最新Bert安装教程_anaconda安装bert

BERT的全称是Bidirectional Encoder Representation from Transformers，即双向Transformer的Encoder，因为decoder是不能获要预测的信息的。模型的主要创新点都在pre-train方法上，即用了Masked LM和Next Sentence Prediction两种方法分别捕捉词语和句子级别的representation。

相信很多小伙伴在安装Bert时遇到很多问题，不知道怎么安装，小编也是整了一天才总结出最新安装方案。

一、环境依赖：

安装Python、tensorflow
（很多小伙伴使用是anaconda的spyder）

python 3.6.8
tensorflow 1.13.1
bert-serving-server 1.9.1
bert-serving-cline 1.9.1

二、安装package

打开anaconda的anaconda Prompt
输入以下其中一个，进行安装

pip install bert-serving-server

pip install bert-serving-client

三、安装Tensorflow

由于安装Tensorflow需要的包比较多，可以采用一个一个安装的方法

absl_py，astor，gast，gropcio，Markdown，msgpack，protobuf，tensorboard，tensorflow，termcolor

下载地址：

https://pypi.org/

我们这里采用直接安装的方法，下载地址：

https://pypi.org/project/tensorflow/#files

下载好了之后，放在一个文件夹下，小编这里放在D盘目录下，然后打开anaconda Prompt，输入以下命令：

pip install D:\tensorflow-2.1.0-cp37-cp37m-win_amd64.whl

D:\tensorflow-2.1.0-cp37-cp37m-win_amd64.whl是文件的路径，大家不要搞错了。安装时间比较长，大家耐心等待！！

这就安装成功啦！！！！

四、下载中文bert预训练的模型

下载地址：

https://github.com/google-research/bert#pre-trained-models

下载完成后解压，解压成功后：

启动anaconda Prompt，输入以下命令：

bert-serving-start -model_dir D:\chinese_L-12_H-768_A-12 -num_worker=1

这里D:\chinese_L-12_H-768_A-12 -num_worker=1依旧是地址，小编是放在D盘目录下面。
参数-model_dir用来指定上步解压的模型路径，参数num_worker=2表示启动了两个worker，可以同时处理2个请求，因此如果用一台配置较高的机器单独做为bert的server，可以通过设定该参数提供高并发支持。

安装完成后，我们来试运行一下：

from bert_serving.client import BertClient

试运行成功，没有报错，以上是bert的安装教程，运行成功的小伙伴麻烦点个赞，谢谢大家！！！！

下面给大家一个小福利，对于使用LSTM模型，还需要安装keras才能运行。下面是方法。

安装keras的方法

共有三个相关的文件需要安装
1、Keras_Applications
2、Keras_Preprocessing
3、Keras
安装地址：

https://pypi.org/

先安装Keras_Applications和Keras_Preprocessing，最后安装新版的Keras.这样就不会报错了。

试运行以下以下代码：

from keras.preprocessing.text import Tokenizer
from keras.preprocessing.sequence import pad_sequences
from keras.models import Sequential
from keras.layers import Dense, Embedding, LSTM, SpatialDropout1D
from sklearn.model_selection import train_test_split
from keras.utils.np_utils import to_categorical
from keras.callbacks import EarlyStopping
from keras.layers import Dropout

运行结果：

ok！没有问题，已经安装成功！！！

下面就可以采用LSTM模型和Bert模型进行中文分类训练了，喜欢的小伙伴麻烦点个赞！！！谢谢大家。