基于微调BERT的中文评论情感分类模型（支持CPU、GPU）

迁移中文bert模型（chinese-bert-wwm），完成对20000余条评论数据的情感分类，分为0-很好，1-一般，2-较差。
学习到bert模型的强大之后，不禁感叹，之前比赛用的模型太垃圾了，完全不够看，思考用bert训练模型来模拟比赛，
于是该bert模型在自己的数据集上进行了迁移和训练

采用ktrain库进行文本分类

0.分配GPU（CPU版略过）

%reload_ext autoreload
%autoreload 2
%matplotlib inline
import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID";
os.environ["CUDA_VISIBLE_DEVICES"]="0";   #指定GPU

配置GPU移步
1.win10环境下python3.7+cuda10.1+cudnn7.6+tensorflow-gpu1.13的安装

2.其中请注意CUDA和cuDNN的安装（环境变量）

3.TensorFlow-GPU版本、cuda版本和python等版本对应下载
结合这三篇下载安装

1.加载数据

#0-很好 1-一般 2-差
import pandas as pd
import numpy as np
train = pd.read_excel('D:/python相关/数据/train_sentiment.xls')
test = pd.read_excel('D:/python相关/数据/test_sentiment.xls')

2.打乱数据

X_data=<