中文|English

本样例为大家学习昇腾软件栈提供参考，非商业目的！

本README只提供命令行方式运行样例的指导

bert文本分类样例

功能：使用bert模型对文本进行分类。
样例输入：待推理的分类的文本。
样例输出：文本的类别。

前置条件

请检查以下条件要求是否满足，如不满足请按照备注进行相应处理。如果CANN版本升级，请同步检查第三方依赖是否需要重新安装（5.0.4及以上版本第三方依赖和5.0.4以下版本有差异，需要重新安装）。

样例准备

1. 获取源码包。

   可以使用以下两种方式下载，请选择其中一种进行源码准备。

   • 命令行方式下载（下载时间较长，但步骤简单）。

     # 开发环境，非root用户命令行中执行以下命令下载源码仓。    
     cd ${HOME}     
     git clone https://gitee.com/ascend/samples.git
     注：如果需要切换到其它tag版本，以v0.5.0为例，可执行以下命令。

     git checkout v0.5.0
   • 压缩包方式下载（下载时间较短，但步骤稍微复杂）。
     注：如果需要下载其它版本代码，请先请根据前置条件说明进行samples仓分支切换。

      # 1. samples仓右上角选择 【克隆/下载】 下拉框并选择 【下载ZIP】。    
      # 2. 将ZIP包上传到开发环境中的普通用户家目录中，【例如：${HOME}/ascend-samples-master.zip】。     
      # 3. 开发环境中，执行以下命令，解压zip包。     
      cd ${HOME}    
      unzip ascend-samples-master.zip

2. 获取此应用中所需要的原始网络模型。

   模型名称	模型说明	模型下载路径
   bert_text_classification	文本分类推理模型	请参考https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/nlp/bert_text_classification/ATC_bert_classification_tf_AE目录中README.md下载原始模型章节下载模型和权重文件

   # 为了方便下载，在这里直接给出原始模型下载及模型转换命令,可以直接拷贝执行。也可以参照上表在modelzoo中下载并手工转换，以了解更多细节。     
   cd ${HOME}/samples/python/level2_simple_inference/5_nlp/bert_text_classification/model     
   wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/bert_text_classification/bert_text_classification.pb        
   atc --model=bert_text_classification.pb --framework=3 --input_format="ND" --output=bert_text_classification --input_shape="input_1:1,300;input_2:1,300" --out_nodes=dense_1/Softmax:0 --soc_version=Ascend310 --op_select_implmode="high_precision"

3. 获取样例需要的测试图片。

   cd ${HOME}/samples/python/level2_simple_inference/5_nlp/bert_text_classification/data
   wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/bert_text_classification/sample.txt

样例运行

注：开发环境与运行环境合一部署，请跳过步骤1，直接执行步骤2即可。

1. 执行以下命令,将开发环境的 bert_text_classification 目录上传到运行环境中，例如 /home/HwHiAiUser，并以HwHiAiUser（运行用户）登录运行环境（Host）。

   # 【xxx.xxx.xxx.xxx】为运行环境ip，200DK在USB连接时一般为192.168.1.2，300（ai1s）为对应的公网ip。
   scp -r ${HOME}/samples/python/level2_simple_inference/5_nlp/bert_text_classification  HwHiAiUser@xxx.xxx.xxx.xxx:/home/HwHiAiUser
   ssh HwHiAiUser@xxx.xxx.xxx.xxx
   cd ${HOME}/bert_text_classification/src

2. 运行工程。

   python3.6 bert_text_classification.py

​

查看结果

运行完成后，会在运行环境的命令行中打印出推理结果，用户可以自己编辑data/sample.txt下的文本进行测试，目前模型支持"体育"、"健康"、"军事"、"教育"、"汽车"，五个类别的文本分类。 结果参考如下：

常见错误

请参考常见问题定位对遇到的错误进行排查。如果wiki中不包含，请在samples仓提issue反馈。