文本分类是nlp中一个非常重要的任务，也是非常适合入坑nlp的第一个完整项目。虽然文本分类看似简单，但里面的门道好多好多，作者水平有限，只能将平时用到的方法和trick在此做个记录和分享，希望大家看过都能有所收获，享受编程的乐趣。
Bert模型是Google在2018年10月发布的语言表示模型，一经问世在NLP领域横扫了11项任务的最优结果，可谓风头一时无二。有关于Bert中transformer的模型细节，推荐看这篇。在此不做赘述。
图一：bert分类模型结构
Bert文本分类模型常见做法为将bert最后一层输出的第一个token位置（CLS位置）当作句子的表示，后接全连接层进行分类。模型很简单，我们直接看代码！
测试单条样本结果：
代码链接：
jupyter版本：https://github.com/PouringRain/blog_code/blob/main/nlp/bert_classify.ipynb
py版本：https://github.com/PouringRain/blog_code/blob/main/nlp/bert_classify.py
喜欢的话，给萌新的github仓库一颗小星星哦……^ _^