BERT+BiLSTM+CRF预测值全是同一个标签问题（即预测为0）_bert+crf预测

        记录一下困扰了我几乎五天的问题，最近手撸了一个BERT+BiLSTM+CRF的代码，在构建之时最难的就是train和dataload，model模块基本都有现成的很快就写好了。但之后却出现了一个问题，我使用的数据集是huggingface的weibo_ner_knowledge_V3_wc数据集，其中用于标识无关内容的标签16占了多数。果不其然，跑了好几次，每次模型最后都只会预测标签16，其他标签都不会预测，给人感觉是模型觉得只预测16便能得到很高的准确率所以它只预测16。

        但你这耍我呢，我肯定要你预测其他标签呀，所以这几天疯狂检查，model和dataload基本都重置了一次问题依旧存在。（但这里也要注意，使用了huggingface的berttokenizer处理文本时返回内容会自动添加起始符和结束符标签，那label也要做相应的处理标识出起始符和结束符）搞了那么多天无用功，结果今天我不小心把batch_size和学习率调小了居然跑通了，它居然能基本正确预测出实体标签了。就现在而言我只能认为是这个数据集中含有很多标签16，甚至有些样例全是16，导致模型学习时出现了问题。所以现在把我的解决方案放在这里，希望能和广大网友探讨下这个问题。

        源码发布在gitee：https://gitee.com/sky-zhu-chang/bert_lstm_crf.git