【使用bert预训练过的中文模型:最短教程】
【使用自带数据集】
1.下载模型和数据集合：https://github.com/google-research/bert
2. 使用命令run_classifier.py,带上参数
【如何使用自定义数据集?】
1.在run_classifier.py中添加一个Processor，告诉processor怎么取输入和标签；并加该processor到main中的processors
2.将自己的数据集放入到特定目录。每行是一个数据，包括输入和标签，中间用"\t"隔开。
3.运行命令run_classifier.py,带上参数
【session-feed方式使用bert模型;使用bert做在线预测】
【目前支持的任务类型】
1.文本分类(二分类或多分类)；
2.句子对分类Sentence Pair Classificaiton(输入两个句子，输出一个标签)
3.文本分类(多类别,multi-label classification)
使用bert做多类别任务（e.g.AI challenger情感分析任务），详见run_classifier_multi_labels_bert.py
【在bert中文模型基础上，做预训练，再调优fine-tuning】
1. 生成预训练需要的文件： 每行为一个句子；每个文档中间用空行隔开
2. 生成tf.record格式的预训练语料：
create_pretraining_data.py
3. 使用已经生成的数据做预训练,可以指定初始的checkpoint:
run_pretraining.py
4. 调优fine-tuning
run_classifier.py