我正在我自己的语料库上编写一个自定义的 BERT 模型，我使用 BertWordPieceTokenizer 生成了词汇文件，然后在下面的代码中运行
!python create_pretraining_data.py
--input_file=/content/drive/My Drive/internet_archive_scifi_v3.txt
--output_file=/content/sample_data/tf_examples.tfrecord
--vocab_file=/content/sample_data/sifi_13sep-vocab.txt
--do_lower_case=True
--max_seq_length=128
--max_predictions_per_seq=20
--masked_lm_prob=0.15
--random_seed=12345
--dupe_factor=5
获取输出为：
INFO:tensorflow:*** Reading from input files ***
INFO:tensorflow:*** Writing to output files ***
INFO:tensorflow: /content/sample_data/tf_examples.tfrecord
INFO:tensorflow:Wrote 0 total instances
不知道为什么我总是得到 0 个实例tf_examples.tfrecord，我做错了什么？
我正在使用TF version 1.12
仅供参考..生成的词汇文件是 290 KB。