[人工智能] Bert模型学习之句向量的简单应用

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> Bert模型学习之句向量的简单应用 -> 正文阅读

[人工智能]Bert模型学习之句向量的简单应用

Bert模型学习之预训练模型的简单应用

上文讲到，让自己的机器可以同时安装两个版本的python3.x，下面我们就可以正式运行Bert模型。

一、框架安装

1.首先切换到版本3.6的文件夹下
在这里插入图片描述
2.安装bert-as-server 框架

pip3 install bert-serving-server   #server
pip3 install bert-serving-client   #client

完成如下：
在这里插入图片描述
3.中文预训练模型下载
Google下载地址：https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip
记得解压到一个文件夹下。

4.启动BERT服务
tensorflow-gpu根据个人需求和硬件条件选择性安装。命令语句的地址要根据解压的地址修改，我的电脑不跑GPU版本的，所以运行命令调整为以CPU方式运行：命令行参数介绍

bert-serving-start -model_dir D:\PyCharm-workspace\bert-master\chinese_L-12_H-768_A-12 -max_batch_size 10 -max_seq_len 20 -num_worker 2  -cpu

运行成功截图：
在这里插入图片描述

太不容易了，踩了3天坑，真的要专门记录一下，希望后面的人不要像我一样走各种弯路。

二、模型使用

1.打开pycharm
创建一个解释器为python3.6的项目，它会自动给我们创建一个虚拟环境（爱了爱了）：
在这里插入图片描述

2.运行代码测试

# -*- coding:utf-8 -*-
from bert_serving.client import BertClient

def main():
    bc = BertClient()
    doc_vecs = bc.encode(['今天天空很蓝，阳光明媚', '今天天气好晴朗', '现在天气如何'])
    print(doc_vecs)

if __name__ == '__main__':
    main()

咦，这是什么情况？
在这里插入图片描述
点击左上角文件/file => 设置/Settings => Project Interpreter => 看看包进来了不

没有进来，重新添加一下。点击“+”，搜索添加。 KO！不报错了！

3.运行结果
注意，bert句向量运行的结果是768维度的，打印的句向量shape为（sents_num, 768），没有必要额外降维噢。
在这里插入图片描述
参考博客：
（1）BERT预训练模型简单应用
（2）keras构造的分类模型中将bert预训练出的句子向量