【Bert】（九）简易问答系统--跑通代码

论文：https://arxiv.org/pdf/1810.04805.pdf

官方代码：GitHub - google-research/bert: TensorFlow code and pre-trained models for BERT

跑通代码

环境配置

1、安装anaconda环境

2、执行如下代码配置环境，不需要额外安装cuda和cudnn，如下的安装方式已经在环境中自动安装了cuda和cudnn，但只在conda叫bert的这个环境中生效，并不影响你原来安装的cuda和cudnn。

conda create -n bert python=3.6
conda activate bert
conda install tensorflow-gpu==1.13.1

代码位置 

执行训练命令（如果出现OOM，调小batchsize。 ）：

python run_squad.py \
  --vocab_file=/data2/PrivateExperiment/bert-master/uncased_L-12_H-768_A-12/vocab.txt \
  --bert_config_file=/data2/PrivateExperiment/bert-master/uncased_L-12_H-768_A-12/bert_config.json \
  --init_checkpoint=/data2/PrivateExperiment/bert-master/uncased_L-12_H-768_A-12/bert_model.ckpt \
  --do_train=True \
  --train_file=/data2/PrivateExperiment/bert-master/squad/train-v1.1.json \
  --do_predict=True \
  --predict_file=/data2/PrivateExperiment/bert-master/squad/dev-v1.1.json \
  --train_batch_size=8 \
  --learning_rate=3e-5 \
  --num_train_epochs=2.0 \
  --max_seq_length=384 \
  --doc_stride=128 \
  --output_dir=/data2/PrivateExperiment/bert-master/squad_output/

执行测试命令：

python run_squad.py \
  --vocab_file=/data2/PrivateExperiment/bert-master/uncased_L-12_H-768_A-12/vocab.txt \
  --bert_config_file=/data2/PrivateExperiment/bert-master/uncased_L-12_H-768_A-12/bert_config.json \
  --init_checkpoint=/data2/PrivateExperiment/bert-master/uncased_L-12_H-768_A-12/bert_model.ckpt \
  --do_predict=True \
  --predict_file=/data2/PrivateExperiment/bert-master/squad/dev-v1.1.json \
  --train_batch_size=8 \
  --learning_rate=3e-5 \
  --num_train_epochs=2.0 \
  --max_seq_length=384 \
  --doc_stride=128 \
  --output_dir=/data2/PrivateExperiment/bert-master/squad_output/

到这里应该基本没什么问题，如果出现了问题大概率是你路径写错了。