bert-chinese-classifier

本项目包含大约20000条新闻的训练和测试集。

训练生成fine-tuning模型后即可运行test.py进行单句分类测试，也可以运行server.py启动flask服务器测试。

预训练模型：https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip

JupyterNotebook使用

找到前面的全部一梭子运行这一个cell，运行前面的全部cell。

然后下面的cell依次运行即可。

开始训练

python train.py

测试

python test.py

测试服务器

python server.py

请求方式为：http://127.0.0.1:8000?text=现在值得购买的中端手机，都有着出色的配置，性能强劲

config文件配置

• model_name：模型名称
• epochs：迭代epoch的数量
• checkpoint_every：间隔多少步保存一次模型
• eval_every：间隔多少步验证一次模型
• learning_rate：学习速率，推荐2e-5， 5e-5， 1e-4
• sequence_length：序列长度，单GPU时不要超过128
• batch_size：单GPU时不要超过32
• num_classes：文本分类的类别数量，若是二分类设置为1
• warmup_rate：训练时的预热比例，建议0.05， 0.1
• output_path：输出文件夹，用来存储label_to_index等文件
• bert_model_path：预训练模型文件夹路径
• train_data：训练数据路径
• eval_data：验证数据路径
• ckpt_model_path：checkpoint模型文件保存路径