yahal333

试一下将with BertClient(ip='localhost', ner_model_dir=ner_model_dir,port=23456, port_out=23457, show_server_config=False, check_version=False, check_length=False, mode='NER') as bc: 改成：with BertClient() as bc:

你好，请问这个问题你解决了吗？ 我也遇到类似的问题，第一次用人民日报语料训练后测试语句，给出的实体标注结果很好。 然后我用自己的语料训练，无论如何都达不到效果，整句话都被标注为一个实体（尽管模型训练给出的F值都有90%以上）。 于是我又重新训练人民日报语料，然而这次测试结果也不对了，再训练也还是不对

我又试了下用terminal_predict.py脚本直接在线预测，结果是准确的。就是用bert-base-serving运行服务预测的结果很混乱

我又试了下用terminal_predict.py脚本直接在线预测，结果是准确的。就是用bert-base-serving运行服务预测的结果很混乱

> > > 请检查一下两者之间分字是否一致，很多时候，都是这个原因引起的。 请问分字是指bc.encode()里面的is_tokenized参数吗？ 我设置为is_tokenized=True，传入的list也按照list(list(str))的格式 结果还是一样的，返回标注为： array([['I-lifeform', 'X'], ['I-lifeform', 'X'], ['I-lifeform', 'X'], ['I-lifeform', 'X'], ['I-lifeform', 'X'], ['I-lifeform', 'X'], ['I-lifeform', 'X'], ['I-lifeform', 'X'], ['I-lifeform', 'X'], ['I-lifeform', 'X'], ['I-lifeform', 'X']], dtype='