BERT 不仅有 2 个，而且有很多实现。大多数基本上是等价的。

您提到的实现是：

• 谷歌的原始代码，在 Tensorflow 中。https://github.com/google-research/bert
• Huggingface 在 Pytorch 和 Tensorflow 中的实现，它重现了与原始实现相同的结果，并使用与原始 BERT 文章相同的检查点。https://github.com/huggingface/transformers

这些是不同方面的差异：

• 就结果而言，使用一个或另一个没有区别，因为它们都使用相同的检查点（相同的权重）并且它们的结果已被检查为相等。
• 在可重用性方面，HuggingFace 库可能更具可重用性，因为它是专门为此设计的。此外，它还让您可以自由选择 TensorFlow 或 Pytorch 作为深度学习框架。
• 在性能方面，它们应该是相同的。
• 在社区支持方面（例如在 github 或 stackoverflow 中提出问题），HuggingFace 库更适合，因为有很多人在使用它。

除了 BERT，transformersHuggingFace 的库还实现了许多模型：OpenAI GPT-2、RoBERTa、ELECTRA ......