大佬，想问下，hanlp2.0中实体识别的bert模型，已经fine-tune过了，为什么不直接报错fine-tune好的模型和参数而需要现在加载谷歌的与训练bert模型，再加载自己的参数呢？
目前这样设计比较简洁，训练和加载都只需AutoModel.from_pretrained(transformer)。
不好意思，之前有打错字，原问题是：实体识别的bert模型，已经fine-tune过了，为什么不直接保存fine-tune好的模型和参数，而需要先加载谷歌的预训练bert模型，再加载自己的参数呢？
何博士，您说的这个AutoModel.from_pretrained(transformer)，应该是huggingface里的方式吧，咱们hanlp里没有，而且在预测的时候为什么要加载google的预训练模型呢，问这个问题的主要目的是本地需要下载两个400MB的模型，感觉有冗余
最初版本用的是HuggingFace的实现，内部正在开发的PyTorch backend用的也是他们的实现。
你的意见是正确的，的确是冗余的。这么写的原因只是简洁起见，代码简化到不需要区分训练还是加载。另外HF的实现似乎没有创建空白Transformer的选项，如果你找到了，欢迎参与开源贡献。
好的，知道了，感谢您的耐心解答
补充一下，正在开发中的PyTorch后端已经实现了直接加载本地权值。但首次调用仍然会从网络请求词表和配置文件。如果要完全加载本地数据，则需要将HF的词表和配置文件随HanLP模型一起发布。这样增加了维护成本和冗余数据，故不采用。既然HF已经成为Transformer的事实标准，那就没必要再去探究这种hacky的操作了。