基于bert的分类模型

根据自己的实际情况，对bert的代码进行了清理重构

• 删除了tpu相关配置及代码(工作中暂时用不到)
• 对代码进行了清理，方便更好的理解代码
• 为所有配置参数设置了默认值，方便运行代码
• 增加了saved_model模型保存及调用测试代码
• 编写了基于docker的镜像编译及部署脚本，方便一条命令执行模型部署
• 增加了测试结果数据的分析显示，方便进行结果分析

使用方法

• data 目录下保存训练，验证，测试数据
  • train.csv
  • valid.csv
  • test.csv
• 数据格式为：id, content, label
• task.py是数据读取处理脚本
• common_tool.py是公共函数包，为方便服务打包最小依赖而独立出来
• model 目录下存放google发布的中文预训练模型，有以下几个文件
  • bert_config.json
  • bert_model.ckpt.data-00000-of-00001
  • bert_model.ckpt.index
  • bert_model.ckpt.meta
  • vocab.txt
• saved_model 目录保存训练后生成的saved_model模型供服务部署使用
• output 目录保存训练，测试过程中的输出
• 执行方法：
  • python run_classifier.py
  • 如需修改参数可以参考run.sh脚本内容，
• 模型发布：
  • build.sh
  • 该脚本生成两个docker镜像
    • 一个是tensorflow_serving模型推断服务
    • 一个是flask的web接口服务

后续工作

• 修改flask web接口实现为生产模式
• 增加ner模型训练脚本