bert-as-service环境搭建

本文详细介绍如何在Anaconda环境中搭建BERT服务,包括环境配置、预训练模型下载、服务启动及客户端使用。适用于Python 3.5及以上版本,TensorFlow 1.10及以上版本。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

环境要求

本文在anaconda虚拟环境中故先切换至预先装好的有TensorFlow的环境下再安装。

Python>=3.5
Tensorflow>=1.10

安装

pip install bert-serving-server # 服务端

pip install bert-serving-client # 客户端

下载预训练模型

bert-as-service官方链接:https://github.com/hanxiao/bert-as-service
在Getting Started中第一步Download a Pre-trained BERT model中单机即可以下载

谷歌github官方链接:https://github.com/google-research/bert#pre-trained-models
在Pre-trained models中下载

哈工大中文预处理模型链接:https://github.com/ymcui/Chinese-BERT-wwm
在中文模型下载

linux下解压
  • 下载后放置/tmp 路径下使用unzip命令解压

例如下载的是multi_cased_L-12_H-768_A-12.zip

unzip /tmp/multi_cased_L-12_H-768_A-12

启动BERT服务

bert-serving-start -model_dir /tmp/multi_cased_L-12_H-768_A-12/ -num_worker=2

-model_dir是预训练模型的路径,-num_worker是线程数
ready and listening

在客户端获取

  • 句向量
from bert_serving.client import BertClient
bc = BertClient()
bc.encode(['First do it', 'then do it right', 'then do it better'])

好像这个跑的太慢了,晚点在更新

参考博客: https://blog.youkuaiyun.com/qq_34832393/article/details/90414293

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值