BERT在pycharm下的实现

第一次接触BERT，在实现其样例的过程中走了很多弯路。

首先是tensorflow-gpu版本要在1.10.0-1.15.0之间，否则会有很多的不兼容问题。
为此，创建了新的虚拟环境：

conda create TF python=3.7

1. 在这个TF环境下安装Tensorflow：
   tensorflow-gpu 1.15.0与cuda及cudnn对应版本号关系：
   

2. 1）安装cuda10.0
   下载地址：https://developer.nvidia.com/cuda-10.0-download-archive

3. 2）安装cudnn7.4
   下载地址：https://developer.nvidia.com/rdp/cudnn-archive
   选择以下几个：
   
   之后使用命令按顺序安装：

sudo dpkg -i libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.4.2.24-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb

1. 3）安装tensorflow-gpu版：（使用conda环境安装，不要使用pip）

conda install -c databricks tensorflow-gpu 

2. 环境配置好之后，修改参数：

--task_name=MRPC
--do_train=true
--do_eval=true
--data_dir=/home/xxx/pythonProject/Tensor/BERT/GLUE/glue_data/MRPC
--vocab_file=/home/xxx/pythonProject/Tensor/BERT/GLUE/BERT_BASE_DIR/uncased_L-12_H-768_A-12/vocab.txt
--bert_config_file=/home/xxx/pythonProject/Tensor/BERT/GLUE/BERT_BASE_DIR/uncased_L-12_H-768_A-12/bert_config.json
--init_checkpoint=/home/xxx/pythonProject/Tensor/BERT/GLUE/BERT_BASE_DIR/uncased_L-12_H-768_A-12/bert_model.ckpt
--max_seq_length=128
--train_batch_size=32
--learning_rate=2e-5
--num_train_epochs=3.0
--output_dir=/home/xxx/pythonProject/Tensor/GLUE/output/

在pycharm中设置：
选中run_classifier.py，之后右键选中modify run configation,将上述参数复制到parameters中：

3. 运行，等待结果。