 312
INFO:tensorflow:masked_lm_ids: 6858 1741 3198 7721 6421 123 8108 124 9404 3717 5125 1355 1798 1141 114 6822 5128 1259 1045 3418
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 碳 沉 积 效 应 [MASK] 遍 存 [MASK] 于 [MASK] 物 理 实 验 中 , 对 低 遍 核 反 应 实 验 有 很 大 影 响 。 本 工 [MASK] 在 反 应 靶 前 后 加 不 [MASK] 电 压 , 利 用 ~ ( 12 ) c 束 流 持 [MASK] 轰 [MASK] ~ ( [MASK] ) c 靶 , 研 究 了 ~ ( 12 ) c 有 效 厚 度 的 变 化 。 测 量 结 果 表 明 [MASK] 碳 沉 积 量 与 束 流 轰 击 时 间 呈 正 比 。 [SEP] 本 [MASK] 分 析 了 碳 沉 积 [MASK] 成 因 , 研 究 了 降 低 碳 沉 积 效 应 的 有 效 实 验 方 法 , 可 为 [MASK] 关 [MASK] 验 提 供 [MASK] 考 。 [SEP]
INFO:tensorflow:input_ids: 101 4823 3756 4916 3126 2418 103 6881 2100 103 754 103 4289 4415 2141 7741 704 117 2190 856 6881 3417 1353 2418 2141 7741 3300 2523 1920 2512 1510 511 3315 2339 103 1762 1353 2418 7487 1184 1400 1217 679 103 4510 1327 117 1164 4500 172 113 8110 114 145 3338 3837 2898 103 6764 103 172 113 103 114 145 7487 117 4777 4955 749 172 113 8110 114 145 3300 3126 1331 2428 4638 1359 1265 511 3844 7030 5310 3362 6134 3209 103 4823 3756 4916 7030 680 3338 3837 6764 1140 3198 7313 1439 3633 3683 511 102 3315 103 1146 3358 749 4823 3756 4916 103 2768 1728 117 4777 4955 749 7360 856 4823 3756 4916 3126 2418 4638 3300 3126 2141 7741 3175 3791 117 1377 711 103 1068 103 7741 2990 897 103 5440 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 6 9 11 20 34 43 57 59 62 66 75 89 90 99 107 114 123 138 140 144
INFO:tensorflow:masked_lm_ids: 3249 1762 3417 5543 868 1398 5330 1140 8124 117 3300 117 4823 3198 3152 4638 4823 4685 2141 1346
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] [MASK] 超 请 我 转 告 科 恩 , 由 于 [MASK] 书 为 [UNK] 诺 贝 尔 物 理 学 奖 获 得 者 著 作 选 译 [UNK] 丛 书 , 封 [MASK] 就 只 出 现 科 恩 的 中 文 名 字 , 请 他 理 解 。 看 来 是 我 之 前 给 科 恩 的 信 没 有 表 述 清 楚 , 说 成 了 封 面 只 有 他 的 名 [MASK] , [MASK] 致 他 极 为 不 膦 , 并 表 示 如 果 这 样 , 该 书 就 不 能 [MASK] 版 销 售 。 书 是 三 个 人 合 写 的 , 即 使 诺 [MASK] 尔 奖 得 主 只 他 一 人 泽 封 面 上 也 应 注 明 所 有 作 [MASK] 的 名 字 。 [SEP] 用 决 定 系 数 ( r ~ 2 ) 、 校 正 标 准 偏 差 ( rm ##se [MASK] ) 、 预 测 标 准 偏 差 ( rm ##se ##p ) 以 及 最 佳 主 因 子 数 对 模 型 进 行 评 价 , 确 定 最 佳 建 模 方 法 。 [MASK] 果 表 明 : 进 行 特 征 波 段 筛 选 能 够 对 模 型 起 到 优 化 作 用 , 并 提 高 模 型 运 算 速 度 , 其 中 ga - [MASK] ##pl [MASK] 及 ga - si ##pl ##s 优 化 效 果 最 为 明 显 , 在 极 大 减 少 [MASK] 果 醋 总 酸 建 模 变 量 的 [MASK] 时 , 模 型 的 r ~ 2 分 别 达 到 0 [MASK] 98 ##9 和 0 . 98 ##6 , rm ##se ##p 分 别 为 0 . 04 ##2 和 0 . 04 ##4 , 有 效 地 提 高 了 模 型 的 稳 定 性 与 准 [MASK] 度 , 表 明 了 遗 传 [MASK] 法 在 果 醋 品 质 分 析 方 面 的 巨 大 潜 力 。 [SEP]
INFO:tensorflow:input_ids: 101 103 6631 6435 2769 6760 1440 4906 2617 117 4507 754 103 741 711 100 6437 6564 2209 4289 4415 2110 1946 5815 2533 5442 5865 868 6848 6406 100 690 741 117 2196 103 2218 1372 1139 4385 4906 2617 4638 704 3152 1399 2099 117 6435 800 4415 6237 511 4692 3341 3221 2769 722 1184 5314 4906 2617 4638 928 3766 3300 6134 6835 3926 3504 117 6432 2768 749 2196 7481 1372 3300 800 4638 1399 103 117 103 5636 800 3353 711 679 5609 117 2400 6134 4850 1963 3362 6821 3416 117 6421 741 2218 679 5543 103 4276 7218 1545 511 741 3221 676 702 782 1394 1091 4638 117 1315 886 6437 103 2209 1946 2533 712 1372 800 671 782 3813 2196 7481 677 738 2418 3800 3209 2792 3300 868 103 4638 1399 2099 511 102 4500 1104 2137 5143 3144 113 160 172 123 114 510 3413 3633 3403 1114 974 2345 113 10620 8417 103 114 510 7564 3844 3403 1114 974 2345 113 10620 8417 8187 114 809 1350 3297 881 712 1728 2094 3144 2190 3563 1798 6822 6121 6397 817 117 4802 2137 3297 881 2456 3563 3175 3791 511 103 3362 6134 3209 131 6822 6121 4294 2519 3797 3667 5033 6848 5543 1916 2190 3563 1798 6629 1168 831 1265 868 4500 117 2400 2990 7770 3563 1798 6817 5050 6862 2428 117 1071 704 11005 118 103 12569 103 1350 11005 118 10883 12569 8118 831 1265 3126 3362 3297 711 3209 3227 117 1762 3353 1920 1121 2208 103 3362 7005 2600 7000 2456 3563 1359 7030 4638 103 3198 117 3563 1798 4638 160 172 123 1146 1166 6809 1168 121 103 8327 8160 1469 121 119 8327 8158 117 10620 8417 8187 1146 1166 711 121 119 8147 8144 1469 121 119 8147 8159 117 3300 3126 1765 2990 7770 749 3563 1798 4638 4937 2137 2595 680 1114 103 2428 117 6134 3209 749 6890 837 103 3791 1762 3362 7005 1501 6574 1146 3358 3175 7481 4638 2342 1920 4052 1213 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 1 12 35 81 83 89 104 116 121 130 141 167 206 245 247 268 278 292 331 339
INFO:tensorflow:masked_lm_ids: 4374 3634 7481 2099 2193 2643 1139 4638 6564 117 5442 8177 5310 11055 8118 5741 1398 119 4802 5050
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] [MASK] 出 了 一 种 metro ##po ##lis 算 法 与 支 持 [MASK] 量 机 ( s ##vm ) [MASK] 法 ##ste 结 合 的 自 适 应 辅 助 域 方 法 . 利 用 metro ##po ##lis 算 法 生 成 目 标 失 效 域 内 的 条 件 样 本 点 , 并 以 该 过 [MASK] 中 的 [MASK] 选 点 作 为 初 始 训 练 点 训 练 s ##vm 模 型 . 根 据 训 练 得 到 的 s ##vm 模 型 再 自 适 应 地 选 择 一 [MASK] [MASK] 样 本 点 加 入 训 [MASK] 点 集 , [MASK] 对 s ##vm 模 型 进 行 更 新 , 直 [MASK] 满 足 迭 代 终 止 条 件 . [SEP] 以 最 终 得 到 的 s ##vm 模 型 作 为 辅 助 失 效 域 , [MASK] 算 [MASK] 似 失 效 概 率 和 两 [MASK] 条 件 失 效 概 [MASK] . 对 近 似 失 [MASK] 概 率 进 行 修 正 , 使 最 终 得 到 的 目 标 失 效 概 率 渐 进 无 偏 且 更 [MASK] 稳 定 . 算 [MASK] 表 明 该 算 法 具 有 较 好 的 计 算 精 度 [MASK] 效 率 和 鲁 棒 性 . [SEP]
INFO:tensorflow:input_ids: 101 103 1139 749 671 4905 12473 9401 10820 5050 3791 680 3118 2898 103 7030 3322 113 161 10318 114 103 3791 11881 5310 1394 4638 5632 6844 2418 6774 1221 1818 3175 3791 119 1164 4500 12473 9401 10820 5050 3791 4495 2768 4680 3403 1927 3126 1818 1079 4638 3340 816 3416 3315 4157 117 2400 809 6421 6814 103 704 4638 103 6848 4157 868 711 1159 1993 6378 5298 4157 6378 5298 161 10318 3563 1798 119 3418 2945 6378 5298 2533 1168 4638 161 10318 3563 1798 1086 5632 6844 2418 1765 6848 2885 671 103 103 3416 3315 4157 1217 1057 6378 103 4157 7415 117 103 2190 161 10318 3563 1798 6822 6121 3291 3173 117 4684 103 4007 6639 6834 807 5303 3632 3340 816 119 102 809 3297 5303 2533 1168 4638 161 10318 3563 1798 868 711 6774 1221 1927 3126 1818 117 103 5050 103 849 1927 3126 3519 4372 1469 697 103 3340 816 1927 3126 3519 103 119 2190 6818 849 1927 103 3519 4372 6822 6121 934 3633 117 886 3297 5303 2533 1168 4638 4680 3403 1927 3126 3519 4372 3933 6822 3187 974 684 3291 103 4937 2137 119 5050 103 6134 3209 6421 5050 3791 1072 3300 6772 1962 4638 6369 5050 5125 2428 103 3126 4372 1469 7826 3472 2595 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 1 14 21 23 62 65 101 102 109 113 125 154 156 164 170 176 202 207 212 222
INFO:tensorflow:masked_lm_ids: 2990 1403 3175 4685 4923 1906 6956 1146 5298 2400 5635 6369 6818 702 4372 3126 1217 891 3791 510
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:Wrote 2635286 total instances
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:526: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint8 = np.dtype([("qint8", np.int8, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:527: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_quint8 = np.dtype([("quint8", np.uint8, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:528: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint16 = np.dtype([("qint16", np.int16, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:529: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_quint16 = np.dtype([("quint16", np.uint16, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:530: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint32 = np.dtype([("qint32", np.int32, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:535: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  np_resource = np.dtype([("resource", np.ubyte, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: compiletime version 3.6 of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.7
  return f(*args, **kwds)
INFO:tensorflow:*** Reading from input files ***
INFO:tensorflow:  /work1/zzx6320/lh/Projects/Data/Pretraining_Raw_New/P.txt
INFO:tensorflow:*** Writing to output files ***
INFO:tensorflow:  /work1/zzx6320/lh/Projects/bert/data/cscd_pre/pre_training_P_512.tfrecord
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] [MASK] 北 斜 坡 的 滚 动 勘 探 [MASK] 实 , 压 力 系 数 [MASK] 测 结 果 具 有 误 差 [MASK] 、 准 确 [MASK] 高 的 特 点 , 为 深 [MASK] 天 然 气 勘 探 提 供 [MASK] 力 依 据 。 [SEP] 经 过 试 验 发 现 [MASK] 几 害 法 在 运 算 速 度 上 和 [MASK] 边 效 果 上 要 优 于 缓 [MASK] 区 法 , 而 缓 冲 区 法 对 一 条 [MASK] 长 道 [MASK] 的 拟 合 效 果 要 优 于 几 何 法 。 [SEP]
INFO:tensorflow:input_ids: 101 103 1266 3162 1786 4638 4003 1220 1242 2968 103 2141 117 1327 1213 5143 3144 103 3844 5310 3362 1072 3300 6428 2345 103 510 1114 4802 103 7770 4638 4294 4157 117 711 3918 103 1921 4197 3698 1242 2968 2990 897 103 1213 898 2945 511 102 5307 6814 6407 7741 1355 4385 103 1126 2154 3791 1762 6817 5050 6862 2428 677 1469 103 6804 3126 3362 677 6206 831 754 5353 103 1277 3791 117 5445 5353 1103 1277 3791 2190 671 3340 103 7270 6887 103 4638 2877 1394 3126 3362 6206 831 754 1126 862 3791 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 1 10 17 25 29 32 37 45 48 57 59 66 68 77 89 92 0 0 0 0
INFO:tensorflow:masked_lm_ids: 3637 6395 7564 2207 2428 4294 2231 3300 2945 117 862 677 2970 1103 2523 6662 0 0 0 0
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 0.0 0.0 0.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 鄂 尔 多 斯 盆 地 苏 里 格 气 田 上 古 生 界 气 藏 含 气 特 征 复 杂 , 开 发 难 度 大 。 为 此 , 从 充 注 动 力 的 角 度 分 析 了 不 同 区 带 、 不 同 层 位 成 藏 充 注 动 力 的 差 异 性 及 其 对 该 区 气 藏 含 气 性 的 控 [MASK] 作 用 [MASK] 首 先 根 据 该 区 上 古 生 界 气 藏 的 地 [MASK] 特 征 , 建 立 了 气 田 的 充 注 成 藏 模 式 , 认 为 [MASK] 注 动 力 的 主 要 类 型 为 源 储 流 体 势 差 , 其 成 因 为 烃 源 岩 生 烃 增 压 产 生 的 流 体 过 剩 压 力 ; 在 此 基 础 上 采 用 泥 岩 压 [MASK] 的 方 [MASK] 计 算 了 成 藏 期 烃 源 岩 与 储 层 的 流 体 过 剩 [MASK] 力 和 压 差 。 计 算 结 果 [MASK] 明 : 烃 源 岩 [MASK] 流 体 过 剩 压 力 介 于 13 . 0 ~ 22 [MASK] 0 mp ##a , 源 储 之 间 的 流 体 过 剩 压 差 介 于 3 . 5 ~ 9 . 5 mp ##a [MASK] 流 体 过 剩 压 力 从 烃 源 岩 向 储 层 [MASK] 更 外 围 地 层 整 体 呈 逐 渐 减 小 的 趋 势 。 进 一 步 将 典 型 井 烃 源 岩 产 生 的 流 体 过 剩 压 力 、 源 [MASK] 压 差 与 区 域 的 生 烃 强 度 相 比 较 , 发 现 区 域 生 [MASK] 强 度 越 高 , 则 流 体 过 剩 压 [MASK] 与 压 差 就 越 大 , 表 明 成 藏 期 的 充 注 [MASK] 力 越 强 劲 。 [SEP] 认 为 : 充 注 动 力 对 该 区 气 藏 的 含 气 性 具 有 重 要 的 控 制 作 用 , 在 储 层 物 性 、 烃 源 岩 与 储 层 配 置 条 件 基 本 相 [MASK] 的 条 件 下 , 充 注 动 力 越 大 [MASK] 则 储 层 含 气 饱 和 度 越 高 。 [SEP]
INFO:tensorflow:input_ids: 101 6964 2209 1914 3172 4658 1765 5722 7027 3419 3698 4506 677 1367 4495 4518 3698 5966 1419 3698 4294 2519 1908 3325 117 2458 1355 7410 2428 1920 511 711 3634 117 794 1041 3800 1220 1213 4638 6235 2428 1146 3358 749 679 1398 1277 2372 510 679 1398 2231 855 2768 5966 1041 3800 1220 1213 4638 2345 2460 2595 1350 1071 2190 6421 1277 3698 5966 1419 3698 2595 4638 2971 103 868 4500 103 7674 1044 3418 2945 6421 1277 677 1367 4495 4518 3698 5966 4638 1765 103 4294 2519 117 2456 4989 749 3698 4506 4638 1041 3800 2768 5966 3563 2466 117 6371 711 103 3800 1220 1213 4638 712 6206 5102 1798 711 3975 996 3837 860 1232 2345 117 1071 2768 1728 711 4163 3975 2272 4495 4163 1872 1327 772 4495 4638 3837 860 6814 1197 1327 1213 132 1762 3634 1825 4794 677 7023 4500 3799 2272 1327 103 4638 3175 103 6369 5050 749 2768 5966 3309 4163 3975 2272 680 996 2231 4638 3837 860 6814 1197 103 1213 1469 1327 2345 511 6369 5050 5310 3362 103 3209 131 4163 3975 2272 103 3837 860 6814 1197 1327 1213 792 754 8124 119 121 172 8130 103 121 11198 8139 117 3975 996 722 7313 4638 3837 860 6814 1197 1327 2345 792 754 124 119 126 172 130 119 126 11198 8139 103 3837 860 6814 1197 1327 1213 794 4163 3975 2272 1403 996 2231 103 3291 1912 1741 1765 2231 3146 860 1439 6852 3933 1121 2207 4638 6633 1232 511 6822 671 3635 2199 1073 1798 759 4163 3975 2272 772 4495 4638 3837 860 6814 1197 1327 1213 510 3975 103 1327 2345 680 1277 1818 4638 4495 4163 2487 2428 4685 3683 6772 117 1355 4385 1277 1818 4495 103 2487 2428 6632 7770 117 1156 3837 860 6814 1197 1327 103 680 1327 2345 2218 6632 1920 117 6134 3209 2768 5966 3309 4638 1041 3800 103 1213 6632 2487 1226 511 102 6371 711 131 1041 3800 1220 1213 2190 6421 1277 3698 5966 4638 1419 3698 2595 1072 3300 7028 6206 4638 2971 1169 868 4500 117 1762 996 2231 4289 2595 510 4163 3975 2272 680 996 2231 6981 5390 3340 816 1825 3315 4685 103 4638 3340 816 678 117 1041 3800 1220 1213 6632 1920 103 1156 996 2231 1419 3698 7653 1469 2428 6632 7770 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 13 76 79 94 113 147 161 164 182 192 198 212 239 253 291 311 323 339 391 403
INFO:tensorflow:masked_lm_ids: 1367 1169 511 6574 1041 1197 2141 3791 1327 6134 4638 119 117 2772 996 4163 1213 1220 2496 117
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 浅 层 气 是 深 水 钻 井 作 业 面 临 的 主 要 地 质 灾 害 , 做 好 深 水 [MASK] [MASK] 地 质 灾 害 准 [MASK] 预 [MASK] , 能 够 为 合 理 的 钻 井 设 计 提 供 科 学 依 据 , 进 一 步 降 低 深 水 钻 井 的 安 全 风 险 [MASK] 为 现 场 安 [MASK] 作 业 提 供 [MASK] 术 保 障 。 基 于 声 波 在 岩 土 介 质 [MASK] 的 传 播 速 度 特 征 , 开 展 了 深 水 浅 层 地 质 灾 害 声 波 特 征 模 拟 实 验 , 揭 [MASK] 了 海 底 土 中 浅 [MASK] 气 的 [MASK] 在 对 岩 土 中 声 波 传 播 速 度 的 影 响 规 律 , 以 及 [MASK] 层 气 [MASK] [MASK] [MASK] 力 变 化 对 声 波 传 播 速 度 [MASK] 影 响 关 系 , 利 用 模 拟 实 验 结 果 建 立 了 浅 层 气 声 波 识 别 预 测 模 板 。 [SEP] 现 场 应 用 结 果 表 明 , 深 水 浅 层 地 质 [MASK] 害 预 测 模 型 具 有 [MASK] 好 的 适 应 性 , 预 测 精 度 能 够 满 足 深 水 钻 井 设 计 和 现 场 施 工 [MASK] 要 求 , 具 有 很 好 的 推 广 应 用 价 值 。 [SEP]
INFO:tensorflow:input_ids: 101 3840 2231 3698 3221 3918 3717 7183 759 868 689 7481 707 4638 712 6206 1765 6574 4135 2154 117 976 1962 3918 3717 103 103 1765 6574 4135 2154 1114 103 7564 103 117 5543 1916 711 1394 4415 4638 7183 759 6392 6369 2990 897 4906 2110 898 2945 117 6822 671 3635 7360 856 3918 3717 7183 759 4638 2128 1059 7599 7372 103 711 4385 1767 2128 103 868 689 2990 897 103 3318 924 7397 511 1825 754 1898 3797 1762 2272 1759 792 6574 103 4638 837 3064 6862 2428 4294 2519 117 2458 2245 749 3918 3717 3840 2231 1765 6574 4135 2154 1898 3797 4294 2519 3563 2877 2141 7741 117 2999 103 749 3862 2419 1759 704 3840 103 3698 4638 103 1762 2190 2272 1759 704 1898 3797 837 3064 6862 2428 4638 2512 1510 6226 2526 117 809 1350 103 2231 3698 103 103 103 1213 1359 1265 2190 1898 3797 837 3064 6862 2428 103 2512 1510 1068 5143 117 1164 4500 3563 2877 2141 7741 5310 3362 2456 4989 749 3840 2231 3698 1898 3797 6399 1166 7564 3844 3563 3352 511 102 4385 1767 2418 4500 5310 3362 6134 3209 117 3918 3717 3840 2231 1765 6574 103 2154 7564 3844 3563 1798 1072 3300 103 1962 4638 6844 2418 2595 117 7564 3844 5125 2428 5543 1916 4007 6639 3918 3717 7183 759 6392 6369 1469 4385 1767 3177 2339 103 6206 3724 117 1072 3300 2523 1962 4638 2972 2408 2418 4500 817 966 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 25 26 32 34 67 72 77 91 104 121 128 131 151 154 155 156 167 212 220 246
INFO:tensorflow:masked_lm_ids: 3840 2231 4802 3844 117 1059 2825 704 3717 4850 2231 2100 3840 704 4638 1327 4638 4135 2523 4638
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 根 据 [MASK] ##l ##bi 天 线 [MASK] 转 状 态 进 行 参 数 化 建 模 以 实 现 天 线 监 测 [MASK] 理 念 日 益 受 到 招 视 [MASK] 有 望 进 行 全 天 [MASK] [MASK] [MASK] 自 动 监 [MASK] 而 不 影 响 望 远 镜 的 正 常 观 测 运 行 时 间 。 [SEP] 推 测 本 矿 区 斑 岩 型 [MASK] 钼 矿 的 [MASK] 矿 年 龄 与 成 岩 年 龄 盎 本 一 致 , 为 100m [MASK] [MASK] 右 ##ت 早 白 垩 世 晚 期 [MASK] [SEP]
INFO:tensorflow:input_ids: 101 3418 2945 103 8178 9350 1921 5296 103 6760 4307 2578 6822 6121 1346 3144 1265 2456 3563 809 2141 4385 1921 5296 4664 3844 103 4415 2573 3189 4660 1358 1168 2875 6228 103 3300 3307 6822 6121 1059 1921 103 103 103 5632 1220 4664 103 5445 679 2512 1510 3307 6823 7262 4638 3633 2382 6225 3844 6817 6121 3198 7313 511 102 2972 3844 3315 4771 1277 3157 2272 1798 103 7184 4771 4638 103 4771 2399 7977 680 2768 2272 2399 7977 4661 3315 671 5636 117 711 13037 103 103 1381 13430 3193 4635 1806 686 3241 3309 103 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 3 8 26 33 35 42 43 44 48 75 79 88 95 96 98 105 0 0 0 0
INFO:tensorflow:masked_lm_ids: 164 3181 4638 7028 8024 952 510 1059 3844 7198 2768 1825 8139 2340 4638 511 0 0 0 0
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 0.0 0.0 0.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 该 li ##dar 系 统 能 够 反 演 出 秋 季 降 雪 前 本 ↓↓ 污 [MASK] 天 气 背 景 [MASK] 北 京 城 区 上 空 的 大 气 污 染 特 性 和 大 气 边 界 层 高 度 。 [SEP] 带 盐 [MASK] 植 物 黏 [MASK] 悬 浮 颗 粒 物 的 差 异 性 , 在 长 江 口 选 择 了 三 种 盐 沼 植 物 群 落 对 它 们 黏 附 的 颗 粒 物 质 量 1921 行 测 定 , 结 果 表 明 : ( 1 ) 植 物 群 落 距 潮 沟 或 光 滩 越 近 , 生 长 位 置 的 滩 [MASK] 高 程 越 低 , 则 黏 附 颗 粒 物 越 多 [MASK] 而 在 盐 沼 前 缘 单 位 滩 street 面 积 上 植 物 黏 [MASK] 颗 粒 物 的 质 量 以 1 % ~ 3 % / m ( [MASK] 位 水 平 距 离 ) 的 速 率 从 水 体 悬 浮 颗 粒 物 含 量 相 对 较 高 的 盐 沼 外 缘 光 滩 或 潮 沟 向 盐 沼 内 部 减 小 ; ( 2 ) 植 物 黏 附 的 颗 [MASK] 物 量 在 垂 向 上 从 上 到 下 急 剧 增 大 [MASK] 通 常 在 靠 近 滩 面 5 [MASK] 10 cm 的 部 分 植 物 的 黏 附 量 占 植 物 黏 附 总 量 的 三 分 之 一 以 上 ; ( 3 ) 相 邻 群 [MASK] 单 位 滩 地 面 积 的 互 花 米 草 [ ( 220 . 6 ##± ##17 ##2 . 7 ) [MASK] / m ~ 2 ] 的 总 黏 附 量 明 显 多 于 芦 苇 [ ( 64 . 9 ##± ##38 . 1 ) g / m ~ 2 ] 和 海 三 棱 [UNK] 草 [ ( 45 . 2 ##± ##31 . 7 ) g / m ~ 2 ] , 而 按 单 位 生 物 量 来 说 单 位 滩 地 面 积 ん 三 种 盐 沼 [MASK] 物 黏 附 的 颗 粒 物 以 海 三 棱 [UNK] 草 最 多 [ ( 150 . 5 ##± ##13 ##4 . 8 ) g / kg ] , 芦 苇 最 少 [ ( 28 . 8 ##± ##22 . 8 ) g / kg ] , 互 花 米 草 介 于 两 者 之 间 [ ( 57 . 5 ##± ##32 . 9 ) g / kg ] ; ( 4 ) 海 三 棱 [UNK] 草 的 黏 附 量 在 [MASK] 节 上 差 异 性 明 显 , 秋 初 [MASK] 9 月 ) 是 春 末 ( 5 月 ) 的 6 倍 , 在 冬 季 该 植 物 消 失 , 其 黏 附 颗 粒 物 的 功 能 也 [SEP]
INFO:tensorflow:input_ids: 101 6421 9341 12354 5143 5320 5543 1916 1353 4028 1139 4904 2108 7360 7434 1184 3315 12558 3738 103 1921 3698 5520 3250 103 1266 776 1814 1277 677 4958 4638 1920 3698 3738 3381 4294 2595 1469 1920 3698 6804 4518 2231 7770 2428 511 102 2372 4663 103 3490 4289 7945 103 2647 3859 7578 5108 4289 4638 2345 2460 2595 117 1762 7270 3736 1366 6848 2885 749 676 4905 4663 3781 3490 4289 5408 5862 2190 2124 812 7945 7353 4638 7578 5108 4289 6574 7030 10033 6121 3844 2137 117 5310 3362 6134 3209 131 113 122 114 3490 4289 5408 5862 6655 4060 3765 2772 1045 4013 6632 6818 117 4495 7270 855 5390 4638 4013 103 7770 4923 6632 856 117 1156 7945 7353 7578 5108 4289 6632 1914 103 5445 1762 4663 3781 1184 5357 1296 855 4013 9471 7481 4916 677 3490 4289 7945 103 7578 5108 4289 4638 6574 7030 809 122 110 172 124 110 120 155 113 103 855 3717 2398 6655 4895 114 4638 6862 4372 794 3717 860 2647 3859 7578 5108 4289 1419 7030 4685 2190 6772 7770 4638 4663 3781 1912 5357 1045 4013 2772 4060 3765 1403 4663 3781 1079 6956 1121 2207 132 113 123 114 3490 4289 7945 7353 4638 7578 103 4289 7030 1762 1795 1403 677 794 677 1168 678 2593 1196 1872 1920 103 6858 2382 1762 7479 6818 4013 7481 126 103 8108 9326 4638 6956 1146 3490 4289 4638 7945 7353 7030 1304 3490 4289 7945 7353 2600 7030 4638 676 1146 722 671 809 677 132 113 124 114 4685 6943 5408 103 1296 855 4013 1765 7481 4916 4638 757 5709 5101 5770 138 113 8796 119 127 13353 8408 8144 119 128 114 103 120 155 172 123 140 4638 2600 7945 7353 7030 3209 3227 1914 754 5701 5719 138 113 8308 119 130 13353 9137 119 122 114 149 120 155 172 123 140 1469 3862 676 3482 100 5770 138 113 8208 119 123 13353 8805 119 128 114 149 120 155 172 123 140 117 5445 2902 1296 855 4495 4289 7030 3341 6432 1296 855 4013 1765 7481 4916 585 676 4905 4663 3781 103 4289 7945 7353 4638 7578 5108 4289 809 3862 676 3482 100 5770 3297 1914 138 113 8269 119 126 13353 8679 8159 119 129 114 149 120 9515 140 117 5701 5719 3297 2208 138 113 8143 119 129 13353 8683 119 129 114 149 120 9515 140 117 757 5709 5101 5770 792 754 697 5442 722 7313 138 113 8272 119 126 13353 8709 119 130 114 149 120 9515 140 132 113 125 114 3862 676 3482 100 5770 4638 7945 7353 7030 1762 103 5688 677 2345 2460 2595 3209 3227 117 4904 1159 103 130 3299 114 3221 3217 3314 113 126 3299 114 4638 127 945 117 1762 1100 2108 6421 3490 4289 3867 1927 117 1071 7945 7353 7578 5108 4289 4638 1216 5543 738 102
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
INFO:tensorflow:masked_lm_positions: 17 19 24 50 54 91 123 137 147 154 170 221 236 245 278 301 372 377 466 477
INFO:tensorflow:masked_lm_ids: 3613 3381 678 3781 7353 6822 7481 117 1765 7353 1296 5108 117 172 5862 149 677 3490 2108 113
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 基 于 临 界 慢 化 理 论 [MASK] 以 2013 年 7 月 22 日 [MASK] 肃 岷 县 [UNK] 漳 县 m [MASK] s6 . 6 地 震 前 南 北 构 造 带 及 邻 [MASK] 水 氡 浓 度 观 测 资 料 为 例 , [MASK] 一 计 算 了 表 征 临 界 慢 化 现 象 的 [MASK] 相 关 系 数 和 方 差 。 [SEP] 研 究 结 果 表 明 , 2013 年 岷 县 [UNK] 漳 县 m _ s6 . 6 地 震 前 , [MASK] 个 台 点 水 氡 浓 度 资 料 表 现 出 较 明 [MASK] 的 临 [MASK] 慢 化 [MASK] 象 , 且 出 现 慢 化 现 象 的 观 测 点 空 间 分 布 具 有 一 定 丛 集 性 , 慢 化 持 续 时 间 呈 [MASK] [MASK] 由 南 向 北 迁 移 的 [MASK] 征 。 综 合 分 析 认 为 , 临 界 慢 化 方 法 可 以 有 效 识 别 水 氡 资 料 蕴 含 [MASK] 慢 化 信 息 , 这 些 早 期 异 常 [MASK] 号 对 判 定 前 兆 异 常 所 处 阶 段 以 及 深 入 理 解 前 兆 资 料 变 化 的 物 理 [MASK] 涵 具 有 重 要 的 科 学 意 义 。 [SEP]
INFO:tensorflow:input_ids: 101 1825 754 707 4518 2714 1265 4415 6389 103 809 8138 2399 128 3299 8130 3189 103 5484 2278 1344 100 4040 1344 155 103 10470 119 127 1765 7448 1184 1298 1266 3354 6863 2372 1350 6943 103 3717 3704 3849 2428 6225 3844 6598 3160 711 891 117 103 671 6369 5050 749 6134 2519 707 4518 2714 1265 4385 6496 4638 103 4685 1068 5143 3144 1469 3175 2345 511 102 4777 4955 5310 3362 6134 3209 117 8138 2399 2278 1344 100 4040 1344 155 142 10470 119 127 1765 7448 1184 117 103 702 1378 4157 3717 3704 3849 2428 6598 3160 6134 4385 1139 6772 3209 103 4638 707 103 2714 1265 103 6496 117 684 1139 4385 2714 1265 4385 6496 4638 6225 3844 4157 4958 7313 1146 2357 1072 3300 671 2137 690 7415 2595 117 2714 1265 2898 5330 3198 7313 1439 103 103 4507 1298 1403 1266 6810 4919 4638 103 2519 511 5341 1394 1146 3358 6371 711 117 707 4518 2714 1265 3175 3791 1377 809 3300 3126 6399 1166 3717 3704 6598 3160 5943 1419 103 2714 1265 928 2622 117 6821 763 3193 3309 2460 2382 103 1384 2190 1161 2137 1184 1042 2460 2382 2792 1905 7348 3667 809 1350 3918 1057 4415 6237 1184 1042 6598 3160 1359 1265 4638 4289 4415 103 3891 1072 3300 7028 6206 4638 4906 2110 2692 721 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 9 17 20 25 39 51 65 98 113 116 119 139 142 152 153 161 189 201 227 229
INFO:tensorflow:masked_lm_ids: 117 4491 1344 142 1277 6852 5632 8108 3227 4518 4385 671 7415 4385 1139 4294 4638 928 4289 1079
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 研 究 认 为 , 窑 沟 - 下 拉 地 铅 锌 成 [MASK] 带 是 在 晚 古 生 代 中 期 伸 展 构 [MASK] 体 制 [MASK] 的 [MASK] 物 [MASK] 构 造 控 矿 在 该 区 [MASK] 要 表 现 在 裂 陷 期 断 裂 对 成 岩 成 矿 的 控 制 上 , [MASK] 据 时 间 [MASK] 接 关 系 [MASK] 不 同 时 段 构 造 控 矿 侧 重 点 [MASK] 同 , 可 将 [MASK] 造 控 [MASK] 分 为 [MASK] 期 四 方 面 : 即 构 造 - 含 矿 地 层 沉 积 、 构 造 - 基 性 火 山 活 动 及 矿 化 、 构 造 [MASK] 次 火 山 作 用 与 成 矿 和 区 域 构 造 演 化 对 成 矿 [MASK] 控 制 。 [SEP] 这 些 认 识 [MASK] 腰 路 湾 铅 锌 工 业 矿 体 的 发 现 过 程 中 得 以 很 好 应 用 , 故 深 入 研 究 构 造 [MASK] 矿 规 律 [MASK] 该 区 地 质 找 矿 十 分 重 要 。 [SEP]
INFO:tensorflow:input_ids: 101 4777 4955 6371 711 117 4965 3765 118 678 2861 1765 7192 7227 2768 103 2372 3221 1762 3241 1367 4495 807 704 3309 847 2245 3354 103 860 1169 103 4638 103 4289 103 3354 6863 2971 4771 1762 6421 1277 103 6206 6134 4385 1762 6162 7379 3309 3171 6162 2190 2768 2272 2768 4771 4638 2971 1169 677 117 103 2945 3198 7313 103 2970 1068 5143 103 679 1398 3198 3667 3354 6863 2971 4771 904 7028 4157 103 1398 117 1377 2199 103 6863 2971 103 1146 711 103 3309 1724 3175 7481 131 1315 3354 6863 118 1419 4771 1765 2231 3756 4916 510 3354 6863 118 1825 2595 4125 2255 3833 1220 1350 4771 1265 510 3354 6863 103 3613 4125 2255 868 4500 680 2768 4771 1469 1277 1818 3354 6863 4028 1265 2190 2768 4771 103 2971 1169 511 102 6821 763 6371 6399 103 5587 6662 3968 7192 7227 2339 689 4771 860 4638 1355 4385 6814 4923 704 2533 809 2523 1962 2418 4500 117 3125 3918 1057 4777 4955 3354 6863 103 4771 6226 2526 103 6421 1277 1765 6574 2823 4771 1282 1146 7028 6206 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 6 15 28 31 33 35 43 63 67 71 83 88 91 94 124 126 145 154 184 188
INFO:tensorflow:masked_lm_ids: 4965 4771 6863 678 772 117 712 3418 2824 1469 679 3354 4771 676 3354 118 4638 1762 2971 2190
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 依 [MASK] 一 系 列 样 品 的 测 试 数 据 , 对 河 南 省 栾 川 县 冷 水 北 沟 铅 锌 ##鬚 矿 床 同 位 [MASK] 地 球 化 学 特 征 进 行 分 [MASK] 研 究 , 以 反 映 东 秦 岭 铅 锌 银 矿 床 成 矿 系 [MASK] 中 的 元 素 变 化 规 律 , 主 要 分 析 了 矿 床 的 成 矿 物 质 来 源 、 [MASK] 矿 热 液 的 组 成 以 及 成 矿 环 境 的 变 化 等 . [SEP] 利 用 石 英 ~ ( 40 [MASK] ar - [MASK] ( 39 ) ar 年 [MASK] 测 [MASK] , 求 得 矿 床 含 银 铅 锌 石 英 脉 是 燕 山 晚 期 [MASK] 矿 [MASK] 程 中 的 产 物 , 这 在 找 矿 实 [MASK] 中 具 有 较 [MASK] 的 利 用 价 值 . [SEP]
INFO:tensorflow:input_ids: 101 898 103 671 5143 1154 3416 1501 4638 3844 6407 3144 2945 117 2190 3777 1298 4689 3421 2335 1344 1107 3717 1266 3765 7192 7227 20837 4771 2414 1398 855 103 1765 4413 1265 2110 4294 2519 6822 6121 1146 103 4777 4955 117 809 1353 3216 691 4912 2275 7192 7227 7213 4771 2414 2768 4771 5143 103 704 4638 1039 5162 1359 1265 6226 2526 117 712 6206 1146 3358 749 4771 2414 4638 2768 4771 4289 6574 3341 3975 510 103 4771 4178 3890 4638 5299 2768 809 1350 2768 4771 4384 1862 4638 1359 1265 5023 119 102 1164 4500 4767 5739 172 113 8164 103 8673 118 103 113 8240 114 8673 2399 103 3844 103 117 3724 2533 4771 2414 1419 7213 7192 7227 4767 5739 5549 3221 4242 2255 3241 3309 103 4771 103 4923 704 4638 772 4289 117 6821 1762 2823 4771 2141 103 704 1072 3300 6772 103 4638 1164 4500 817 966 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 2 7 14 27 32 42 60 76 85 94 97 111 114 116 120 122 140 142 154 159
INFO:tensorflow:masked_lm_ids: 2945 1501 2190 7213 5162 3358 5320 2414 2768 2768 1862 114 172 8240 7977 2137 2768 6814 6664 7770
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 甲 马 c ##u 多 金 属 矿 床 p ##b 同 位 素 组 成 具 幔 源 和 造 山 带 两 个 端 元 , 推 测 除 新 生 下 地 壳 [MASK] 区 提 供 成 矿 物 质 外 [MASK] 叶 巴 组 火 山 岩 也 提 供 了 部 分 [MASK] 矿 癌 质 . [SEP] 采 用 野 外 地 质 点 观 察 、 [MASK] 相 分 析 及 碎 屑 锆 石 u [MASK] p ##b 定 年 方 法 , 对 雅 鲁 藏 布 江 缝 合 带 东 段 南 侧 的 朗 县 白 垩 纪 混 杂 岩 ( kl ) 进 行 研 究 [MASK] 分 析 结 果 显 示 , 以 乃 东 - 金 东 - 莫 洛 断 [MASK] 为 界 , 该 [MASK] 裂 南 侧 具 有 以 板 岩 / 千 枚 岩 ##蒋 主 [MASK] 砂 岩 、 粉 砂 岩 的 特 征 , 属 于 海 底 扇 沉 积 , 其 碎 屑 锆 石 年 龄 谱 有 230 ##ma 和 530 ##ma 2 个 峰 [MASK] , 与 南 部 的 上 三 叠 统 复 理 石 郎 杰 学 群 极 其 相 似 ; 而 该 断 裂 北 侧 狭 长 地 带 的 kl 则 主 要 为 陆 棚 相 板 [MASK] 与 大 理 岩 , 属 于 拉 萨 南 缘 沉 积 。 为 此 认 为 , 南 部 主 体 属 于 上 三 叠 统 郎 杰 学 群 , 暗 示 印 度 大 陆 与 欧 亚 大 陆 在 西 藏 东 南 部 的 缝 合 碰 [MASK] 边 界 可 能 是 乃 东 - 金 [MASK] - 莫 洛 断 裂 , 而 不 是 北 侧 的 泽 当 - 加 查 - 朗 拉 岗 则 [MASK] 裂 或 南 侧 的 乃 东 - 曲 松 - 白 露 断 裂 。 [SEP]
INFO:tensorflow:input_ids: 101 4508 7716 145 8207 1914 7032 2247 4771 2414 158 8204 1398 855 5162 5299 2768 1072 2390 3975 1469 6863 2255 2372 697 702 4999 1039 117 2972 3844 7370 3173 4495 678 1765 1900 103 1277 2990 897 2768 4771 4289 6574 1912 103 1383 2349 5299 4125 2255 2272 738 2990 897 749 6956 1146 103 4771 4617 6574 119 102 7023 4500 7029 1912 1765 6574 4157 6225 2175 510 103 4685 1146 3358 1350 4810 2244 7223 4767 163 103 158 8204 2137 2399 3175 3791 117 2190 7414 7826 5966 2357 3736 5361 1394 2372 691 3667 1298 904 4638 3306 1344 4635 1806 5279 3921 3325 2272 113 13289 114 6822 6121 4777 4955 103 1146 3358 5310 3362 3227 4850 117 809 718 691 118 7032 691 118 5811 3821 3171 103 711 4518 117 6421 103 6162 1298 904 1072 3300 809 3352 2272 120 1283 3361 2272 18939 712 103 4773 2272 510 5106 4773 2272 4638 4294 2519 117 2247 754 3862 2419 2794 3756 4916 117 1071 4810 2244 7223 4767 2399 7977 6480 3300 9111 8404 1469 10830 8404 123 702 2292 103 117 680 1298 6956 4638 677 676 1363 5320 1908 4415 4767 6947 3345 2110 5408 3353 1071 4685 849 132 5445 6421 3171 6162 1266 904 4325 7270 1765 2372 4638 13289 1156 712 6206 711 7355 3476 4685 3352 103 680 1920 4415 2272 117 2247 754 2861 5855 1298 5357 3756 4916 511 711 3634 6371 711 117 1298 6956 712 860 2247 754 677 676 1363 5320 6947 3345 2110 5408 117 3266 4850 1313 2428 1920 7355 680 3616 762 1920 7355 1762 6205 5966 691 1298 6956 4638 5361 1394 4821 103 6804 4518 1377 5543 3221 718 691 118 7032 103 118 5811 3821 3171 6162 117 5445 679 3221 1266 904 4638 3813 2496 118 1217 3389 118 3306 2861 2266 1156 103 6162 2772 1298 904 4638 718 691 118 3289 3351 118 4635 7463 3171 6162 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 37 46 49 59 61 74 75 85 119 122 140 145 158 160 162 196 238 294 304 327
INFO:tensorflow:masked_lm_ids: 3975 117 5299 2768 4289 510 2272 118 6121 511 6162 3171 711 1931 2272 966 2272 3058 691 3171
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 地 震 [MASK] 坡 ##緒 [MASK] 灾 害 给 我 国 西 南 山 区 人 民 的 生 [MASK] 和 财 产 造 成 了 巨 大 的 损 [MASK] 。 [SEP] 目 前 [MASK] 扰 动 条 件 下 的 滑 坡 岩 土 体 变 形 破 坏 特 征 ##齋 残 余 强 度 的 影 响 规 律 研 [MASK] 不 够 深 入 [MASK] 尤 [MASK] 是 振 动 参 数 对 残 余 [MASK] 体 强 度 影 响 排 序 方 面 更 是 未 形 成 有 效 参 考 资 料 。 基 于 室 内 [MASK] [MASK] 轴 试 验 制 备 了 [MASK] 组 非 饱 和 土 [MASK] , 采 用 正 交 设 计 方 法 , 通 过 改 变 振 幅 、 振 动 频 [MASK] 和 振 动 周 次 , 分 析 了 扰 动 对 滑 坡 土 体 剪 切 强 [MASK] 的 影 响 规 律 。 [SEP]
INFO:tensorflow:input_ids: 101 1765 7448 103 1786 18276 103 4135 2154 5314 2769 1744 6205 1298 2255 1277 782 3696 4638 4495 103 1469 6568 772 6863 2768 749 2342 1920 4638 2938 103 511 102 4680 1184 103 2817 1220 3340 816 678 4638 3998 1786 2272 1759 860 1359 2501 4788 1776 4294 2519 21026 3655 865 2487 2428 4638 2512 1510 6226 2526 4777 103 679 1916 3918 1057 103 2215 103 3221 2920 1220 1346 3144 2190 3655 865 103 860 2487 2428 2512 1510 2961 2415 3175 7481 3291 3221 3313 2501 2768 3300 3126 1346 5440 6598 3160 511 1825 754 2147 1079 103 103 6766 6407 7741 1169 1906 749 103 5299 7478 7653 1469 1759 103 117 7023 4500 3633 769 6392 6369 3175 3791 117 6858 6814 3121 1359 2920 2388 510 2920 1220 7574 103 1469 2920 1220 1453 3613 117 1146 3358 749 2817 1220 2190 3998 1786 1759 860 1198 1147 2487 103 4638 2512 1510 6226 2526 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 3 5 6 20 31 36 54 58 65 70 72 74 81 107 108 115 121 142 162 165
INFO:tensorflow:masked_lm_ids: 3998 3613 4495 1462 1927 2190 1469 2428 4955 117 1071 2920 1759 1220 676 1914 3416 4372 2428 1510
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 基 于 [MASK] 测 值 域 双 差 残 差 恒 星 日 滤 波 方 法 [MASK] 除 [MASK] 路 径 虹 差 , 利 [MASK] [MASK] 先 计 算 的 前 一 天 观 [MASK] 卫 星 双 差 残 差 并 进 行 彦 噪 处 理 , 根 据 各 自 卫 [MASK] 周 日 重 [MASK] 性 改 正 到 第 二 任 对 应 时 [MASK] 的 [MASK] 差 观 测 方 程 中 [MASK] 得 到 剔 除 多 [MASK] 径 误 差 后 的 [UNK] [MASK] 净 [UNK] 双 差 观 测 值 , 最 后 解 算 基 线 信 息 。 [SEP] 对 此 , 重 点 研 [MASK] 了 非 因 果 滤 波 器 和 算 子 外 推 两 大 技 术 , 提 [MASK] 了 一 种 基 于 算 子 外 推 的 非 因 果 滤 波 技 术 . [SEP]
INFO:tensorflow:input_ids: 101 1825 754 103 3844 966 1818 1352 2345 3655 2345 2608 3215 3189 4009 3797 3175 3791 103 7370 103 6662 2520 6004 2345 117 1164 103 103 1044 6369 5050 4638 1184 671 1921 6225 103 1310 3215 1352 2345 3655 2345 2400 6822 6121 2504 1692 1905 4415 117 3418 2945 1392 5632 1310 103 1453 3189 7028 103 2595 3121 3633 1168 5018 753 818 2190 2418 3198 103 4638 103 2345 6225 3844 3175 4923 704 103 2533 1168 1188 7370 1914 103 2520 6428 2345 1400 4638 100 103 1112 100 1352 2345 6225 3844 966 117 3297 1400 6237 5050 1825 5296 928 2622 511 102 2190 3634 117 7028 4157 4777 103 749 7478 1728 3362 4009 3797 1690 1469 5050 2094 1912 2972 697 1920 2825 3318 117 2990 103 749 671 4905 1825 754 5050 2094 1912 2972 4638 7478 1728 3362 4009 3797 2825 3318 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 3 18 20 21 23 27 28 37 47 57 61 68 72 74 81 87 94 119 134 138
INFO:tensorflow:masked_lm_ids: 6225 3867 1914 6662 6428 4500 752 3844 1343 3215 1908 1921 1174 1352 117 6662 2397 4955 2825 1139
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 利 用 nc ##ep / nc ##ar ##r ##2 逐 日 再 分 析 资 料 和 西 南 地 区 气 象 台 站 逐 日 气 温 资 料 , 通 过 带 通 滤 波 、 小 波 分 析 、 相 关 分 析 和 合 成 分 析 等 统 计 方 法 , 研 究 了 2010 年 [MASK] 亚 冬 季 风 月 内 尺 度 振 荡 ウ 征 及 其 与 西 南 地 区 冬 季 [MASK] 温 的 联 系 。 结 果 表 明 , 2010 年 东 亚 冬 季 风 在 ##较 内 时 间 尺 度 上 主 要 存 在 7 天 左 右 、 12 [MASK] [MASK] 右 以 及 30 天 左 右 为 主 要 ##栩 荡 [MASK] 期 的 低 频 振 荡 。 [SEP] 东 亚 冬 季 风 月 内 [MASK] 度 , 准 1 周 、 准 2 周 时 间 尺 度 内 的 振 荡 特 征 可 以 很 好 指 示 出 同 期 西 南 地 区 较 强 [MASK] 低 温 过 程 , 且 在 准 2 周 尺 度 比 准 1 周 尺 度 对 西 南 地 [MASK] 冬 季 低 温 的 影 响 更 明 显 。 月 内 尺 度 、 准 1 [MASK] 、 准 2 周 尺 度 上 东 [MASK] 冬 季 风 [MASK] 、 负 位 相 时 , 无 论 是 对 流 层 高 层 、 中 层 、 低 层 环 流 场 分 布 形 势 均 有 显 著 差 别 [MASK] 当 东 亚 冬 季 风 正 位 相 时 对 流 层 从 高 层 到 低 层 环 流 场 形 势 均 有 利 于 西 南 地 区 冬 季 低 温 , 而 负 位 相 时 环 [MASK] 形 势 相 反 , 不 利 于 西 南 地 区 低 温 。 [SEP]
INFO:tensorflow:input_ids: 101 1164 4500 12394 11613 120 12394 8458 8180 8144 6852 3189 1086 1146 3358 6598 3160 1469 6205 1298 1765 1277 3698 6496 1378 4991 6852 3189 3698 3946 6598 3160 117 6858 6814 2372 6858 4009 3797 510 2207 3797 1146 3358 510 4685 1068 1146 3358 1469 1394 2768 1146 3358 5023 5320 6369 3175 3791 117 4777 4955 749 8166 2399 103 762 1100 2108 7599 3299 1079 2223 2428 2920 5782 593 2519 1350 1071 680 6205 1298 1765 1277 1100 2108 103 3946 4638 5468 5143 511 5310 3362 6134 3209 117 8166 2399 691 762 1100 2108 7599 1762 19829 1079 3198 7313 2223 2428 677 712 6206 2100 1762 128 1921 2340 1381 510 8110 103 103 1381 809 1350 8114 1921 2340 1381 711 712 6206 16471 5782 103 3309 4638 856 7574 2920 5782 511 102 691 762 1100 2108 7599 3299 1079 103 2428 117 1114 122 1453 510 1114 123 1453 3198 7313 2223 2428 1079 4638 2920 5782 4294 2519 1377 809 2523 1962 2900 4850 1139 1398 3309 6205 1298 1765 1277 6772 2487 103 856 3946 6814 4923 117 684 1762 1114 123 1453 2223 2428 3683 1114 122 1453 2223 2428 2190 6205 1298 1765 103 1100 2108 856 3946 4638 2512 1510 3291 3209 3227 511 3299 1079 2223 2428 510 1114 122 103 510 1114 123 1453 2223 2428 677 691 103 1100 2108 7599 103 510 6566 855 4685 3198 117 3187 6389 3221 2190 3837 2231 7770 2231 510 704 2231 510 856 2231 4384 3837 1767 1146 2357 2501 1232 1772 3300 3227 5865 2345 1166 103 2496 691 762 1100 2108 7599 3633 855 4685 3198 2190 3837 2231 794 7770 2231 1168 856 2231 4384 3837 1767 2501 1232 1772 3300 1164 754 6205 1298 1765 1277 1100 2108 856 3946 117 5445 6566 855 4685 3198 4384 103 2501 1232 4685 1353 117 679 1164 754 6205 1298 1765 1277 856 3946 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 65 76 86 87 106 115 123 124 135 137 153 167 188 193 211 230 239 243 277 321
INFO:tensorflow:masked_lm_ids: 691 4294 2108 3698 3299 2100 1921 2340 2920 1453 2223 1079 4638 117 1277 1453 762 3633 117 3837
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 随 着 li ##dar 的 迅 速 [MASK] 展 , 三 维 [MASK] 光 扫 描 技 [MASK] 已 经 被 广 泛 运 用 于 各 个 领 域 。 点 云 数 据 配 准 过 程 中 , 传 统 的 配 准 算 法 比 较 依 赖 特 征 [MASK] 匹 配 精 度 , 粗 差 点 的 存 [MASK] [MASK] 较 大 程 度 地 影 响 配 准 精 度 和 配 准 效 率 。 通 [MASK] 对 罗 德 里 格 矩 阵 [MASK] 整 [MASK] 最 小 二 乘 原 理 的 分 析 , 提 出 [MASK] 一 种 基 于 整 体 最 小 二 [MASK] 的 罗 德 [MASK] 格 矩 阵 算 法 。 [SEP] 微 波 具 有 穿 透 性 ##． 相 楝 于 可 见 光 与 [MASK] 外 探 测 器 而 言 , 微 波 探 测 器 不 仅 能 反 映 叶 片 层 植 被 信 息 , 还 [MASK] 反 [MASK] 较 深 层 木 质 生 物 信 息 。 [SEP]
INFO:tensorflow:input_ids: 101 7390 4708 9341 12354 4638 6813 6862 103 2245 117 676 5335 103 1045 2812 2989 2825 103 2347 5307 6158 2408 3793 6817 4500 754 1392 702 7566 1818 511 4157 756 3144 2945 6981 1114 6814 4923 704 117 837 5320 4638 6981 1114 5050 3791 3683 6772 898 6609 4294 2519 103 1276 6981 5125 2428 117 5110 2345 4157 4638 2100 103 103 6772 1920 4923 2428 1765 2512 1510 6981 1114 5125 2428 1469 6981 1114 3126 4372 511 6858 103 2190 5384 2548 7027 3419 4762 7347 103 3146 103 3297 2207 753 733 1333 4415 4638 1146 3358 117 2990 1139 103 671 4905 1825 754 3146 860 3297 2207 753 103 4638 5384 2548 103 3419 4762 7347 5050 3791 511 102 2544 3797 1072 3300 4959 6851 2595 21082 4685 3505 754 1377 6224 1045 680 103 1912 2968 3844 1690 5445 6241 117 2544 3797 2968 3844 1690 679 788 5543 1353 3216 1383 4275 2231 3490 6158 928 2622 117 6820 103 1353 103 6772 3918 2231 3312 6574 4495 4289 928 2622 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 8 13 18 41 51 55 66 67 73 86 94 96 109 119 123 138 140 146 173 175
INFO:tensorflow:masked_lm_ids: 1355 4080 3318 117 898 4157 1762 833 2512 6814 510 860 749 733 7027 117 2190 5273 5543 3216
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 根 据 sarah 构 [MASK] 模 式 [MASK] 解 [MASK] 其 参 数 [MASK] 合 分 析 , 表 明 铅 源 与 岩 [MASK] 作 用 密 ##s 相 关 , 整 体 上 显 示 下 地 壳 [MASK] 源 特 征 , [MASK] 有 [MASK] 辅 混 源 特 点 [MASK] [SEP] 碳 硫 铅 同 位 素 数 据 [MASK] 明 , 燕 山 期 逍 遥 地 区 大 规 模 的 构 造 - 岩 浆 活 动 不 仅 带 来 了 大 量 的 成 矿 物 质 , 而 且 使 [MASK] 层 中 的 [MASK] 矿 物 [MASK] 活 化 迁 移 , 并 在 有 利 的 构 造 部 [MASK] 沉 淀 富 集 , 从 而 形 成 [MASK] 多 金 属 矿 床 。 [SEP]
INFO:tensorflow:input_ids: 101 3418 2945 12455 3354 103 3563 2466 103 6237 103 1071 1346 3144 103 1394 1146 3358 117 6134 3209 7192 3975 680 2272 103 868 4500 2166 8118 4685 1068 117 3146 860 677 3227 4850 678 1765 1900 103 3975 4294 2519 117 103 3300 103 6774 3921 3975 4294 4157 103 102 4823 4800 7192 1398 855 5162 3144 2945 103 3209 117 4242 2255 3309 6850 6898 1765 1277 1920 6226 3563 4638 3354 6863 118 2272 3841 3833 1220 679 788 2372 3341 749 1920 7030 4638 2768 4771 4289 6574 117 5445 684 886 103 2231 704 4638 103 4771 4289 103 3833 1265 6810 4919 117 2400 1762 3300 1164 4638 3354 6863 6956 103 3756 3895 2168 7415 117 794 5445 2501 2768 103 1914 7032 2247 4771 2414 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 3 5 8 10 14 25 29 41 46 48 49 54 64 91 97 101 105 108 122 132
INFO:tensorflow:masked_lm_ids: 7192 6863 1745 1469 5341 3841 1147 3341 1072 1900 2390 511 6134 7030 117 1765 2768 6574 855 7173
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 旨 在 综 [MASK] 评 估 各 [MASK] 模 型 在 媒 介 传 播 性 疾 病 中 的 谱 用 前 景 。 [SEP] 首 先 对 媒 介 传 播 性 疾 病 的 流 [MASK] 及 其 与 [MASK] 候 特 征 间 的 相 关 关 系 进 行 了 分 析 , 在 此 基 础 上 综 [MASK] [MASK] ##ala 估 模 型 的 种 类 与 评 估 方 法 , 包 括 [MASK] 候 因 子 决 定 性 模 型 和 数 理 统 计 学 模 型 两 大 类 , 并 分 别 以 疟 疾 、 血 吸 [MASK] 病 和 登 革 热 [MASK] 3 [MASK] 媒 介 传 播 性 疾 病 为 例 , 列 举 了 [MASK] 类 模 型 在 这 些 疾 病 中 的 应 用 与 评 估 方 法 。 最 后 [MASK] 出 了 气 候 变 化 对 媒 介 传 [MASK] 性 疾 病 传 播 影 响 的 未 来 研 究 方 向 和 重 点 , 今 [MASK] 研 究 要 评 估 气 候 变 [MASK] 对 疾 病 传 播 造 成 的 已 有 影 响 , 预 测 未 来 影 响 范 围 [MASK] 强 [MASK] 及 预 见 未 来 变 局 , 并 提 出 [MASK] 学 的 适 应 对 策 。 [SEP]
INFO:tensorflow:input_ids: 101 3192 1762 5341 103 6397 844 1392 103 3563 1798 1762 2054 792 837 3064 2595 4565 4567 704 4638 6480 4500 1184 3250 511 102 7674 1044 2190 2054 792 837 3064 2595 4565 4567 4638 3837 103 1350 1071 680 103 952 4294 2519 7313 4638 4685 1068 1068 5143 6822 6121 749 1146 3358 117 1762 3634 1825 4794 677 5341 103 103 11658 844 3563 1798 4638 4905 5102 680 6397 844 3175 3791 117 1259 2886 103 952 1728 2094 1104 2137 2595 3563 1798 1469 3144 4415 5320 6369 2110 3563 1798 697 1920 5102 117 2400 1146 1166 809 4549 4565 510 6117 1429 103 4567 1469 4633 7484 4178 103 124 103 2054 792 837 3064 2595 4565 4567 711 891 117 1154 715 749 103 5102 3563 1798 1762 6821 763 4565 4567 704 4638 2418 4500 680 6397 844 3175 3791 511 3297 1400 103 1139 749 3698 952 1359 1265 2190 2054 792 837 103 2595 4565 4567 837 3064 2512 1510 4638 3313 3341 4777 4955 3175 1403 1469 7028 4157 117 791 103 4777 4955 6206 6397 844 3698 952 1359 103 2190 4565 4567 837 3064 6863 2768 4638 2347 3300 2512 1510 117 7564 3844 3313 3341 2512 1510 5745 1741 103 2487 103 1350 7564 6224 3313 3341 1359 2229 117 2400 2990 1139 103 2110 4638 6844 2418 2190 5032 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 4 8 21 39 43 65 66 67 82 112 118 120 134 155 166 186 195 217 219 231
INFO:tensorflow:masked_lm_ids: 6835 5102 2418 6121 3698 6835 749 6397 3698 6001 5023 4905 697 2990 3064 1400 1265 680 2428 4906
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 强 震 [MASK] 发 生 在 [MASK] 力 [MASK] 化 梯 度 带 内 。 [SEP] 本 文 通 过 对 机 场 [MASK] 空 [MASK] 格 进 行 分 析 [MASK] 建 立 了 机 场 净 空 [MASK] 障 碍 物 限 制 面 的 数 学 模 型 。 在 此 数 学 模 型 的 基 础 上 使 [MASK] [MASK] ##cg ##is 、 autocad 软 件 建 立 净 空 [MASK] 制 面 三 [MASK] 网 高 程 模 型 , 并 进 行 三 [MASK] [MASK] 示 以 及 净 空 评 [MASK] , 为 使 用 [MASK] 理 信 息 系 统 进 行 净 空 管 理 创 造 条 件 [MASK] [SEP]
INFO:tensorflow:input_ids: 101 2487 7448 103 1355 4495 1762 103 1213 103 1265 3461 2428 2372 1079 511 102 3315 3152 6858 6814 2190 3322 1767 103 4958 103 3419 6822 6121 1146 3358 103 2456 4989 749 3322 1767 1112 4958 103 7397 4809 4289 7361 1169 7481 4638 3144 2110 3563 1798 511 1762 3634 3144 2110 3563 1798 4638 1825 4794 677 886 103 103 11478 8331 510 12796 6763 816 2456 4989 1112 4958 103 1169 7481 676 103 5381 7770 4923 3563 1798 117 2400 6822 6121 676 103 103 4850 809 1350 1112 4958 6397 103 117 711 886 4500 103 4415 928 2622 5143 5320 6822 6121 1112 4958 5052 4415 1158 6863 3340 816 103 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 3 7 9 24 26 32 40 48 64 65 76 80 91 92 99 104 107 120 0 0
INFO:tensorflow:masked_lm_ids: 2218 7028 1359 1112 6226 117 1277 3144 4500 8673 7361 6235 5335 3227 2137 1765 2622 511 0 0
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 0.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] [MASK] 四 季 sp ##i [MASK] 生 轻 旱 级 别 以 上 干 旱 的 年 份 约 占 26 [MASK] ~ 28 % , 平 [MASK] 约 11 a 。 [SEP] 不 同 的 精 密 星 历 , 其 [MASK] 度 对 gps 动 态 [MASK] 密 单 点 定 位 结 果 会 产 生 影 响 , 达 到 什 么 程 度 至 [MASK] 还 没 有 确 [MASK] 的 答 案 。 [MASK] 文 利 用 [MASK] ##s 网 站 给 出 的 [MASK] 同 銃 密 星 历 [MASK] 据 结 合 [MASK] [MASK] 数 据 , 采 用 g ##ra ##f ##na ##v 软 件 进 行 不 同 的 组 合 计 算 , [MASK] 出 [MASK] 一 些 有 益 的 结 论 。 [SEP]
INFO:tensorflow:input_ids: 101 103 1724 2108 9716 8169 103 4495 6768 3197 5277 1166 809 677 2397 3197 4638 2399 819 5276 1304 8153 103 172 8143 110 117 2398 103 5276 8111 143 511 102 679 1398 4638 5125 2166 3215 1325 117 1071 103 2428 2190 8434 1220 2578 103 2166 1296 4157 2137 855 5310 3362 833 772 4495 2512 1510 117 6809 1168 784 720 4923 2428 5635 103 6820 3766 3300 4802 103 4638 5031 3428 511 103 3152 1164 4500 103 8118 5381 4991 5314 1139 4638 103 1398 7066 2166 3215 1325 103 2945 5310 1394 103 103 3144 2945 117 7023 4500 149 8332 8189 8374 8225 6763 816 6822 6121 679 1398 4638 5299 1394 6369 5050 117 103 1139 103 671 763 3300 4660 4638 5310 6389 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 1 6 22 28 34 43 44 49 70 75 80 84 91 93 97 101 102 125 127 134
INFO:tensorflow:masked_lm_ids: 408 1355 110 1772 679 5125 2428 5125 791 1147 3315 8288 679 5125 3144 7164 2345 2533 749 6389
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 显 示 , 理 论 数 值 与 实 验 数 值 耦 [MASK] 较 好 [MASK] h ##ti 介 质 会 引 ##てすか 动 校 ### 速 度 ##释 及 走 [MASK] 随 方 [MASK] 角 呈 现 椭 圆 形 的 变 化 ; [MASK] 时 发 现 , 观 测 系 统 中 最 大 偏 移 距 与 目 的 层 深 度 的 比 值 以 及 方 位 角 砲 布 对 各 向 异 性 分 析 有 较 大 影 响 . [SEP] 在 不 稳 定 [MASK] 态 和 [MASK] 性 状 态 下 , 纳 木 错 地 [MASK] 地 表 通 量 数 据 质 量 较 高 , 即 白 天 [MASK] 测 的 通 量 数 据 质 量 较 高 [MASK] 在 稳 定 状 态 下 数 据 质 量 较 低 唰 即 夜 间 的 通 量 数 据 质 [MASK] 较 差 ; 纳 木 错 [MASK] 区 的 湍 流 通 量 [MASK] 湖 陆 风 和 大 气 稳 定 性 影 响 较 大 。 [SEP]
INFO:tensorflow:input_ids: 101 3227 4850 117 4415 6389 3144 966 680 2141 7741 3144 966 5453 103 6772 1962 103 150 9007 792 6574 833 2471 11278 1220 3413 13319 6862 2428 20082 1350 6624 103 7390 3175 103 6235 1439 4385 3495 1749 2501 4638 1359 1265 132 103 3198 1355 4385 117 6225 3844 5143 5320 704 3297 1920 974 4919 6655 680 4680 4638 2231 3918 2428 4638 3683 966 809 1350 3175 855 6235 4787 2357 2190 1392 1403 2460 2595 1146 3358 3300 6772 1920 2512 1510 119 102 1762 679 4937 2137 103 2578 1469 103 2595 4307 2578 678 117 5287 3312 7231 1765 103 1765 6134 6858 7030 3144 2945 6574 7030 6772 7770 117 1315 4635 1921 103 3844 4638 6858 7030 3144 2945 6574 7030 6772 7770 103 1762 4937 2137 4307 2578 678 3144 2945 6574 7030 6772 856 1547 1315 1915 7313 4638 6858 7030 3144 2945 6574 103 6772 2345 132 5287 3312 7231 103 1277 4638 3958 3837 6858 7030 103 3959 7355 7599 1469 1920 3698 4937 2137 2595 2512 1510 6772 1920 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 14 17 24 27 30 33 36 47 76 96 99 109 119 124 126 135 148 158 165 172
INFO:tensorflow:masked_lm_ids: 1394 117 6629 3633 809 3198 855 1398 1146 4307 704 1277 7770 6225 4638 132 117 7030 1765 1358
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 为 了 对 滑 坡 堆 填 物 底 部 饱 水 的 原 因 进 行 分 析 , 文 章 对 滑 坡 土 体 的 [MASK] 透 性 进 行 了 常 水 头 渗 透 试 验 与 物 理 模 [MASK] 试 验 研 究 。 [SEP] 对 此 , 本 文 指 出 了 ball [MASK] ball 和 ball - wall 两 种 建 模 方 [MASK] [MASK] 适 用 性 、 优 缺 点 及 滑 体 滑 床 [MASK] 界 [MASK] 定 方 法 , 并 以 2014 年 地 震 触 发 的 红 石 岩 滑 坡 为 例 , 以 ##键 ##ick 填 充 法 为 基 础 , 从 获 取 地 形 数 据 、 确 [MASK] 滑 体 和 滑 床 区 域 、 建 立 滑 体 和 滑 床 几 何 模 型 [MASK] 生 成 颗 粒 [MASK] 型 [MASK] 个 步 骤 出 发 [MASK] 提 出 了 基 于 数 字 等 高 线 地 形 图 建 立 p ##fc 二 、 三 维 复 杂 滑 坡 模 型 的 前 处 理 方 法 , 弥 补 了 p ##fc 软 件 前 处 理 的 不 足 [MASK] 从 而 为 今 后 [MASK] 于 [MASK] ##fc [MASK] 滑 坡 运 动 过 程 模 拟 提 ##闵 有 益 的 帮 助 。 [SEP]
INFO:tensorflow:input_ids: 101 711 749 2190 3998 1786 1831 1856 4289 2419 6956 7653 3717 4638 1333 1728 6822 6121 1146 3358 117 3152 4995 2190 3998 1786 1759 860 4638 103 6851 2595 6822 6121 749 2382 3717 1928 3935 6851 6407 7741 680 4289 4415 3563 103 6407 7741 4777 4955 511 102 2190 3634 117 3315 3152 2900 1139 749 10136 103 10136 1469 10136 118 12284 697 4905 2456 3563 3175 103 103 6844 4500 2595 510 831 5375 4157 1350 3998 860 3998 2414 103 4518 103 2137 3175 3791 117 2400 809 8127 2399 1765 7448 6239 1355 4638 5273 4767 2272 3998 1786 711 891 117 809 20298 9873 1856 1041 3791 711 1825 4794 117 794 5815 1357 1765 2501 3144 2945 510 4802 103 3998 860 1469 3998 2414 1277 1818 510 2456 4989 3998 860 1469 3998 2414 1126 862 3563 1798 103 4495 2768 7578 5108 103 1798 103 702 3635 7752 1139 1355 103 2990 1139 749 1825 754 3144 2099 5023 7770 5296 1765 2501 1745 2456 4989 158 9717 753 510 676 5335 1908 3325 3998 1786 3563 1798 4638 1184 1905 4415 3175 3791 117 2477 6133 749 158 9717 6763 816 1184 1905 4415 4638 679 6639 103 794 5445 711 791 1400 103 754 103 9717 103 3998 1786 6817 1220 6814 4923 3563 2877 2990 20371 3300 4660 4638 2376 1221 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 12 29 46 56 62 73 74 87 89 112 130 150 155 157 163 211 217 219 221 231
INFO:tensorflow:masked_lm_ids: 3717 3935 2877 3315 118 3791 4638 6804 4802 8575 2137 510 3563 125 117 117 1825 158 4638 897
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 并 基 于 计 算 出 的 理 论 下 行 波 与 实 际 下 行 波 之 间 的 平 方 误 差 最 小 理 [MASK] 实 现 自 适 应 反 dit 迭 代 最 优 计 算 [MASK] 振 幅 枰 异 [MASK] 数 和 鬼 波 延 迟 时 间 . [SEP] [MASK] 用 四 川 省 气 象 站 常 规 观 测 数 据 [MASK] 1 : 25 万 数 字 高 程 ( 婺 ##m [MASK] [MASK] 据 , 根 据 地 形 因 子 ( 坡 [MASK] 和 坡 向 ) 建 立 太 阳 辐 射 分 布 [MASK] [MASK] 型 , [MASK] 算 め 际 地 形 下 的 四 川 省 太 阳 总 辐 射 时 空 [MASK] 布 情 况 ; 评 估 分 析 了 [MASK] 体 现 太 阳 能 资 源 [MASK] 稳 [MASK] 度 、 资 源 丰 富 度 、 可 利 用 价 值 等 指 标 . [SEP]
INFO:tensorflow:input_ids: 101 2400 1825 754 6369 5050 1139 4638 4415 6389 678 6121 3797 680 2141 7354 678 6121 3797 722 7313 4638 2398 3175 6428 2345 3297 2207 4415 103 2141 4385 5632 6844 2418 1353 13231 6834 807 3297 831 6369 5050 103 2920 2388 3370 2460 103 3144 1469 7787 3797 2454 6826 3198 7313 119 102 103 4500 1724 2335 4689 3698 6496 4991 2382 6226 6225 3844 3144 2945 103 122 131 8132 674 3144 2099 7770 4923 113 2052 8175 103 103 2945 117 3418 2945 1765 2501 1728 2094 113 1786 103 1469 1786 1403 114 2456 4989 1922 7345 6781 2198 1146 2357 103 103 1798 117 103 5050 570 7354 1765 2501 678 4638 1724 2335 4689 1922 7345 2600 6781 2198 3198 4958 103 2357 2658 1105 132 6397 844 1146 3358 749 103 860 4385 1922 7345 5543 6598 3975 103 4937 103 2428 510 6598 3975 705 2168 2428 510 1377 1164 4500 817 966 5023 2900 3403 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 29 36 43 46 48 59 73 83 85 86 97 100 110 111 114 116 132 142 150 152
INFO:tensorflow:masked_lm_ids: 6389 4028 6421 2345 5143 1164 1469 8363 114 3144 2428 1403 2466 3563 6369 2141 1146 5543 4638 2137
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:Wrote 2192046 total instances
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:526: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint8 = np.dtype([("qint8", np.int8, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:527: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_quint8 = np.dtype([("quint8", np.uint8, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:528: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint16 = np.dtype([("qint16", np.int16, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:529: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_quint16 = np.dtype([("quint16", np.uint16, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:530: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint32 = np.dtype([("qint32", np.int32, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:535: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  np_resource = np.dtype([("resource", np.ubyte, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: compiletime version 3.6 of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.7
  return f(*args, **kwds)
INFO:tensorflow:*** Reading from input files ***
INFO:tensorflow:  /work1/zzx6320/lh/Projects/Data/Pretraining_Raw_New/Q.txt
INFO:tensorflow:*** Writing to output files ***
INFO:tensorflow:  /work1/zzx6320/lh/Projects/bert/data/cscd_pre/pre_training_Q_512.tfrecord
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 探 讨 紫 锥 菊 形 态 学 、 分 布 高 度 与 内 在 质 量 的 相 关 性 ， 为 优 良 品 种 的 选 育 积 累 [MASK] 料 。 [SEP] 传 统 的 基 因 遗 传 病 [MASK] 其 是 单 基 因 遗 传 病 的 研 究 , 主 要 是 依 靠 寻 找 染 色 体 上 影 响 疾 病 的 遗 传 突 变 位 点 , 需 要 通 过 构 建 染 色 体 的 物 理 图 誅 来 完 成 , 这 属 于 传 统 的 数 量 性 状 位 点 ( qt ##l ) 的 研 究 范 [MASK] 。 而 多 基 因 遗 传 病 如 果 用 传 统 的 构 建 染 色 [MASK] 物 [MASK] 图 谱 的 qt ##l 方 法 研 究 会 费 时 费 力 , 目 前 人 类 ha ##pl ##ot ##y ##pe 以 及 en ##code 计 划 公 开 了 大 量 的 [MASK] 核 苷 酸 多 态 性 位 点 ( s ##np [MASK] 的 变 异 信 息 , 这 类 海 量 的 s ##np 数 据 信 息 可 以 通 过 全 基 因 组 关 联 分 析 ( g ##wa ##s ) 在 全 基 因 组 水 平 上 找 出 疾 病 相 关 的 遗 传 基 因 易 感 区 域 , 通 过 对 这 些 复 杂 疾 病 易 感 区 域 内 的 致 病 性 遗 传 变 [MASK] 位 点 进 行 精 细 定 位 , 找 出 其 中 的 致 病 基 因 型 从 而 建 立 致 病 性 的 遗 传 变 异 位 点 。 然 而 仅 仅 从 遗 传 变 异 位 点 来 分 析 复 杂 疾 病 毕 竟 [MASK] 是 [MASK] 联 性 分 析 , 分 析 结 果 的 假 阳 性 率 很 高 。 通 过 整 合 基 因 表 达 性 状 的 信 息 来 研 ##欧 复 杂 疾 病 就 [MASK] 大 大 提 高 结 果 的 准 确 性 [MASK] 在 全 基 因 组 水 平 上 把 基 因 的 表 达 谱 作 为 数 量 性 状 进 行 研 究 , 从 中 找 出 影 响 [MASK] 因 表 达 改 变 的 遗 传 变 异 位 点 , 这 些 影 响 基 因 表 达 变 化 的 位 点 就 [MASK] 表 达 数 量 性 状 位 点 ( eq ##tl ) 。 [SEP]
INFO:tensorflow:input_ids: 101 2968 6374 5166 7238 5825 2501 2578 2110 510 1146 2357 7770 2428 680 1079 1762 6574 7030 4638 4685 1068 2595 8024 711 831 5679 1501 4905 4638 6848 5509 4916 5168 103 3160 511 102 837 5320 4638 1825 1728 6890 837 4567 103 1071 3221 1296 1825 1728 6890 837 4567 4638 4777 4955 117 712 6206 3221 898 7479 2192 2823 3381 5682 860 677 2512 1510 4565 4567 4638 6890 837 4960 1359 855 4157 117 7444 6206 6858 6814 3354 2456 3381 5682 860 4638 4289 4415 1745 6287 3341 2130 2768 117 6821 2247 754 837 5320 4638 3144 7030 2595 4307 855 4157 113 12933 8178 114 4638 4777 4955 5745 103 511 5445 1914 1825 1728 6890 837 4567 1963 3362 4500 837 5320 4638 3354 2456 3381 5682 103 4289 103 1745 6480 4638 12933 8178 3175 3791 4777 4955 833 6589 3198 6589 1213 117 4680 1184 782 5102 11643 12569 8783 8179 8619 809 1350 9447 10802 6369 1153 1062 2458 749 1920 7030 4638 103 3417 5740 7000 1914 2578 2595 855 4157 113 161 12798 103 4638 1359 2460 928 2622 117 6821 5102 3862 7030 4638 161 12798 3144 2945 928 2622 1377 809 6858 6814 1059 1825 1728 5299 1068 5468 1146 3358 113 149 9161 8118 114 1762 1059 1825 1728 5299 3717 2398 677 2823 1139 4565 4567 4685 1068 4638 6890 837 1825 1728 3211 2697 1277 1818 117 6858 6814 2190 6821 763 1908 3325 4565 4567 3211 2697 1277 1818 1079 4638 5636 4567 2595 6890 837 1359 103 855 4157 6822 6121 5125 5301 2137 855 117 2823 1139 1071 704 4638 5636 4567 1825 1728 1798 794 5445 2456 4989 5636 4567 2595 4638 6890 837 1359 2460 855 4157 511 4197 5445 788 788 794 6890 837 1359 2460 855 4157 3341 1146 3358 1908 3325 4565 4567 3684 4994 103 3221 103 5468 2595 1146 3358 117 1146 3358 5310 3362 4638 969 7345 2595 4372 2523 7770 511 6858 6814 3146 1394 1825 1728 6134 6809 2595 4307 4638 928 2622 3341 4777 16673 1908 3325 4565 4567 2218 103 1920 1920 2990 7770 5310 3362 4638 1114 4802 2595 103 1762 1059 1825 1728 5299 3717 2398 677 2828 1825 1728 4638 6134 6809 6480 868 711 3144 7030 2595 4307 6822 6121 4777 4955 117 794 704 2823 1139 2512 1510 103 1728 6134 6809 3121 1359 4638 6890 837 1359 2460 855 4157 117 6821 763 2512 1510 1825 1728 6134 6809 1359 1265 4638 855 4157 2218 103 6134 6809 3144 7030 2595 4307 855 4157 113 11601 12305 114 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 34 46 95 120 136 139 141 178 190 254 270 325 327 357 360 366 377 410 412 438
INFO:tensorflow:masked_lm_ids: 6598 2215 6480 4533 2456 860 4415 1296 114 1908 2460 1372 1068 2622 4955 833 117 1825 6134 3221
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 利 用 li - [MASK] ##0 便 携 式 光 合 测 定 系 统 测 定 四 棱 豆 现 蕾 期 [MASK] 主 茎 不 同 节 位 叶 片 的 叶 绿 素 含 量 和 净 光 合 速 [MASK] , 并 [MASK] 过 回 归 [MASK] 析 和 相 关 分 [MASK] 研 究 净 光 合 速 率 [MASK] 主 要 生 理 、 生 态 [MASK] [MASK] 的 关 系 . [SEP] [MASK] 此 , 乙 酰 化 修 饰 是 调 控 细 胞 代 谢 [MASK] 重 要 机 制 。 [MASK] 外 , 乙 酰 化 修 饰 能 够 调 节 自 噬 和 营 养 物 质 [MASK] 受 通 路 , [MASK] 而 调 控 细 胞 的 物 质 和 能 量 稳 态 ; 乙 酰 化 修 饰 对 组 蛋 白 的 调 节 则 能 根 据 细 胞 的 营 养 [MASK] [MASK] 在 表 观 遗 传 水 平 改 变 基 因 的 表 达 , 使 细 胞 高 效 地 应 对 不 同 的 营 养 和 压 力 状 态 。 乙 酰 化 修 饰 与 代 [MASK] 相 关 疾 病 的 发 生 发 展 具 有 重 要 联 系 , 对 乙 酰 化 ##糞 控 的 研 究 将 极 大 增 进 人 们 对 细 胞 代 谢 、 表 观 遗 传 等 生 命 活 动 的 认 识 。 [SEP]
INFO:tensorflow:input_ids: 101 1164 4500 9341 118 103 8129 912 3025 2466 1045 1394 3844 2137 5143 5320 3844 2137 1724 3482 6486 4385 5945 3309 103 712 5749 679 1398 5688 855 1383 4275 4638 1383 5344 5162 1419 7030 1469 1112 1045 1394 6862 103 117 2400 103 6814 1726 2495 103 3358 1469 4685 1068 1146 103 4777 4955 1112 1045 1394 6862 4372 103 712 6206 4495 4415 510 4495 2578 103 103 4638 1068 5143 119 102 103 3634 117 734 6995 1265 934 7652 3221 6444 2971 5301 5528 807 6468 103 7028 6206 3322 1169 511 103 1912 117 734 6995 1265 934 7652 5543 1916 6444 5688 5632 1693 1469 5852 1075 4289 6574 103 1358 6858 6662 117 103 5445 6444 2971 5301 5528 4638 4289 6574 1469 5543 7030 4937 2578 132 734 6995 1265 934 7652 2190 5299 6028 4635 4638 6444 5688 1156 5543 3418 2945 5301 5528 4638 5852 1075 103 103 1762 6134 6225 6890 837 3717 2398 3121 1359 1825 1728 4638 6134 6809 117 886 5301 5528 7770 3126 1765 2418 2190 679 1398 4638 5852 1075 1469 1327 1213 4307 2578 511 734 6995 1265 934 7652 680 807 103 4685 1068 4565 4567 4638 1355 4495 1355 2245 1072 3300 7028 6206 5468 5143 117 2190 734 6995 1265 18192 2971 4638 4777 4955 2199 3353 1920 1872 6822 782 812 2190 5301 5528 807 6468 510 6134 6225 6890 837 5023 4495 1462 3833 1220 4638 6371 6399 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 5 24 44 47 51 57 65 71 73 74 80 95 101 120 125 161 162 181 204 225
INFO:tensorflow:masked_lm_ids: 11410 1350 4372 6858 1146 3358 680 4495 1728 2094 1728 4638 3634 2697 794 4307 2578 7770 6468 6444
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] [MASK] 用 电 感 耦 合 等 离 子 体 发 射 光 谱 法 ( icp ) , 测 定 分 析 首 都 机 场 高 速 公 路 旁 [MASK] 白 杨 ( pop ##ul ##us tom ##ent ##osa car ##r . ) 树 干 中 p ##b 、 cd 、 cr 、 [MASK] ##u 、 z ##n 、 ni 和 mlb ##n 7 种 重 金 属 元 素 的 含 量 及 积 累 量 , 比 较 分 析 树 干 不 同 组 织 、 不 同 方 位 、 不 同 龄 级 年 轮 重 金 属 含 量 差 异 及 与 交 通 [MASK] 、 关 键 气 候 因 子 的 相 关 [MASK] 。 [SEP] 切 取 0 . 5 mm ~ 3 大 小 的 肝 脏 组 织 块 , 迅 速 用 2 . 5 % 戊 二 醛 磷 ##play 盐 缓 冲 液 固 定 , 待 做 电 镜 切 片 进 行 超 微 结 构 观 [MASK] , 【 结 果 】 与 对 照 组 相 比 , 3 . 2 mg · kg ~ ( - 1 ) z ##ea 处 理 组 仔 猪 血 清 胆 红 素 显 著 高 于 对 照 仔 猪 ( p < 0 . 05 ) , 而 血 清 球 蛋 白 和 甘 油 三 酯 则 显 著 低 于 对 照 组 ( p < 0 . 05 ) 。 随 日 粮 z ##ea 水 平 的 增 加 , 血 清 球 蛋 白 和 甘 油 三 酯 呈 一 次 线 性 降 低 ( p < 0 . 05 ) [MASK] [MASK] 对 照 组 [MASK] 比 , 1 . 1 、 2 炒 0 和 3 . 2m ##g · kg ~ ( - 1 ) z ##ea 处 理 组 肝 细 胞 肿 胀 , 颗 粒 变 性 [MASK] 与 对 照 组 相 比 , 2 . 0 和 3 . 2 mg · kg ~ [MASK] - 1 ) z ##ea 处 理 组 肾 小 管 上 皮 细 胞 颗 粒 变 性 , 管 腔 变 窄 [MASK] 有 些 管 腔 内 充 满 大 量 透 明 底 状 物 或 蛋 白 尿 。 2 . 0 和 3 . 2 mg · kg ~ ( - 1 ) z ##ea 处 理 [MASK] 肝 细 胞 膜 上 可 见 自 噬 体 和 嗜 中 性 白 细 胞 。 2 . 0 mg · kg ~ ( - [MASK] ) 的 z ##ea 足 以 诱 导 仔 猪 的 肝 肾 毒 性 , 此 结 果 对 人 类 健 康 和 指 导 动 物 生 产 具 有 重 要 的 [MASK] 鉴 意 义 。 [SEP]
INFO:tensorflow:input_ids: 101 103 4500 4510 2697 5453 1394 5023 4895 2094 860 1355 2198 1045 6480 3791 113 9658 114 117 3844 2137 1146 3358 7674 6963 3322 1767 7770 6862 1062 6662 3178 103 4635 3342 113 8971 10086 8293 9487 8936 12946 10875 8180 119 114 3409 2397 704 158 8204 510 8405 510 10951 510 103 8207 510 168 8171 510 10560 1469 9905 8171 128 4905 7028 7032 2247 1039 5162 4638 1419 7030 1350 4916 5168 7030 117 3683 6772 1146 3358 3409 2397 679 1398 5299 5302 510 679 1398 3175 855 510 679 1398 7977 5277 2399 6762 7028 7032 2247 1419 7030 2345 2460 1350 680 769 6858 103 510 1068 7241 3698 952 1728 2094 4638 4685 1068 103 511 102 1147 1357 121 119 126 8595 172 124 1920 2207 4638 5498 5552 5299 5302 1779 117 6813 6862 4500 123 119 126 110 2763 753 7010 4840 10324 4663 5353 1103 3890 1743 2137 117 2521 976 4510 7262 1147 4275 6822 6121 6631 2544 5310 3354 6225 103 117 523 5310 3362 524 680 2190 4212 5299 4685 3683 117 124 119 123 9404 185 9515 172 113 118 122 114 168 10073 1905 4415 5299 798 4343 6117 3926 5519 5273 5162 3227 5865 7770 754 2190 4212 798 4343 113 158 133 121 119 8137 114 117 5445 6117 3926 4413 6028 4635 1469 4491 3779 676 6994 1156 3227 5865 856 754 2190 4212 5299 113 158 133 121 119 8137 114 511 7390 3189 5117 168 10073 3717 2398 4638 1872 1217 117 6117 3926 4413 6028 4635 1469 4491 3779 676 6994 1439 671 3613 5296 2595 7360 856 113 158 133 121 119 8137 114 103 103 2190 4212 5299 103 3683 117 122 119 122 510 123 4143 121 1469 124 119 10725 8181 185 9515 172 113 118 122 114 168 10073 1905 4415 5299 5498 5301 5528 5514 5515 117 7578 5108 1359 2595 103 680 2190 4212 5299 4685 3683 117 123 119 121 1469 124 119 123 9404 185 9515 172 103 118 122 114 168 10073 1905 4415 5299 5513 2207 5052 677 4649 5301 5528 7578 5108 1359 2595 117 5052 5579 1359 4962 103 3300 763 5052 5579 1079 1041 4007 1920 7030 6851 3209 2419 4307 4289 2772 6028 4635 2228 511 123 119 121 1469 124 119 123 9404 185 9515 172 113 118 122 114 168 10073 1905 4415 103 5498 5301 5528 5606 677 1377 6224 5632 1693 860 1469 1628 704 2595 4635 5301 5528 511 123 119 121 9404 185 9515 172 113 118 103 114 4638 168 10073 6639 809 6430 2193 798 4343 4638 5498 5513 3681 2595 117 3634 5310 3362 2190 782 5102 978 2434 1469 2900 2193 1220 4289 4495 772 1072 3300 7028 6206 4638 103 7063 2692 721 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 1 33 57 65 115 126 157 178 292 293 297 305 334 347 353 378 417 445 462 482
INFO:tensorflow:masked_lm_ids: 7023 3688 145 155 7030 2595 7000 2175 511 680 4685 119 511 119 113 117 5299 122 3634 955
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] [MASK] 果 ##枚 明 , 随 着 ph 值 的 升 高 以 及 胶 乳 浓 度 的 增 大 , 抗 体 蛋 白 的 有 序 琍 构 [MASK] 量 增 [MASK] 。 [SEP] 由 此 认 为 共 价 偶 联 会 对 [MASK] 体 蛋 白 的 [MASK] 级 结 构 [MASK] 生 ##贈 为 显 著 的 影 响 。 [SEP]
INFO:tensorflow:input_ids: 101 103 3362 16418 3209 117 7390 4708 9465 966 4638 1285 7770 809 1350 5540 745 3849 2428 4638 1872 1920 117 2834 860 6028 4635 4638 3300 2415 4419 3354 103 7030 1872 103 511 102 4507 3634 6371 711 1066 817 981 5468 833 2190 103 860 6028 4635 4638 103 5277 5310 3354 103 4495 19614 711 3227 5865 4638 2512 1510 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 1 3 20 30 32 35 48 53 57 59 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_ids: 5310 6134 1872 5310 1419 1217 2834 753 772 6772 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 以 胭 脂 虫 为 供 试 昆 虫 , 分 别 采 用 三 角 纸 袋 接 种 法 、 切 片 接 种 法 、 毛 [MASK] 法 和 靠 接 法 [MASK] 其 接 种 到 仙 人 [MASK] [MASK] 进 行 悬 挂 培 [MASK] , 研 究 不 同 接 种 方 ck 对 [MASK] 雌 成 [MASK] 数 量 [MASK] ##ーシてす 体 重 和 总 重 的 影 响 。 靠 接 法 接 种 的 仙 人 掌 上 胭 脂 虫 数 量 最 多 , 为 223 个 , 毛 刷 法 接 种 的 仙 人 掌 [MASK] 胭 脂 虫 数 量 最 少 [MASK] 为 46 个 , 三 角 纸 [MASK] 法 和 切 片 接 种 法 接 种 的 仙 人 掌 上 胭 脂 [MASK] 数 [MASK] 分 别 为 182 和 156 个 ; [MASK] 种 接 种 方 法 接 [MASK] 的 仙 [MASK] 掌 上 胭 脂 虫 雌 成 虫 的 单 体 重 分 别 为 0 . 012 、 0 . 011 、 0 . 010 、 0 . 008 g , 总 重 分 别 为 2 . 002 、 2 · 230 、 0 . 368 、 1 . 71 ##6 g 。 [SEP] 胭 脂 虫 人 工 养 殖 的 最 佳 接 种 方 法 为 靠 接 法 。 [SEP]
INFO:tensorflow:input_ids: 101 809 5534 5544 6001 711 897 6407 3204 6001 117 1146 1166 7023 4500 676 6235 5291 6150 2970 4905 3791 510 1147 4275 2970 4905 3791 510 3688 103 3791 1469 7479 2970 3791 103 1071 2970 4905 1168 803 782 103 103 6822 6121 2647 2899 1824 103 117 4777 4955 679 1398 2970 4905 3175 11623 2190 103 7419 2768 103 3144 7030 103 12583 860 7028 1469 2600 7028 4638 2512 1510 511 7479 2970 3791 2970 4905 4638 803 782 2958 677 5534 5544 6001 3144 7030 3297 1914 117 711 10265 702 117 3688 1170 3791 2970 4905 4638 803 782 2958 103 5534 5544 6001 3144 7030 3297 2208 103 711 8248 702 117 676 6235 5291 103 3791 1469 1147 4275 2970 4905 3791 2970 4905 4638 803 782 2958 677 5534 5544 103 3144 103 1146 1166 711 9952 1469 9508 702 132 103 4905 2970 4905 3175 3791 2970 103 4638 803 103 2958 677 5534 5544 6001 7419 2768 6001 4638 1296 860 7028 1146 1166 711 121 119 11496 510 121 119 12603 510 121 119 9138 510 121 119 12210 149 117 2600 7028 1146 1166 711 123 119 11204 510 123 185 9111 510 121 119 11642 510 122 119 8459 8158 149 511 102 5534 5544 6001 782 2339 1075 3658 4638 3297 881 2970 4905 3175 3791 711 7479 2970 3791 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 10 30 36 43 44 50 59 61 64 67 68 109 117 125 142 144 153 160 163 214
INFO:tensorflow:masked_lm_ids: 117 1170 2199 2958 677 1075 3791 1071 6001 510 1296 677 117 6150 6001 7030 125 4905 782 119
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 黑 暗 处 理 可 导 致 [MASK] ##hs ##orm [MASK] ##b ##12 表 [MASK] 水 平 降 低 ; [MASK] 照 条 件 下 该 [MASK] 因 的 表 达 水 平 随 处 理 [MASK] 间 [MASK] 延 长 表 现 出 先 [MASK] 升 ##钞 下 降 再 持 续 上 升 的 趋 势 [MASK] [SEP] 研 究 结 [MASK] 提 示 l [MASK] ##orm ##y ##b ##12 [MASK] 表 达 变 化 规 律 可 能 与 其 启 动 子 中 相 应 的 顺 式 作 [MASK] 元 件 相 关 。 [SEP]
INFO:tensorflow:input_ids: 101 7946 3266 1905 4415 1377 2193 5636 103 9551 10530 103 8204 8455 6134 103 3717 2398 7360 856 132 103 4212 3340 816 678 6421 103 1728 4638 6134 6809 3717 2398 7390 1905 4415 103 7313 103 2454 7270 6134 4385 1139 1044 103 1285 20220 678 7360 1086 2898 5330 677 1285 4638 6633 1232 103 102 4777 4955 5310 103 2990 4850 154 103 10530 8179 8204 8455 103 6134 6809 1359 1265 6226 2526 1377 5543 680 1071 1423 1220 2094 704 4685 2418 4638 7556 2466 868 103 1039 816 4685 1068 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 8 11 15 21 27 37 39 46 47 48 59 64 68 73 94 0 0 0 0 0
INFO:tensorflow:masked_lm_ids: 154 8179 6809 1045 1825 3198 4638 677 1285 1400 511 3362 9551 4638 4500 0 0 0 0 0
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 0.0 0.0 0.0 0.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 并 分 析 了 氯 嘧 磺 [MASK] 的 初 始 浓 度 、 接 种 量 、 温 度 和 ph 值 对 l - 7 菌 [MASK] 降 解 氯 嘧 磺 隆 效 果 的 影 响 , 确 定 了 最 佳 降 解 条 件 . [SEP] [MASK] 前 , 灾 害 生 态 [MASK] 复 评 价 采 用 的 指 标 包 括 遥 感 和 [MASK] 面 两 大 类 , 方 法 ##藤 为 [MASK] 因 子 对 比 法 、 综 合 指 数 法 、 模 拟 [MASK] 测 法 、 反 推 法 。 针 对 灾 后 生 态 恢 复 评 价 指 标 缺 乏 系 统 性 、 参 照 系 过 于 单 一 性 以 及 对 灾 区 后 续 恢 复 指 导 性 不 强 等 问 题 , 未 来 应 在 [MASK] 术 框 架 流 程 、 指 标 体 系 分 [MASK] 归 纳 、 生 [MASK] 恢 复 标 准 阈 值 制 定 、 以 及 生 态 恢 复 [MASK] 价 ##尸 用 等 方 面 [MASK] 强 研 究 [MASK] 以 体 现 灾 后 生 态 恢 复 评 价 评 估 结 果 的 科 [MASK] 性 、 客 观 性 [MASK] 及 对 生 态 系 统 管 理 的 作 用 。 [SEP]
INFO:tensorflow:input_ids: 101 2400 1146 3358 749 3714 1665 4841 103 4638 1159 1993 3849 2428 510 2970 4905 7030 510 3946 2428 1469 9465 966 2190 154 118 128 5826 103 7360 6237 3714 1665 4841 7384 3126 3362 4638 2512 1510 117 4802 2137 749 3297 881 7360 6237 3340 816 119 102 103 1184 117 4135 2154 4495 2578 103 1908 6397 817 7023 4500 4638 2900 3403 1259 2886 6898 2697 1469 103 7481 697 1920 5102 117 3175 3791 19029 711 103 1728 2094 2190 3683 3791 510 5341 1394 2900 3144 3791 510 3563 2877 103 3844 3791 510 1353 2972 3791 511 7151 2190 4135 1400 4495 2578 2612 1908 6397 817 2900 3403 5375 726 5143 5320 2595 510 1346 4212 5143 6814 754 1296 671 2595 809 1350 2190 4135 1277 1400 5330 2612 1908 2900 2193 2595 679 2487 5023 7309 7579 117 3313 3341 2418 1762 103 3318 3427 3373 3837 4923 510 2900 3403 860 5143 1146 103 2495 5287 510 4495 103 2612 1908 3403 1114 7328 966 1169 2137 510 809 1350 4495 2578 2612 1908 103 817 15278 4500 5023 3175 7481 103 2487 4777 4955 103 809 860 4385 4135 1400 4495 2578 2612 1908 6397 817 6397 844 5310 3362 4638 4906 103 2595 510 2145 6225 2595 103 1350 2190 4495 2578 5143 5320 5052 4415 4638 868 4500 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 3 8 29 40 53 60 74 82 84 99 155 167 172 187 188 190 195 199 217 223
INFO:tensorflow:masked_lm_ids: 3358 7384 3415 1510 2496 2612 1765 1146 1296 7564 2825 5102 2578 1908 6397 2418 1217 117 2110 809
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 近 年 来 有 关 l ##nc ##rn ##a 的 分 子 机 制 逐 渐 清 晰 ， 人 们 对 发 病 较 高 的 肝 癌 、 [MASK] 腺 癌 、 肺 癌 以 及 前 列 腺 癌 中 表 达 差 异 的 l ##nc ##rn ##a 的 进 行 深 入 探 [MASK] ， 也 为 未 来 肿 瘤 的 诊 断 [MASK] 治 疗 [MASK] 供 了 [MASK] 常 有 价 值 [MASK] 科 学 依 据 。 [SEP] 北 黄 海 夏 季 [MASK] 均 湿 重 生 物 量 、 丰 度 和 香 农 - 威 纳 指 数 分 别 为 $ 77 ##2 . 23 \ ; { \ rm { mg } } \ cd ##闾 { { \ rm { m } } ^ { - 3 } } $ 、 $ 4 [MASK] ; 343 . 44 { \ rm { in ##d } } \ cd ##ot { { [MASK] rm { m } } ^ [MASK] - 3 } } $ 和 2 . 64 ; 冬 季 分 别 为 $ 257 . 52 \ ; { \ rm { mg } } \ cd ##ot { { \ rm { m } } ^ { - 3 } } $ 、 $ 1 \ ; 024 . 56 \ ; { \ rm { in ##d } } \ cd ##ot { { \ rm { m } } ^ { - 3 } } $ 和 [MASK] . [MASK] 。 聚 类 分 析 结 果 得 出 , 夏 季 分 [MASK] 3 个 群 落 , 冬 季 分 为 2 个 群 [MASK] 。 相 关 性 分 析 表 明 10000 影 响 浮 [MASK] 动 物 分 布 的 主 [MASK] 环 境 因 子 为 盐 度 和 浊 度 。 [SEP]
INFO:tensorflow:input_ids: 101 6818 2399 3341 3300 1068 154 10507 9256 8139 4638 1146 2094 3322 1169 6852 3933 3926 3251 8024 782 812 2190 1355 4567 6772 7770 4638 5498 4617 510 103 5593 4617 510 5511 4617 809 1350 1184 1154 5593 4617 704 6134 6809 2345 2460 4638 154 10507 9256 8139 4638 6822 6121 3918 1057 2968 103 8024 738 711 3313 3341 5514 4606 4638 6402 3171 103 3780 4545 103 897 749 103 2382 3300 817 966 103 4906 2110 898 2945 511 102 1266 7942 3862 1909 2108 103 1772 3969 7028 4495 4289 7030 510 705 2428 1469 7676 1093 118 2014 5287 2900 3144 1146 1166 711 109 8411 8144 119 8133 139 132 169 139 10620 169 9404 171 171 139 8405 20378 169 169 139 10620 169 155 171 171 141 169 118 124 171 171 109 510 109 125 103 132 12186 119 8252 169 139 10620 169 8217 8168 171 171 139 8405 8783 169 169 103 10620 169 155 171 171 141 103 118 124 171 171 109 1469 123 119 8308 132 1100 2108 1146 1166 711 109 11027 119 8247 139 132 169 139 10620 169 9404 171 171 139 8405 8783 169 169 139 10620 169 155 171 171 141 169 118 124 171 171 109 510 109 122 139 132 13002 119 8259 139 132 169 139 10620 169 8217 8168 171 171 139 8405 8783 169 169 139 10620 169 155 171 171 141 169 118 124 171 171 109 1469 103 119 103 511 5471 5102 1146 3358 5310 3362 2533 1139 117 1909 2108 1146 103 124 702 5408 5862 117 1100 2108 1146 711 123 702 5408 103 511 4685 1068 2595 1146 3358 6134 3209 8769 2512 1510 3859 103 1220 4289 1146 2357 4638 712 103 4384 1862 1728 2094 711 4663 2428 1469 3843 2428 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 31 59 70 73 76 81 86 93 130 149 167 174 178 258 260 274 287 296 300 307
INFO:tensorflow:masked_lm_ids: 745 5164 1469 2990 7478 4638 511 2398 8783 139 139 169 171 123 8133 711 5862 117 3952 6206
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 机 体 天 然 免 疫 系 统 拥 有 [MASK] 系 列 可 以 [MASK] 测 和 抵 制 微 生 物 侵 袭 的 机 [MASK] 。 目 前 ， 关 [MASK] 病 原 rna 的 细 胞 内 识 别 机 制 有 了 [MASK] 为 深 入 的 研 究 和 相 关 报 [MASK] ， 但 细 胞 内 病 原 dna 的 识 别 和 相 应 的 天 然 免 疫 应 答 机 制 仍 [MASK] 完 全 被 揭 示 。 [SEP] 阐 明 上 述 机 [MASK] 有 助 于 了 解 和 治 疗 一 系 列 微 生 物 感 染 相 关 的 疾 [MASK] ， 包 括 病 毒 和 细 菌 感 染 类 疾 病 、 病 毒 相 关 的 肿 [MASK] 、 自 身 免 [MASK] 性 [MASK] 病 等 。 近 年 来 ， 细 胞 内 多 个 [MASK] 当 [UNK] dna 传 感 器 [UNK] 的 分 子 和 [MASK] 扰 素 调 节 分 子 被 认 为 在 [MASK] 胞 质 dna 诱 导 宿 主 天 然 免 疫 [MASK] 应 过 程 中 起 着 关 键 性 [MASK] 节 作 用 。 综 [MASK] 了 对 细 胞 内 病 原 dna 的 主 要 识 别 分 子 、 信 号 通 路 以 及 相 关 的 天 然 免 疫 [MASK] 控 机 制 。 [SEP]
INFO:tensorflow:input_ids: 101 3322 860 1921 4197 1048 4554 5143 5320 2881 3300 103 5143 1154 1377 809 103 3844 1469 2850 1169 2544 4495 4289 909 6159 4638 3322 103 511 4680 1184 8024 1068 103 4567 1333 11656 4638 5301 5528 1079 6399 1166 3322 1169 3300 749 103 711 3918 1057 4638 4777 4955 1469 4685 1068 2845 103 8024 852 5301 5528 1079 4567 1333 8669 4638 6399 1166 1469 4685 2418 4638 1921 4197 1048 4554 2418 5031 3322 1169 793 103 2130 1059 6158 2999 4850 511 102 7331 3209 677 6835 3322 103 3300 1221 754 749 6237 1469 3780 4545 671 5143 1154 2544 4495 4289 2697 3381 4685 1068 4638 4565 103 8024 1259 2886 4567 3681 1469 5301 5826 2697 3381 5102 4565 4567 510 4567 3681 4685 1068 4638 5514 103 510 5632 6716 1048 103 2595 103 4567 5023 511 6818 2399 3341 8024 5301 5528 1079 1914 702 103 2496 100 8669 837 2697 1690 100 4638 1146 2094 1469 103 2817 5162 6444 5688 1146 2094 6158 6371 711 1762 103 5528 6574 8669 6430 2193 2162 712 1921 4197 1048 4554 103 2418 6814 4923 704 6629 4708 1068 7241 2595 103 5688 868 4500 511 5341 103 749 2190 5301 5528 1079 4567 1333 8669 4638 712 6206 6399 1166 1146 2094 510 928 1384 6858 6662 809 1350 4685 1068 4638 1921 4197 1048 4554 103 2971 3322 1169 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 11 16 28 34 48 59 84 97 118 139 144 146 147 159 171 182 194 204 210 240
INFO:tensorflow:masked_lm_ids: 671 2968 1169 754 6772 6887 3313 1169 4567 4606 4554 4565 4567 1041 2397 5301 1353 6444 6835 6444
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 观 察 金 雀 异 黄 素 ( 又 称 染 料 木 黄 酮 , ge ##nis ##tein , ge ##n ) 对 β 淀 [MASK] 样 蛋 白 ( a ##β ) 致 大 鼠 [MASK] 化 应 激 损 伤 的 保 护 作 用 [MASK] [SEP] 30 只 健 康 [MASK] 性 sd 大 鼠 随 机 分 为 假 手 术 组 、 模 [MASK] 组 和 ge ##n 干 预 组 , 每 组 10 只 . ge ##n 组 灌 胃 剂 量 为 30 mg / ( kg · d ) , [MASK] 手 术 组 和 模 型 组 灌 胃 等 量 的 0 . 5 % 羧 甲 基 纤 维 素 钠 . 连 续 [MASK] 胃 14 d 后 , 模 型 组 和 ge [MASK] 组 大 鼠 双 侧 海 马 ca ##1 区 注 射 a ##β _ ( 25 - 35 ) , 假 手 术 组 注 射 等 量 生 理 盐 水 , 于 术 后 7 d , 生 物 化 学 方 法 检 测 脑 组 织 中 [MASK] ##d 、 [MASK] ##h - p ##x 、 md ##a 2008 活 性 或 含 量 , he 染 色 观 察 大 鼠 海 马 的 形 [MASK] 学 改 变 . ( 1 ) 与 假 手 术 组 比 较 [MASK] 模 型 组 脑 组 织 so ##d 及 gs ##h - p ##x 活 力 明 显 降 低 , md ##a 含 量 明 显 升 [MASK] ( p < 0 . 01 ) , 而 ge ##n 组 脑 组 织 so ##d 及 gs ##h - p ##x 活 力 较 模 型 组 升 高 , md ##a 含 量 较 模 型 组 降 低 ( p [MASK] 0 . 05 ) . ( 2 ) 假 手 术 组 he 染 [MASK] 可 见 大 鼠 海 马 锥 体 细 胞 排 列 整 齐 、 均 匀 , 细 胞 结 构 完 [MASK] , 形 态 正 常 ; 模 型 组 可 见 海 马 锥 体 细 胞 ▂ 失 、 排 列 紊 乱 , 结 构 不 清 , 部 分 胞 核 固 缩 、 深 染 ; ge ##n 组 海 马 锥 体 细 胞 排 列 较 整 齐 、 均 匀 , 结 构 尚 [MASK] 晰 , 形 态 基 本 正 常 . [SEP]
INFO:tensorflow:input_ids: 101 6225 2175 7032 7411 2460 7942 5162 113 1348 4917 3381 3160 3312 7942 6993 117 10234 12334 12508 117 10234 8171 114 2190 211 3895 103 3416 6028 4635 113 143 13381 114 5636 1920 7962 103 1265 2418 4080 2938 839 4638 924 2844 868 4500 103 102 8114 1372 978 2434 103 2595 9201 1920 7962 7390 3322 1146 711 969 2797 3318 5299 510 3563 103 5299 1469 10234 8171 2397 7564 5299 117 3680 5299 8108 1372 119 10234 8171 5299 4118 5517 1177 7030 711 8114 9404 120 113 9515 185 146 114 117 103 2797 3318 5299 1469 3563 1798 5299 4118 5517 5023 7030 4638 121 119 126 110 5410 4508 1825 5275 5335 5162 7165 119 6825 5330 103 5517 8122 146 1400 117 3563 1798 5299 1469 10234 103 5299 1920 7962 1352 904 3862 7716 8850 8148 1277 3800 2198 143 13381 142 113 8132 118 8198 114 117 969 2797 3318 5299 3800 2198 5023 7030 4495 4415 4663 3717 117 754 3318 1400 128 146 117 4495 4289 1265 2110 3175 3791 3466 3844 5554 5299 5302 704 103 8168 510 103 8199 118 158 8206 510 11399 8139 8182 3833 2595 2772 1419 7030 117 9245 3381 5682 6225 2175 1920 7962 3862 7716 4638 2501 103 2110 3121 1359 119 113 122 114 680 969 2797 3318 5299 3683 6772 103 3563 1798 5299 5554 5299 5302 8968 8168 1350 12694 8199 118 158 8206 3833 1213 3209 3227 7360 856 117 11399 8139 1419 7030 3209 3227 1285 103 113 158 133 121 119 8146 114 117 5445 10234 8171 5299 5554 5299 5302 8968 8168 1350 12694 8199 118 158 8206 3833 1213 6772 3563 1798 5299 1285 7770 117 11399 8139 1419 7030 6772 3563 1798 5299 7360 856 113 158 103 121 119 8137 114 119 113 123 114 969 2797 3318 5299 9245 3381 103 1377 6224 1920 7962 3862 7716 7238 860 5301 5528 2961 1154 3146 7970 510 1772 1258 117 5301 5528 5310 3354 2130 103 117 2501 2578 3633 2382 132 3563 1798 5299 1377 6224 3862 7716 7238 860 5301 5528 449 1927 510 2961 1154 5150 744 117 5310 3354 679 3926 117 6956 1146 5528 3417 1743 5367 510 3918 3381 132 10234 8171 5299 3862 7716 7238 860 5301 5528 2961 1154 6772 3146 7970 510 1772 1258 117 5310 3354 2213 103 3251 117 2501 2578 1825 3315 3633 2382 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 27 38 49 55 70 101 128 139 140 192 195 203 221 236 265 310 325 349 367 411
INFO:tensorflow:masked_lm_ids: 5106 3709 119 7413 1798 969 4118 8171 5299 8968 12694 4638 2578 117 7770 133 5682 3146 5564 3926
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 褐 [MASK] [UNK] 在 饥 饿 胁 迫 下 , 随 着 饥 饿 时 间 的 延 长 , [MASK] 肠 道 萎 缩 , 比 肠 长 逐 渐 变 小 , 与 对 照 组 相 比 , 差 [MASK] 显 著 ( p < 0 . 05 ) ; 比 肝 重 、 比 胃 重 、 比 幽 门 重 指 标 均 随 着 饥 饿 时 间 的 延 长 而 下 降 , 其 中 比 肝 重 下 降 幅 度 最 大 , 饥 饿 21 ##d 的 比 肝 重 与 对 照 樁 相 比 下 降 了 85 . 03 ##3 % ; 饥 饿 对 褐 菖 [UNK] 肌 肉 中 [MASK] 分 、 蛋 白 质 、 脂 肪 和 灰 分 含 量 变 化 有 显 著 影 响 , 蛋 白 质 、 脂 肪 含 量 皆 显 著 下 降 ( p < 0 . 05 [MASK] , [MASK] 分 含 量 显 著 增 加 ( p < 0 . 05 ) , 而 灰 分 含 ##sue 变 化 不 大 , 差 异 并 不 显 著 ( [MASK] < 0 [MASK] 05 [MASK] 。 [SEP] 通 过 波 谱 分 析 , 分 别 鉴 定 为 n - 反 式 - 阿 魏 酰 酪 胺 ( 1 ) , 亚 油 酸 甘 油 酯 [MASK] 2 ) , β - 蜕 皮 甾 酮 ( 3 ) , 水 龙 [MASK] [MASK] 酮 b ( 4 ) , 麦 角 甾 - 7 , 22 - 二 烯 - 3 ##β , 5 ##α , 6 ##β - 三 醇 ( 5 ) , 竹 节 参 皂 苷 - 1 ( 6 ) , 齐 [MASK] 果 酸 - 3 - 担 - β - d - 葡 萄 糖 苷 ( 7 ) 和 胡 萝 卜 甙 ( 8 ) . [SEP]
INFO:tensorflow:input_ids: 101 6186 103 100 1762 7645 7662 5516 6833 678 117 7390 4708 7645 7662 3198 7313 4638 2454 7270 117 103 5499 6887 5848 5367 117 3683 5499 7270 6852 3933 1359 2207 117 680 2190 4212 5299 4685 3683 117 2345 103 3227 5865 113 158 133 121 119 8137 114 132 3683 5498 7028 510 3683 5517 7028 510 3683 2406 7305 7028 2900 3403 1772 7390 4708 7645 7662 3198 7313 4638 2454 7270 5445 678 7360 117 1071 704 3683 5498 7028 678 7360 2388 2428 3297 1920 117 7645 7662 8128 8168 4638 3683 5498 7028 680 2190 4212 3555 4685 3683 678 7360 749 8300 119 8140 8152 110 132 7645 7662 2190 6186 5829 100 5491 5489 704 103 1146 510 6028 4635 6574 510 5544 5505 1469 4129 1146 1419 7030 1359 1265 3300 3227 5865 2512 1510 117 6028 4635 6574 510 5544 5505 1419 7030 4639 3227 5865 678 7360 113 158 133 121 119 8137 103 117 103 1146 1419 7030 3227 5865 1872 1217 113 158 133 121 119 8137 114 117 5445 4129 1146 1419 11872 1359 1265 679 1920 117 2345 2460 2400 679 3227 5865 113 103 133 121 103 8137 103 511 102 6858 6814 3797 6480 1146 3358 117 1146 1166 7063 2137 711 156 118 1353 2466 118 7350 7794 6995 6991 5542 113 122 114 117 762 3779 7000 4491 3779 6994 103 123 114 117 211 118 6053 4649 4515 6993 113 124 114 117 3717 7987 103 103 6993 144 113 125 114 117 7931 6235 4515 118 128 117 8130 118 753 4179 118 124 13381 117 126 13380 117 127 13381 118 676 7003 113 126 114 117 5001 5688 1346 4637 5740 118 122 113 127 114 117 7970 103 3362 7000 118 124 118 2857 118 211 118 146 118 5868 5843 5131 5740 113 128 114 1469 5529 5850 1301 4492 113 129 114 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 2 8 21 43 105 126 167 168 169 189 200 202 205 207 242 258 259 304 310 321
INFO:tensorflow:masked_lm_ids: 5829 6833 1071 2460 5299 3717 114 117 3717 7030 5865 158 119 114 113 7755 4515 1875 157 128
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 详 细 了 解 这 些 蛋 白 的 合 成 、 折 叠 与 组 装 到 [MASK] 膜 的 过 程 e6 增 加 筛 [MASK] 抗 病 原 菌 [MASK] 物 靶 [MASK] 、 增 强 有 益 菌 的 生 物 活 性 等 方 面 具 有 [MASK] 要 意 义 。 [SEP] 本 文 对 近 年 来 革 兰 氏 阴 性 细 菌 β - 桶 状 [MASK] 构 [MASK] 膜 蛋 白 的 合 成 、 转 运 、 折 叠 及 组 装 到 外 膜 过 程 的 研 究 结 果 [MASK] 行 了 综 合 论 述 , 重 点 叙 述 [MASK] β - 桶 状 结 [MASK] 外 [MASK] 蛋 白 [MASK] [MASK] 复 合 体 的 研 究 进 展 , 并 在 此 基 础 对 这 [MASK] 类 蛋 白 的 折 叠 与 膜 整 合 过 程 提 出 一 些 [MASK] 的 见 解 , 便 于 读 者 快 速 、 全 面 了 解 该 领 域 的 [MASK] 新 发 现 和 发 展 。 [SEP]
INFO:tensorflow:input_ids: 101 6422 5301 749 6237 6821 763 6028 4635 4638 1394 2768 510 2835 1363 680 5299 6163 1168 103 5606 4638 6814 4923 11639 1872 1217 5033 103 2834 4567 1333 5826 103 4289 7487 103 510 1872 2487 3300 4660 5826 4638 4495 4289 3833 2595 5023 3175 7481 1072 3300 103 6206 2692 721 511 102 3315 3152 2190 6818 2399 3341 7484 1065 3694 7346 2595 5301 5826 211 118 3446 4307 103 3354 103 5606 6028 4635 4638 1394 2768 510 6760 6817 510 2835 1363 1350 5299 6163 1168 1912 5606 6814 4923 4638 4777 4955 5310 3362 103 6121 749 5341 1394 6389 6835 117 7028 4157 1360 6835 103 211 118 3446 4307 5310 103 1912 103 6028 4635 103 103 1908 1394 860 4638 4777 4955 6822 2245 117 2400 1762 3634 1825 4794 2190 6821 103 5102 6028 4635 4638 2835 1363 680 5606 3146 1394 6814 4923 2990 1139 671 763 103 4638 6224 6237 117 912 754 6438 5442 2571 6862 510 1059 7481 749 6237 6421 7566 1818 4638 103 3173 1355 4385 1469 1355 2245 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 2 19 24 28 33 36 53 76 78 82 104 109 116 122 124 127 128 145 162 182
INFO:tensorflow:masked_lm_ids: 5301 1912 1762 6848 5790 855 7028 5310 1912 4638 6822 6389 749 3354 5606 5299 6163 671 3173 3297
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] [MASK] 文 综 述 了 国 家 自 然 科 学 基 金 委 员 [MASK] [UNK] 基 [MASK] 化 [MASK] 小 分 子 探 [MASK] 的 信 号 转 导 过 程 研 究 [UNK] 重 大 研 究 计 划 的 [MASK] 统 研 究 成 果 。 重 点 涵 盖 了 在 [UNK] 针 对 信 号 转 导 过 程 的 新 型 分 子 探 针 的 [MASK] 发 与 [MASK] 备 [UNK] 、 [UNK] 探 测 信 号 转 [MASK] 过 程 的 化 学 生 物 学 方 法 与 前 沿 技 术 [MASK] 、 [UNK] 信 号 转 导 分 子 机 制 的 深 入 研 究 [UNK] 和 [UNK] 基 于 信 号 转 导 [MASK] 径 的 药 物 靶 标 [MASK] 先 导 化 合 物 发 掘 [UNK] 等 4 个 方 面 所 取 得 的 突 破 性 ##します 新 进 展 。 [SEP] 实 验 结 果 : 牛 心 朴 [MASK] 花 含 有 多 种 微 量 元 素 , 并 具 有 高 蛋 白 、 低 脂 肪 、 低 糖 的 特 点 . 其 中 , 钾 、 钙 、 镁 、 磷 元 [MASK] 的 含 量 平 均 值 2000 ~ 108 ##50 ##mg / kg , 钠 、 铜 、 锌 、 铁 和 锰 元 素 的 含 [MASK] 平 均 在 14 ~ 450 ##mg / kg ; 初 花 期 的 蛋 白 质 含 量 明 显 高 于 其 盛 花 期 和 末 花 期 . 牛 心 朴 子 全 花 营 养 成 分 含 量 丰 富 , 具 有 一 定 的 开 发 利 用 价 值 . [SEP]
INFO:tensorflow:input_ids: 101 103 3152 5341 6835 749 1744 2157 5632 4197 4906 2110 1825 7032 1999 1447 103 100 1825 103 1265 103 2207 1146 2094 2968 103 4638 928 1384 6760 2193 6814 4923 4777 4955 100 7028 1920 4777 4955 6369 1153 4638 103 5320 4777 4955 2768 3362 511 7028 4157 3891 4667 749 1762 100 7151 2190 928 1384 6760 2193 6814 4923 4638 3173 1798 1146 2094 2968 7151 4638 103 1355 680 103 1906 100 510 100 2968 3844 928 1384 6760 103 6814 4923 4638 1265 2110 4495 4289 2110 3175 3791 680 1184 3784 2825 3318 103 510 100 928 1384 6760 2193 1146 2094 3322 1169 4638 3918 1057 4777 4955 100 1469 100 1825 754 928 1384 6760 2193 103 2520 4638 5790 4289 7487 3403 103 1044 2193 1265 1394 4289 1355 2963 100 5023 125 702 3175 7481 2792 1357 2533 4638 4960 4788 2595 9294 3173 6822 2245 511 102 2141 7741 5310 3362 131 4281 2552 3320 103 5709 1419 3300 1914 4905 2544 7030 1039 5162 117 2400 1072 3300 7770 6028 4635 510 856 5544 5505 510 856 5131 4638 4294 4157 119 1071 704 117 7185 510 7159 510 7250 510 4840 1039 103 4638 1419 7030 2398 1772 966 8202 172 8692 8474 8882 120 9515 117 7165 510 7198 510 7227 510 7188 1469 7243 1039 5162 4638 1419 103 2398 1772 1762 8122 172 8802 8882 120 9515 132 1159 5709 3309 4638 6028 4635 6574 1419 7030 3209 3227 7770 754 1071 4670 5709 3309 1469 3314 5709 3309 119 4281 2552 3320 2094 1059 5709 5852 1075 2768 1146 1419 7030 705 2168 117 1072 3300 671 2137 4638 2458 1355 1164 4500 817 966 119 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 1 16 19 21 26 44 64 74 77 87 103 110 128 135 156 170 209 224 237 246
INFO:tensorflow:masked_lm_ids: 3315 833 754 2110 7151 5143 6814 2458 1169 2193 107 1146 6854 680 1158 2094 5162 7165 7030 9515
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 观 察 转 人 app 基 因 ad 模 [MASK] 小 [MASK] 视 网 膜 各 层 细 胞 超 微 结 构 的 改 变 。 [SEP] 显 示 , 3 种 转 座 子 介 导 的 启 动 子 捕 获 载 体 能 够 高 效 率 捕 获 内 源 基 因 启 动 子 , 进 而 驱 动 g ##f ##p 的 表 达 ; 注 射 后 培 养 36 ##h 时 的 sb 、 p ##b 和 to ##l ##2 捕 获 效 率 分 别 为 24 . [MASK] % 、 30 . 70 % [MASK] 18 . 87 % [MASK] p ##b 捕 获 效 率 显 著 高 于 sb 和 to ##l ##2 ( p < 0 . [MASK] ) ; 3 种 [MASK] 座 子 在 60 h 时 [MASK] 捕 获 效 率 均 [MASK] 于 [MASK] h 的 [MASK] 其 中 sb 和 to ##l ##2 组 差 异 达 显 著 水 平 ( p < [MASK] . 05 ) , 而 p ##b 组 差 异 不 [MASK] 著 ( p > 0 . 05 ) 。 本 研 究 结 果 表 明 , sb 、 p ##b 和 to ##l ##2 ##萄 座 子 介 导 的 [MASK] 因 捕 获 技 术 可 以 用 于 脊 椎 动 物 高 通 量 功 能 [MASK] 因 [MASK] 选 , 为 功 能 基 因 研 究 提 供 [MASK] 效 新 方 法 。 [SEP]
INFO:tensorflow:input_ids: 101 6225 2175 6760 782 8172 1825 1728 9145 3563 103 2207 103 6228 5381 5606 1392 2231 5301 5528 6631 2544 5310 3354 4638 3121 1359 511 102 3227 4850 117 124 4905 6760 2429 2094 792 2193 4638 1423 1220 2094 2936 5815 6770 860 5543 1916 7770 3126 4372 2936 5815 1079 3975 1825 1728 1423 1220 2094 117 6822 5445 7721 1220 149 8189 8187 4638 6134 6809 132 3800 2198 1400 1824 1075 8216 8199 3198 4638 12359 510 158 8204 1469 8228 8178 8144 2936 5815 3126 4372 1146 1166 711 8125 119 103 110 510 8114 119 8203 110 103 8123 119 8467 110 103 158 8204 2936 5815 3126 4372 3227 5865 7770 754 12359 1469 8228 8178 8144 113 158 133 121 119 103 114 132 124 4905 103 2429 2094 1762 8183 150 3198 103 2936 5815 3126 4372 1772 103 754 103 150 4638 103 1071 704 12359 1469 8228 8178 8144 5299 2345 2460 6809 3227 5865 3717 2398 113 158 133 103 119 8137 114 117 5445 158 8204 5299 2345 2460 679 103 5865 113 158 135 121 119 8137 114 511 3315 4777 4955 5310 3362 6134 3209 117 12359 510 158 8204 1469 8228 8178 8144 18900 2429 2094 792 2193 4638 103 1728 2936 5815 2825 3318 1377 809 4500 754 5550 3491 1220 4289 7770 6858 7030 1216 5543 103 1728 103 6848 117 711 1216 5543 1825 1728 4777 4955 2990 897 103 3126 3173 3175 3791 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 10 12 44 99 106 111 116 132 137 144 150 152 155 174 186 212 218 237 239 251
INFO:tensorflow:masked_lm_ids: 1798 7962 5815 8211 1469 117 3126 8137 6760 4638 7770 8216 117 121 3227 6760 1825 1825 5033 3300
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 2008 年 1 月 [UNK] 12 月 对 江 苏 阳 澄 湖 的 浮 游 藻 类 进 行 了 调 查 , 分 [MASK] 了 藻 类 的 群 落 结 构 、 物 种 多 样 性 以 及 其 与 阳 澄 湖 生 态 环 境 的 相 互 [MASK] 系 。 [SEP] 共 发 现 藻 类 [MASK] 门 124 埠 324 种 ( [MASK] 括 变 [MASK] ) , 全 年 优 势 种 为 铜 绿 微 囊 藻 ( micro ##cy ##st ##is ae ##ru ##gin ##i - sa ) 、 小 席 藻 ( ph ##or ##im ##id ##ium te ##nus ) 、 不 定 微 囊 藻 ( m . inc ##ert ##a ) 、 密 集 微 囊 藻 ( [MASK] . de ##ns ##a ) 等 。 藻 类 的 年 平 均 丰 度 为 346 ##2 . 93 ##× ##10 ~ 4 ##cel ##l / l , 年 平 均 生 物 量 为 8 . 09 mg / l 。 利 用 [MASK] 物 学 指 标 对 湖 泊 进 行 营 养 状 况 评 价 , 阳 澄 湖 属 于 α - 胴 污 染 富 营 养 型 湖 泊 。 cc ##a 分 析 表 明 阳 澄 湖 的 蓝 藻 主 要 分 布 在 夏 、 [MASK] 季 , 绿 藻 在 夏 季 话 到 微 囊 藻 的 抑 制 , 硅 藻 主 [MASK] 分 布 在 [MASK] 、 冬 季 , 金 藻 和 [MASK] 藻 主 要 分 布 在 冬 季 [MASK] 温 度 是 阳 [MASK] 湖 藻 [MASK] 的 首 要 影 响 [MASK] 子 , 总 氮 与 总 磷 的 影 响 作 用 由 入 湖 河 道 向 东 湖 逐 [MASK] 减 小 。 [SEP]
INFO:tensorflow:input_ids: 101 8182 2399 122 3299 100 8110 3299 2190 3736 5722 7345 4067 3959 4638 3859 3952 5976 5102 6822 6121 749 6444 3389 117 1146 103 749 5976 5102 4638 5408 5862 5310 3354 510 4289 4905 1914 3416 2595 809 1350 1071 680 7345 4067 3959 4495 2578 4384 1862 4638 4685 757 103 5143 511 102 1066 1355 4385 5976 5102 103 7305 9377 1819 11500 4905 113 103 2886 1359 103 114 117 1059 2399 831 1232 4905 711 7198 5344 2544 1718 5976 113 10204 8890 8415 8331 11978 10409 10822 8169 118 8945 114 510 2207 2375 5976 113 9465 8372 9370 8601 9750 8282 11316 114 510 679 2137 2544 1718 5976 113 155 119 8910 10707 8139 114 510 2166 7415 2544 1718 5976 113 103 119 8363 8727 8139 114 5023 511 5976 5102 4638 2399 2398 1772 705 2428 711 12380 8144 119 8430 9569 8311 172 125 11786 8178 120 154 117 2399 2398 1772 4495 4289 7030 711 129 119 8141 9404 120 154 511 1164 4500 103 4289 2110 2900 3403 2190 3959 3788 6822 6121 5852 1075 4307 1105 6397 817 117 7345 4067 3959 2247 754 210 118 5539 3738 3381 2168 5852 1075 1798 3959 3788 511 8485 8139 1146 3358 6134 3209 7345 4067 3959 4638 5905 5976 712 6206 1146 2357 1762 1909 510 103 2108 117 5344 5976 1762 1909 2108 6413 1168 2544 1718 5976 4638 2829 1169 117 4795 5976 712 103 1146 2357 1762 103 510 1100 2108 117 7032 5976 1469 103 5976 712 6206 1146 2357 1762 1100 2108 103 3946 2428 3221 7345 103 3959 5976 103 4638 7674 6206 2512 1510 103 2094 117 2600 3713 680 2600 4840 4638 2512 1510 868 4500 4507 1057 3959 3777 6887 1403 691 3959 6852 103 1121 2207 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 26 55 64 67 71 74 133 179 203 232 240 243 252 256 264 273 278 281 287 309
INFO:tensorflow:masked_lm_ids: 3358 1068 129 2247 1259 4905 155 4495 704 4904 1358 1718 6206 3217 7942 132 4067 5102 1728 3635
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 0
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 采 用 单 因 素 试 验 考 [MASK] 微 藻 des ##mo ##des ##mus sp . w ##c ##08 在 4 [MASK] 培 养 基 中 的 生 长 和 油 脂 积 累 的 , 并 以 海 水 b ##g ##11 为 基 础 培 养 基 , 研 究 铁 、 镁 及 钙 浓 度 对 该 [MASK] 水 微 [MASK] 生 [MASK] 和 油 脂 积 累 的 影 响 。 [SEP] 海 南 海 岸 禾 草 植 物 区 系 有 野 生 植 物 140 种 （ 含 变 种 、 亚 种 ） 、 82 属 。 本 区 系 热 带 性 质 明 显 , 热 带 分 布 属 占 总 属 数 （ 除 去 世 界 属 和 外 来 属 ） 的 94 . 6 ％ ， 以 泛 热 带 [MASK] 布 、 古 热 带 [MASK] 布 、 [MASK] 带 亚 洲 [MASK] 热 带 非 洲 分 布 为 主 ， 分 别 占 总 属 数 的 47 . 30 ％ 、 16 . 22 ％ 、 13 . 51 [MASK] ； 热 带 分 布 种 占 总 ##辘 数 （ 除 去 广 布 种 和 外 来 种 ） 的 78 . 9 ％ , [MASK] 以 热 带 亚 洲 分 布 [MASK] 古 热 带 分 布 、 热 带 徙 洲 至 热 带 大 洋 洲 分 布 及 泛 热 带 分 布 为 [MASK] ， 分 别 占 总 种 数 的 35 . 16 ％ 、 14 . 84 ％ [MASK] 12 . 50 [MASK] 、 11 . 72 ％ ； [MASK] 区 系 拥 有 较 多 的 海 岸 植 物 群 落 优 势 种 ； 探 讨 了 本 区 系 与 周 边 [MASK] 区 、 各 大 洲 热 带 地 区 植 物 区 系 的 联 系 ； 简 要 评 价 本 区 禾 草 植 物 资 源 。 [SEP]
INFO:tensorflow:input_ids: 101 7023 4500 1296 1728 5162 6407 7741 5440 103 2544 5976 11081 8788 11211 13090 9716 119 165 8177 9153 1762 125 103 1824 1075 1825 704 4638 4495 7270 1469 3779 5544 4916 5168 4638 117 2400 809 3862 3717 144 8181 8452 711 1825 4794 1824 1075 1825 117 4777 4955 7188 510 7250 1350 7159 3849 2428 2190 6421 103 3717 2544 103 4495 103 1469 3779 5544 4916 5168 4638 2512 1510 511 102 3862 1298 3862 2279 4897 5770 3490 4289 1277 5143 3300 7029 4495 3490 4289 8468 4905 8020 1419 1359 4905 510 762 4905 8021 510 8460 2247 511 3315 1277 5143 4178 2372 2595 6574 3209 3227 117 4178 2372 1146 2357 2247 1304 2600 2247 3144 8020 7370 1343 686 4518 2247 1469 1912 3341 2247 8021 4638 8416 119 127 8017 8024 809 3793 4178 2372 103 2357 510 1367 4178 2372 103 2357 510 103 2372 762 3828 103 4178 2372 7478 3828 1146 2357 711 712 8024 1146 1166 1304 2600 2247 3144 4638 8264 119 8114 8017 510 8121 119 8130 8017 510 8124 119 8246 103 8039 4178 2372 1146 2357 4905 1304 2600 19844 3144 8020 7370 1343 2408 2357 4905 1469 1912 3341 4905 8021 4638 8409 119 130 8017 117 103 809 4178 2372 762 3828 1146 2357 103 1367 4178 2372 1146 2357 510 4178 2372 2535 3828 5635 4178 2372 1920 3817 3828 1146 2357 1350 3793 4178 2372 1146 2357 711 103 8024 1146 1166 1304 2600 4905 3144 4638 8198 119 8121 8017 510 8122 119 8479 8017 103 8110 119 8145 103 510 8111 119 8325 8017 8039 103 1277 5143 2881 3300 6772 1914 4638 3862 2279 3490 4289 5408 5862 831 1232 4905 8039 2968 6374 749 3315 1277 5143 680 1453 6804 103 1277 510 1392 1920 3828 4178 2372 1765 1277 3490 4289 1277 5143 4638 5468 5143 8039 5042 6206 6397 817 3315 1277 4897 5770 3490 4289 6598 3975 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 9 23 63 66 68 148 154 157 161 191 200 219 227 236 253 271 275 282 309 329
INFO:tensorflow:masked_lm_ids: 2175 4905 3862 5976 7270 1146 1146 4178 5635 8017 4905 1348 510 762 712 510 8017 6421 1765 6397
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 两 个 基 因 , 并 对 其 生 物 信 息 学 进 行 分 析 。 通 过 荧 光 定 量 pc ##r 技 术 [MASK] q ##pc ##r ) 检 测 了 这 两 个 基 因 在 褐 飞 虱 不 同 组 织 和 不 同 发 育 阶 段 中 的 相 对 表 达 量 。 构 建 原 核 表 达 载 体 , 殿 表 达 菌 株 rose ##tta 中 诱 导 重 组 目 的 蛋 白 的 表 达 。 通 过 ni [MASK] 亲 和 层 析 纯 化 目 的 蛋 白 , 并 将 纯 化 得 到 [MASK] 蛋 白 免 疫 新 西 兰 大 白 兔 , 得 到 多 克 隆 抗 体 , 并 用 el ##isa 检 测 抗 体 效 [MASK] , west ##ern bl ##ot ##ting 检 测 抗 体 特 异 性 。 利 用 上 述 抗 体 , 通 过 免 疫 荧 光 实 验 观 察 目 的 蛋 白 在 褐 飞 虱 [MASK] [MASK] 中 的 表 达 和 定 位 。 克 隆 并 鉴 定 了 两 个 d ##yn ##am ##in - [MASK] - like 基 因 , 分 别 命 名 为 n ##ld ##nm ##1 [MASK] - 1 和 n ##ld ##nm ##1 ##l - 2 ( ge ##nba ##nk 登 录 号 分 别 为 ky ##08 ##29 ##00 、 ky ##08 ##29 ##01 ) 。 系 统 进 化 树 表 明 , n ##ld ##nm ##1 ##l - 1 和 n ##ld ##nm ##1 ##l - 2 在 半 翅 目 [MASK] 虫 中 较 为 保 守 。 蛋 白 结 构 [MASK] 测 和 基 因 时 空 表 达 分 析 说 明 , n ##ld ##nm ##1 ##l - 1 和 n ##ld ##nm ##1 ##l - 2 在 褐 飞 虱 中 可 能 有 着 不 同 的 [MASK] 能 。 el ##isa 和 west ##ern bl ##ot ##ting 结 果 表 明 , 制 备 的 n ##ld ##nm ##1 ##l - 1 和 n ##ld ##nm ##1 ##l - [SEP] [MASK] 曲 介 [UNK] 水 母 , 新 种 : 伞 无 顶 突 ; 垂 管 短 小 , 呈 方 形 ; 胃 柄 ##員 著 , 约 为 垂 管 长 度 1 / 2 ; 口 有 4 个 主 辐 位 口 唇 , 延 长 成 向 上 [MASK] 曲 的 短 口 腕 , 末 端 具 成 丛 刺 胞 ; 4 个 卵 圆 形 生 殖 腺 , 附 在 二 个 反 [MASK] 口 腕 之 间 的 垂 管 间 辐 位 , [MASK] 水 母 芽 ; 缘 触 手 16 条 , 触 手 基 球 膨 大 , 呈 锥 [MASK] , [MASK] 样 大 小 , 整 条 [MASK] 手 具 环 状 刺 胞 , 末 端 略 膨 大 , 呈 椭 圆 形 . [SEP]
INFO:tensorflow:input_ids: 101 697 702 1825 1728 117 2400 2190 1071 4495 4289 928 2622 2110 6822 6121 1146 3358 511 6858 6814 5786 1045 2137 7030 8295 8180 2825 3318 103 159 10022 8180 114 3466 3844 749 6821 697 702 1825 1728 1762 6186 7607 6003 679 1398 5299 5302 1469 679 1398 1355 5509 7348 3667 704 4638 4685 2190 6134 6809 7030 511 3354 2456 1333 3417 6134 6809 6770 860 117 3671 6134 6809 5826 3415 9497 11245 704 6430 2193 7028 5299 4680 4638 6028 4635 4638 6134 6809 511 6858 6814 10560 103 779 1469 2231 3358 5283 1265 4680 4638 6028 4635 117 2400 2199 5283 1265 2533 1168 103 6028 4635 1048 4554 3173 6205 1065 1920 4635 1052 117 2533 1168 1914 1046 7384 2834 860 117 2400 4500 10245 12170 3466 3844 2834 860 3126 103 117 8520 9814 10353 8783 9107 3466 3844 2834 860 4294 2460 2595 511 1164 4500 677 6835 2834 860 117 6858 6814 1048 4554 5786 1045 2141 7741 6225 2175 4680 4638 6028 4635 1762 6186 7607 6003 103 103 704 4638 6134 6809 1469 2137 855 511 1046 7384 2400 7063 2137 749 697 702 146 10879 8608 8277 118 103 118 8993 1825 1728 117 1146 1166 1462 1399 711 156 8635 9359 8148 103 118 122 1469 156 8635 9359 8148 8178 118 123 113 10234 12360 9705 4633 2497 1384 1146 1166 711 11096 9153 8887 8279 510 11096 9153 8887 8665 114 511 5143 5320 6822 1265 3409 6134 3209 117 156 8635 9359 8148 8178 118 122 1469 156 8635 9359 8148 8178 118 123 1762 1288 5420 4680 103 6001 704 6772 711 924 2127 511 6028 4635 5310 3354 103 3844 1469 1825 1728 3198 4958 6134 6809 1146 3358 6432 3209 117 156 8635 9359 8148 8178 118 122 1469 156 8635 9359 8148 8178 118 123 1762 6186 7607 6003 704 1377 5543 3300 4708 679 1398 4638 103 5543 511 10245 12170 1469 8520 9814 10353 8783 9107 5310 3362 6134 3209 117 1169 1906 4638 156 8635 9359 8148 8178 118 122 1469 156 8635 9359 8148 8178 118 102 103 3289 792 100 3717 3678 117 3173 4905 131 835 3187 7553 4960 132 1795 5052 4764 2207 117 1439 3175 2501 132 5517 3376 14576 5865 117 5276 711 1795 5052 7270 2428 122 120 123 132 1366 3300 125 702 712 6781 855 1366 1535 117 2454 7270 2768 1403 677 103 3289 4638 4764 1366 5580 117 3314 4999 1072 2768 690 1173 5528 132 125 702 1317 1749 2501 4495 3658 5593 117 7353 1762 753 702 1353 103 1366 5580 722 7313 4638 1795 5052 7313 6781 855 117 103 3717 3678 5715 132 5357 6239 2797 8121 3340 117 6239 2797 1825 4413 5610 1920 117 1439 7238 103 117 103 3416 1920 2207 117 3146 3340 103 2797 1072 4384 4307 1173 5528 117 3314 4999 4526 5610 1920 117 1439 3495 1749 2501 119 102
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
INFO:tensorflow:masked_lm_positions: 29 74 97 115 144 184 185 207 222 281 293 334 368 394 422 451 463 483 485 492
INFO:tensorflow:masked_lm_ids: 113 1762 3393 4638 817 1317 2338 122 8178 3204 7564 1216 1353 3227 1353 3289 3187 4307 1398 6239
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 在 加 入 [MASK] ##bs 或 lp [MASK] 后 6 、 12 、 24 和 48 ##h 时 采 用 mt ##t 法 测 [MASK] 细 胞 活 力 。 [SEP] 环 氧 化 酶 - 2 ( c ##y ##cl 誓 ##xy ##gen ##ase [MASK] 2 , co ##x - 2 ) 为 一 种 在 正 常 组 织 中 较 少 表 达 的 诱 导 酶 , 而 当 细 胞 受 到 炎 症 刺 激 时 大 量 表 达 。 由 于 co ##x - 2 可 以 快 速 应 [MASK] 一 系 列 促 炎 介 质 和 细 胞 因 子 , 因 此 长 久 以 来 一 直 被 认 为 在 炎 症 发 生 的 病 理 过 程 中 [MASK] 演 重 要 角 色 。 然 而 co ##x - 2 通 过 产 生 不 同 的 前 列 腺 素 不 仅 具 有 促 炎 作 用 , 还 可 发 挥 抗 炎 促 消 [MASK] 功 能 , 如 [MASK] 过 产 生 15 ##δ ##p ##g ##j ##2 与 n ##f - κ ##b 、 st ##at ##3 、 ap - 1 等 促 炎 转 录 因 子 相 互 作 用 发 挥 拮 抗 炎 症 和 氧 化 应 激 的 保 护 功 能 。 考 虑 到 减 [MASK] co ##x - 2 表 达 导 致 的 [MASK] [MASK] 影 响 的 同 时 也 损 害 了 它 的 积 极 作 用 [MASK] 我 们 认 为 抑 制 co ##x - 2 表 达 以 抑 制 炎 症 的 这 种 治 [MASK] 方 案 有 待 商 榷 。 本 文 概 述 了 co ##x [MASK] 2 / 前 列 腺 素 在 炎 症 [MASK] 的 积 极 作 用 , 并 期 望 通 [MASK] 进 一 步 理 解 co ##x - 2 的 双 [MASK] 作 用 , 来 探 索 发 展 炎 症 疾 病 的 新 型 治 疗 方 案 。 [SEP]
INFO:tensorflow:input_ids: 101 1762 1217 1057 103 9071 2772 11195 103 1400 127 510 8110 510 8125 1469 8214 8199 3198 7023 4500 10376 8165 3791 3844 103 5301 5528 3833 1213 511 102 4384 3709 1265 6998 118 123 113 145 8179 10753 6292 11038 10152 10294 103 123 117 8792 8206 118 123 114 711 671 4905 1762 3633 2382 5299 5302 704 6772 2208 6134 6809 4638 6430 2193 6998 117 5445 2496 5301 5528 1358 1168 4142 4568 1173 4080 3198 1920 7030 6134 6809 511 4507 754 8792 8206 118 123 1377 809 2571 6862 2418 103 671 5143 1154 914 4142 792 6574 1469 5301 5528 1728 2094 117 1728 3634 7270 719 809 3341 671 4684 6158 6371 711 1762 4142 4568 1355 4495 4638 4567 4415 6814 4923 704 103 4028 7028 6206 6235 5682 511 4197 5445 8792 8206 118 123 6858 6814 772 4495 679 1398 4638 1184 1154 5593 5162 679 788 1072 3300 914 4142 868 4500 117 6820 1377 1355 2916 2834 4142 914 3867 103 1216 5543 117 1963 103 6814 772 4495 8115 13383 8187 8181 8334 8144 680 156 8189 118 218 8204 510 8811 8488 8152 510 9392 118 122 5023 914 4142 6760 2497 1728 2094 4685 757 868 4500 1355 2916 2888 2834 4142 4568 1469 3709 1265 2418 4080 4638 924 2844 1216 5543 511 5440 5991 1168 1121 103 8792 8206 118 123 6134 6809 2193 5636 4638 103 103 2512 1510 4638 1398 3198 738 2938 2154 749 2124 4638 4916 3353 868 4500 103 2769 812 6371 711 2829 1169 8792 8206 118 123 6134 6809 809 2829 1169 4142 4568 4638 6821 4905 3780 103 3175 3428 3300 2521 1555 3535 511 3315 3152 3519 6835 749 8792 8206 103 123 120 1184 1154 5593 5162 1762 4142 4568 103 4638 4916 3353 868 4500 117 2400 3309 3307 6858 103 6822 671 3635 4415 6237 8792 8206 118 123 4638 1352 103 868 4500 117 3341 2968 5164 1355 2245 4142 4568 4565 4567 4638 3173 1798 3780 4545 3175 3428 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 4 8 25 42 46 68 99 135 176 181 213 237 247 248 264 286 301 311 322 334
INFO:tensorflow:masked_lm_ids: 158 8118 2137 8902 118 6430 5031 2815 6842 6858 757 2208 6566 7481 117 4545 118 704 6814 7028
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 将 改 [MASK] 的 共 鸣 识 别 模 型 [MASK] 用 于 预 [MASK] 酵 母 蛋 白 质 [MASK] dna 的 相 互 作 用 [MASK] ##橡 用 小 波 变 换 找 出 阳 性 数 据 和 随 机 数 据 的 [MASK] 噪 比 分 布 的 [MASK] 异 , 并 通 过 阈 值 [MASK] 选 取 达 到 了 较 好 的 预 测 结 果 . [SEP] 在 土 壤 样 中 分 离 到 3 株 高 产 中 性 蛋 白 酶 的 菌 株 , 命 名 为 db _ 2 、 b _ 1 、 q ##m , 以 发 酵 液 中 的 单 位 蛋 白 酶 活 力 和 生 物 量 [MASK] 指 标 , 利 用 该 3 株 菌 分 别 对 大 豆 粕 [MASK] 菜 籽 饼 、 茶 籽 饼 作 为 发 酵 基 [MASK] 进 行 了 初 步 的 降 解 蛋 白 能 力 比 较 研 究 . 表 朗 : db _ 2 、 [MASK] _ 1 、 q ##m 均 能 很 好 的 降 解 3 种 粕 中 的 粗 蛋 白 [MASK] 经 初 步 鉴 定 db _ 2 、 b _ 1 为 芽 孢 杆 菌 , q ##m 为 [MASK] 霉 [MASK] [SEP]
INFO:tensorflow:input_ids: 101 2199 3121 103 4638 1066 7885 6399 1166 3563 1798 103 4500 754 7564 103 6997 3678 6028 4635 6574 103 8669 4638 4685 757 868 4500 103 16640 4500 2207 3797 1359 2940 2823 1139 7345 2595 3144 2945 1469 7390 3322 3144 2945 4638 103 1692 3683 1146 2357 4638 103 2460 117 2400 6858 6814 7328 966 103 6848 1357 6809 1168 749 6772 1962 4638 7564 3844 5310 3362 119 102 1762 1759 1892 3416 704 1146 4895 1168 124 3415 7770 772 704 2595 6028 4635 6998 4638 5826 3415 117 1462 1399 711 9767 142 123 510 144 142 122 510 159 8175 117 809 1355 6997 3890 704 4638 1296 855 6028 4635 6998 3833 1213 1469 4495 4289 7030 103 2900 3403 117 1164 4500 6421 124 3415 5826 1146 1166 2190 1920 6486 5109 103 5831 5104 7660 510 5763 5104 7660 868 711 1355 6997 1825 103 6822 6121 749 1159 3635 4638 7360 6237 6028 4635 5543 1213 3683 6772 4777 4955 119 6134 3306 131 9767 142 123 510 103 142 122 510 159 8175 1772 5543 2523 1962 4638 7360 6237 124 4905 5109 704 4638 5110 6028 4635 103 5307 1159 3635 7063 2137 9767 142 123 510 144 142 122 711 5715 2107 3327 5826 117 159 8175 711 103 7450 103 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 3 11 15 21 28 29 47 53 61 82 115 128 144 157 159 160 182 203 225 227
INFO:tensorflow:masked_lm_ids: 6822 2418 3844 680 117 6817 928 2345 4638 4895 704 711 510 6574 6121 749 144 119 3289 119
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:*** Example ***
INFO:tensorflow:tokens: [CLS] 表 [MASK] , 银 杏 叶 片 愈 [MASK] 组 织 中 [MASK] [MASK] [MASK] 活 [MASK] 明 显 比 叶 片 中 的 so ##d 活 性 高 , 同 时 愈 [MASK] [MASK] 织 中 so ##d [MASK] 工 酶 谱 带 也 比 叶 中 有 更 多 表 达 , 但 愈 [MASK] 组 织 中 总 黄 酮 含 量 却 [MASK] 叶 [MASK] 中 的 含 量 低 . [SEP] 海 滨 锦 葵 通 过 稳 定 比 叶 面 积 、 保 持 平 衡 的 含 水 量 、 有 效 的 生 物 量 积 累 、 均 衡 的 生 物 量 分 配 策 [MASK] 、 k + 促 进 吸 收 和 保 持 高 含 [MASK] 的 k ~ + / [MASK] ! ~ + [MASK] 来 提 高 对 水 胁 迫 的 [MASK] 应 。 [SEP]
INFO:tensorflow:input_ids: 101 6134 103 117 7213 3331 1383 4275 2689 103 5299 5302 704 103 103 103 3833 103 3209 3227 3683 1383 4275 704 4638 8968 8168 3833 2595 7770 117 1398 3198 2689 103 103 5302 704 8968 8168 103 2339 6998 6480 2372 738 3683 1383 704 3300 3291 1914 6134 6809 117 852 2689 103 5299 5302 704 2600 7942 6993 1419 7030 1316 103 1383 103 704 4638 1419 7030 856 119 102 3862 4012 7239 5878 6858 6814 4937 2137 3683 1383 7481 4916 510 924 2898 2398 6130 4638 1419 3717 7030 510 3300 3126 4638 4495 4289 7030 4916 5168 510 1772 6130 4638 4495 4289 7030 1146 6981 5032 103 510 153 116 914 6822 1429 3119 1469 924 2898 7770 1419 103 4638 153 172 116 120 103 106 172 116 103 3341 2990 7770 2190 3717 5516 6833 4638 103 2418 511 102 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:input_mask: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:segment_ids: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
INFO:tensorflow:masked_lm_positions: 2 9 13 14 15 17 34 35 40 57 67 69 72 77 117 129 130 136 140 149
INFO:tensorflow:masked_lm_ids: 3209 839 8968 8168 4638 2595 839 5299 1398 839 3683 4275 1419 3862 4526 1419 7030 11469 3683 6844
INFO:tensorflow:masked_lm_weights: 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
INFO:tensorflow:next_sentence_labels: 1
INFO:tensorflow:Wrote 1833600 total instances
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:526: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint8 = np.dtype([("qint8", np.int8, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:527: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_quint8 = np.dtype([("quint8", np.uint8, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:528: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint16 = np.dtype([("qint16", np.int16, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:529: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_quint16 = np.dtype([("quint16", np.uint16, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:530: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  _np_qint32 = np.dtype([("qint32", np.int32, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/dtypes.py:535: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
  np_resource = np.dtype([("resource", np.ubyte, 1)])
/public/home/zzx6320/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: compiletime version 3.6 of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.7
  return f(*args, **kwds)
INFO:tensorflow:*** Reading from input files ***
INFO:tensorflow:  /work1/zzx6320/lh/Projects/Data/Pretraining_Raw_New/R.txt