@Author：Runsen
2018 年，谷歌发表了一篇题为《Pre-training of deep bidirectional Transformers for Language Understanding》的论文。
在本文中，介绍了一种称为BERT（带转换器Transformers的双向编码Encoder 器表示）的语言模型，该模型在问答、自然语言推理、分类和通用语言理解评估或 (GLUE)等任务中取得了最先进的性能.
BERT全称为Bidirectional Encoder Representation from Transformers[1]，是一种用于语言表征的预训练模型
在本文中，我们将使用 PyTorch来创建一个文本分类的Bert模型。
数据集来源：https://www.kaggle.com/jrobischon/wikipedia-movie-plots
该数据集包含对来自世界各地的 34,886 部电影的描述。列描述如下：
- 发行年份： 电影发行的年份
- 标题：电影标题
- 起源：电影的起源（即美国、宝莱坞、泰米尔等）
- 剧情：主要演员
- 类型： 电影类型
- 维基页面- 从中抓取情节描述的维基百科页面的 URL
- 情节：电影情节的长篇描述
import numpy as np
import pandas as
