bert-base-ner-train训练没有打印loss及step等重要参数信息（写给初学者）

在跟随大牛 Macanv《基于BERT预训练的中文命名实体识别TensorFlow实现》的帖子一步步实现时，发现了一个非常困扰的问题，就是执行以下语句后，屏幕上什么提示也没有，比如loss是多少，进行到哪一步了step等等，百度一顿搜索后，并未直接找到合适答案，很是困扰。

附上大牛的帖子，精华之作：

基于BERT预训练的中文命名实体识别TensorFlow实现_Macanv的博客-CSDN博客_bert命名实体识别代码实现BERT-BiLSMT-CRF-NERTensorflow solution of NER task Using BiLSTM-CRF model with Google BERT Fine-tuning使用谷歌的BERT模型在BLSTM-CRF模型上进行预训练用于中文命名实体识别的Tensorflow代码’代码已经托管到GitHub 代码传送门 大家可以去clone 下来亲自体验一下！g...https://blog.csdn.net/macanv/article/details/85684284

bert-base-ner-train -data_dir ./data -output_dir output -init_checkpoint ../bert/chinese_L-12_H-768_A-12/bert_model.ckpt -bert_config_file ../bert/chinese_L-12_H-768_A-12/bert_config.json -vocab_file ../bert/chinese_L-12_H-768_A-12/vocab.txt -batch_size 64 -num_train_epochs 6

会出现类似这样的界面，一直到训练结束，才给出一个统计结果，完全黑盒，啥也看不到：

主要步骤分为两步：

1、修改bert_lstm_ner.py文件

在文件开始处，增加：tf.logging.set_verbosity(tf.logging.INFO)，更改日志输出级别

文件目录：/home/你自己的用户名/anaconda3/envs/py36/lib/python3.6/site-packages/bert_base/train/bert_lstm_ner.py

对文件目录进行说明：可以找到对应的虚拟环境目录下，执行find -name bert_lstm_ner.py，这一步很关键，估计对新手还是比较难的，可以看出该文件是在bert-base目录下的

 2、在修改上述目录下的 bert_lstm_ner.py文件，417行的位置（如果你没改动过）

将老内容：

logging_hook = tf.train.LoggingTensorHook(
                         hook_dict, every_n_iter=args.save_summary_steps)

改为下面的新内容：

logging_hook = tf.train.LoggingTensorHook(hook_dict, every_n_iter=5)

every_n_iter这个可以根据自己意愿调整，表示多少步输出一个结果

在shell中快速翻页用，以下命令，可快速找到对应的行

向下翻页快捷键(下一页):Ctrl + f

向上翻页快捷键(上一页):Ctrl + b

执行:wq ,保存退出。

然后再执行训练语句，会出现想看到的各种结果了，熟悉的界面是不是又回来了。

 好了，按照以上步骤可以自定义你想要的输出了。