基于BERT模型的深度学习中文文本分类实现，包含大约20000条新闻的训练和测试集，包装有简单HTTP接口可供调用。.zip

# 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 ```bash python train.py ``` ## 测试 ```bash python test.py ``` ## 测试服务器 ```bash 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