Created by: bb9696aa

在使用输入句子经过 ERNIE 编码后的 Embedding 表示 的功能时，在ChnSentiCorp数据集中，我分别打印了test.tsv中每句话的token embedding(即ernie_encoder.py中的unpad_top_layer_emb)的shape，以及使用tokenization.py中FullTokenizer加载./config/vocab.txt后对每句话进行分词的结果，发现模型返回的token embedding的长度全部都比使用FullTokenizer进行分词后的长度多出2个token。

理论上来说，模型返回的token embedding中第一维对应的embedding应该是[CLS]的token embedding，这是每句话相较原句分词结果多出来的其中一个token，那多出来的另一个token是什么？它在模型返回的token embedding中位于哪个位置？

还是说我的分词方法有问题，不该用FullTokenizer加载./config/vocab.txt来分词？（但是数了一下纯中文的句子的字数，确实全都要比模型返回的token embedding少2个token）

希望解答一下我的疑惑，谢谢！