使用 Transformer 模型进行自然语言处理

自然语言处理 (Natural Language Processing, NLP) 是人工智能和计算机科学领域中的一个重要研究方向。近年来，深度学习模型在 NLP 中取得了显著的成果，其中最有名的就是 Transformer 模型。

Transformer 模型是由 Google 研究员在 2017 年提出的，它采用了注意力机制 (Attention Mechanism)，可以自动学习语言中不同位置之间的关系。Transformer 模型可以用于多种 NLP 任务，如机器翻译、问答系统、语音识别等。

下面是一个使用 Transformer 模型进行文本分类的代码示例（使用 Python 和 TensorFlow 2 框架）:

from transformers import TFBertForSequenceClassification
from transformers import BertTokenizer

# 加载预训练模型
model = TFBertForSequenceClassification.from_pretrained("bert-base-uncased")
tokenizer = BertTokenizer.from_pretrained(