我一直在使用bert建模进行惊奇。我需要做的是
使用这些句子是这样的：
<pre><code>The dog sitting next to th
我已经用自定义语料库对bert模型进行了预训练，然后得到了vocab文件，检查点，model.bin，tfrecords等。
如您所知，我们可以提取句子中单词的BERT特征。我的问题是，我们还能提取句子中没有的单词特征吗？
我尝试从本地目录加载Bert模型，但显示错误
我正在使用cuda 10.0版本和pytorch 1.6.0
加载模型的代码
我想知道是否可以在sparknlp中使用经过预训练的多语言Bert？
如您所知，Bert已接受109种语言的预培训。我
感谢您抽出宝贵的时间阅读问题。
我想寻求一些建议，以部署定制的，经过训练的pytorch Bert模型，
我创建了一个具有9个类别的数据集：
<pre><code>classDict = {"text/dokujo-tsushin": "00000000000000000000000
我已经使用ktrain（张量流包装器）训练了BERT模型来识别文本上的情绪，它虽然有效，但是却受制于缓慢
我只是想知道，如果微调BERT模型并保存，令牌生成器是否会受到某种影响或更改。以后使用保存的BERT模
我正在努力训练一个句子数据集，这些句子将被分为三个类别之一。我正在尝试根据这篇非常有用的中
<h2>我正在重复</h2>中的代码
<a href="https://towardsdatascience.com/text-classification-with-nlp-tf-idf-vs-word2vec-vs-bert-41f
我偶然发现本文中有人使用FARM进行文本分类：<br/>
<a href="https://towardsdatascience.com/fine-tuning-bert-for-text-clas
像这样微调后，我想将所有训练好的模型保存在文件夹中：
<pre><code>config.json
added_token.json
special_tokens
我针对特定任务的序列分类对BERT进行了微调，我希望应用LIME解释来了解每个标记如何将其归类为特定标
Devlin＆Co.撰写的论文“ BERT：用于语言理解的深层双向变压器的预训练”针对基本模型大小110M参数（即L
假设我们使用最大序列长度为128的预训练模型。<br/>
现在，我更改配置文件，将最大序列长度从128减少
我下载了基于bert的预训练模型。我编辑config.json（从512到256）
<pre><code> "max_position_embeddings": 256,
我一直在尝试根据他们文档中提供的训练语法为NER训练deeppavlov模型，但由于以下错误消息而不断失败：<
这些导入之间有什么区别
<pre><code>from pytorch_pretrained_bert import BertTokenizer, BertModel
</code></pre>
和
<p
我使用以下BERT代码在多个GPU上进行分析。
<pre><code>model = BertForSequenceClassification.from_pretrained(
"be
