本文基于Google开源的BERT代码进行了进一步的简化，方便生成句向量与做文本分类
1、下载BERT中文模型
2、把下载好的模型添加到当前目录下
3、句向量生成
生成句向量不需要做fine tune，使用预先训练好的模型即可，可参考extract_feature.py的main方法，注意参数必须是一个list
from bert.extrac_feature import BertVector
bv = BertVector()
bv.encode(['你好'])
4、文本分类
文本分类需要做fine tune，首先把数据准备好存放在data目录下，训练集的名字必须为train.csv，验证集的名字必须为dev.csv，测试集的名字必须为test.csv，
必须先调用set_mode方法，可参考similarity.py的main方法，
训练：
from similarity import BertSim
import tensorflow as tf
bs = BertSim()
bs.set_mode(tf.estimator.ModeKeys.TRAIN)
bs.train()
验证：
from similarity import BertSim
import tensorflow as tf
bs = BertSim()
bs.set_mode(tf.estimator.ModeKeys.EVAL)
bs.eval()
测试：
from similarity import BertSim
import tensorflow as tf
bs = BertSim()
bs.set_mode(tf.estimator.ModeKeys.PREDICT)
bs.test
5、DEMO中自带了蚂蚁金服的测试数据供大家使用