摘要
cmu和google brain联手推出了bert的改进版xlnet。在这之前也有很多公司对bert进行了优化，包括百度、清华的知识图谱融合，微软在预训练阶段的多任务学习等等，但是这些优化并没有把bert致命缺点进行改进。xlnet作为bert的升级模型，主要在以下三个方面进行了优化
采用ar模型替代ae模型，解决mask带来的负面影响
双流注意力机制
引入transformer-xl
今天我们使用xlnet+bilstm实现一个二分类模型。
数据集
数据集如下图：
是顾客对餐厅的正负评价。正面的评论是1，负面的是0。这类的数据集很多，比如电影的正负评论，商品的正负评论。
模型
模型结构如下：
思路：将xlnet做为嵌入层提取特征，然后传入bilstm，最后使用全连接层输出分类。创建xlnet_lstm模型，代码如下：
xlnet_lstm需要的参数功6个，参数说明如下：
--xlnetpath：xlnet预训练模型的路径
--hidden_dim：隐藏层的数量。
--output_size：分类的个数。
--n_layers：lstm的层数
--bidirectional：是否是双向lstm
--drop_prob：dropout的参数
定义xlnet的参数，如下：
batch_size：batchsize的大小，根据显存设置。
output_size：输出的类别个数，本例是2.
hidden_dim：隐藏层的数量。
n_layers：lstm的层数。
bidirectional：是否双向
print_every：输出的间隔。
use_cuda：是否使用cuda，默认使用，不用cuda太慢了。
xlnet_path：预训练模型存放的文件夹。
save_path：模型保存的路径。
下载预训练模型
本例使用的预训练模型是xlnet-base-cased，下载地址：https://huggingface.co/hfl/chinese-xlnet-base/tree/main
将上图画框的文件下载下来，如果下载后的名字和上面显示的名字不一样，则要修改回来。
将下载好的文件放入xlnet-base-chinese文件夹中。
配置环境
需要下载transformers和sentencepiece，执行命令：
训练、验证和预测
训练详见train_model函数，验证详见test_model，单次预测详见predict函数。
代码和模型链接：