BERT权重计算是指对预训练的BERT模型进行微调或推理时，计算模型中每个参数的权重值。下面给出一个示例解决方法，包含了使用Hugging Face的transformers库加载BERT模型，并计算模型中每个参数的权重值的代码。

首先，确保已经安装了transformers库：

pip install transformers

然后，可以使用以下代码加载BERT模型，并计算其中每个参数的权重值：

from transformers import BertModel

# 加载BERT模型
model = BertModel.from_pretrained('bert-base-uncased')

# 遍历模型中的所有参数，并计算权重
total_params = 0
for name, param in model.named_parameters():
    param_params = param.numel()
    total_params += param_params
    print(f'{name}: {param_params}')

print(f'Total params: {total_params}')

上述代码中，首先使用BertModel.from_pretrained()方法加载了一个预训练的BERT模型（这里使用了bert-base-uncased模型）。然后，使用model.named_parameters()方法遍历了模型中的所有参数，并使用param.numel()方法计算了每个参数的权重个数。最后，将每个参数的权重值打印出来，并计算了总共的权重个数。

请注意，这只是一个简单的示例，实际上，BERT模型包含了大量的参数，计算所有参数的权重可能会比较耗时。另外，这里的权重值是指参数的个数，而不是具体的数值。如果需要计算具体的数值，可以使用param.data访问参数的值。