bert-as-service安装
bert-as-service安装
之前做NLP任务的时候，比较喜欢用word2vec对词向量进行训练，然后作为神经网络的初始化输入。同事说你应该试试bert，bert效果可好了。对于这个领域的小白，我首先想到了bert-as-service，这里十分感谢肖涵博士。
bert-as-service安装很简单，直接pip install bert-serving-server; pip install bert-serving-client.这俩版本最好一致。
然后就是下载需要的已经训练好的语料，语料可以参考：
https://github.com/google-research/bert#pre-trained-models
以及：
https://github.com/ymcui/Chinese-BERT-wwm
bert-as service使用
上面两个步骤完成后，打开一个cmd窗口，输入：
bert-serving-start -model_dir E:\Papers\bert\chinese_L-12_H-768_A-12
其中E:\Papers\bert\chinese_L-12_H-768_A-12是下载的预训练语料的存储路径，这个chinese_L-12_H-768_A-12里面包括：
bert_config.json
bert_model.ckpt.data-00000-of-00001
bert_model.ckpt.index
bert_model.ckpt.meta
vocab.txt
即预训练的配置，模型以及单词和字母表。
然后你的cmd窗口中会出现：
当然由于我的tensorflow版本问题，前面还有很多警告都被我忽视了。由于电脑配置一般，等了一会儿才出现：
然后保留这个窗口，大家可以愉快的用自己喜欢的工具进行编程使用了。
from bert_serving.client import BertClient
bc=BertClient()
x=bc.encode([‘人工智能’])
…
当然我之前也遇到了一些小问题，比如我最开始输入：
bert-serving-start -model_dir E:\Papers\bert\chinese_L-12_H-768_A-12 -num_worker=2
电脑很久都没反应，后来把-num_worker删除了，电脑才没有卡住。
目前对bert-as-service也是刚刚开始，暂且记录下来。
还有就是之前没有进行bert-as-service的启动就直接开始编程，导致电脑也没有反应。不过相信大家应该不会这样。