简单高效的Bert中文文本分类模型开发和部署

推荐一个Github项目：简单高效的Bert中文文本分类模型开发和部署

BERT-chinese-text-classification-and-deployment

作者是AINLP交流群里的 SunYanCN 同学，项目链接，可点击阅读原文直达：

https://github.com/SunYanCN/BERT-chinese-text-classification-and-deployment

---

简单高效的Bert中文文本分类模型开发和部署

准备环境工作

• 操作系统：Linux

• TensorFlow Version：1.13.1，动态图模式

• GPU：我的服务器是Tesla P4 8G GPU，文档后面有显存不足的解决方案

• TensorFlow Serving：simple-tensorflow-serving

• 依赖库：requirements.txt

目录结构说明

• bert是官方源码

• data是数据，来自项目，文本的3分类问题

• train.sh、classifier.py 训练文件

• export.sh、export.py导出TF serving的模型

• client.sh、client.py、file_base_client.py 处理输入数据并向部署的TF serving的模型发出请求，打印输出结果

训练代码

和项目基本一致，特殊的地方我会指出。

1. 写一个自己的文本处理器。有两点需要注意：1，改写label 2，把create_examples改成了共有方法，因为我们后面要调用。3，file_base的时候注意跳过第一行，文件数据的第一行是title

   class MyProcessor(DataProcessor):
   
   def get_test_examples(self, data_dir):
   return self.create_examples(
   self._read_tsv(os.path.join(data_dir, "test.tsv")), "test")
   
   def get_train_examples(self, data_dir):
   """See base class."""
   return self.create_examples(
   self._read_tsv(os.path.join(data_dir, "train.tsv")), "train")
   
   def get_dev_examples(self, data_dir):
   """See base class."""
   return self.create_examples(
   self._read_tsv(os.path.join(data_dir, "dev.tsv")), "dev")
   
   def get_pred_examples(self, data_dir):
   return self.create_examples(
   self._read_tsv(os.path.join(data_dir, "pred.tsv")), "pred")
   
   def get_labels(self):
   """See base class."""
   return ["-1", "0", "1"]
   
   def create_examples(self, lines, set_type, file_base=True):
   """Creates examples for the training and dev sets. each line is label+\t+text_a+\t+text_b """
   examples = []
   for (i, line) in tqdm(enumerate(lines)):
   
   if file_base:
   if i == 0:
   continue
   
   guid = "%s-%s" % (set_type, i)
   text = tokenization.convert_to_unicode(line[1])
   if set_type == "test" or set_type == "pred":
   label = "0"
   else:
   label = tokenization.convert_to_unicode(line[0])
   examples.append(
   InputExample(guid=guid, text_a=text, label=label))
   return examples
   

2. 其他的训练代码，照抄官方的就行

3. 可以直接运行train.sh，注意修改对应的路径

4. 生成的ckpt文件在output路径下

导出模型

主要代码如下，生成的pb文件在api文件夹下

def serving_input_receiver_fn():
input_ids = tf.placeholder(dtype=tf.int64, shape=[None, FLAGS.max_seq_length], name='input_ids')
input_mask = tf.placeholder(dtype=tf.int64, shape=[None, FLAGS.max_seq_length], name='input_mask')
segment_ids = tf.placeholder(dtype=tf.int64, shape=[None, FLAGS.max_seq_length], name='segment_ids')
label_ids = tf.placeholder(dtype=tf.int64, shape=[None, ], name='unique_ids')

receive_tensors = {'input_ids': input_ids, 'input_mask': input_mask, 'segment_ids': segment_ids,
'label_ids': label_ids}
features = {'input_ids': input_ids, 'input_mask': input_mask, 'segment_ids': segment_ids, "label_ids": label_ids}
return tf.estimator.export.ServingInputReceiver(features, receive_tensors)

estimator.export_savedmodel(FLAGS.serving_model_save_path, serving_input_receiver_fn)

TensorFlow Serving部署

一键部署：

simple_tensorflow_serving --model_base_path="./api"

正常启动终端界面：

浏览器访问界面：

这部分认真阅读simple-tensorflow-serving的文档

本地请求代码

分为两种，一种是读取文件的，就是要预测的文本是tsv文件的，叫做file_base_client.py，另一个直接输入文本的是client.py。首先更改input_fn_builder，返回dataset，然后从dataset中取数据，转换为list格式，传入模型，返回结果。

正常情况下的运行结果：

问题解答

• 训练的显存不足怎么办

  答：按照官方的建议，调小max_seq_length和train_batch_size

TODO LIST

•  接入Docker

•  微信端交互代码