最近需要训练模型，模型的输入即BERT输入，目标是训练该模型encoding的能力，因为使用的是无监督simCSE方法，涉及到“一个句子输入模型两次得到两个encoding”的问题，但实际工作中，如果在产生dataset的时候现生成encoding，训练速度将会无比的慢，因此，提前使用模型将tensor生成好，将会大大提高训练速度（主要是读取数据集的速度会变快）
保存多个tensor
前提：有一个存放着多个tensor的列表
结果：得到一个存有许多numpy格式数的文件
#s：存放着多个tensor的列表
import numpy
s_numpy = [x.numpy() for x in s] #步骤1
numpy.save("tensor.npy",s_numpy)
如果不经过步骤1，则有可能报出以下错误
加载tensor
b = numpy.load("tensor.npy", allow_pickle=True)
c = [torch.tensor(x) for x in b]
allow_pickle参数，官方解释是这样的，所以我们这里要设置为True允许加载
