以batch形式，进行bilstm-crf的NER任务。 建议在训练阶段使用GPU服务器并行，在预测阶段使用CPU，这是因为预测所使用的维特比算法似乎并不能被GPU很好的加速。
进行训练：
python train.py
可选参数：
parser.add_argument('--DATA_PATH', type=str, default='data/')
parser.add_argument('--SAVE_CPT_PATH', type=str, default='checkpoint_tmp/')
parser.add_argument('--EMBEDDING_DIM', type=int, default=300)
parser.add_argument('--HIDDEN_DIM', type=int, default=200)
parser.add_argument('--BATCH_SIZE', type=int, default=16)
parser.add_argument('--DEV_BATCH_SIZE', type=int, default=256)
parser.add_argument('--EPOCHS', type=int, default=10)
parser.add_argument('--LR', type=float, default=0.01)
parser.add_argument('--Weight_Decay', type=float, default=1e-4)
parser.add_argument('--GPU_DEVICE', type=str, default='0')
进行预测：
python predict.py
可选参数：
parser.add_argument('--DATA_PATH', type=str, default='data/')
parser.add_argument('--CPT_PATH', type=str, default='use_checkpoint/')
parser.add_argument('--SAVE_PATH', type=str, default='answer/')
parser.add_argument('--DEV_BATCH_SIZE', type=int, default=1)
parser.add_argument('--GPU_DEVICE', type=str, default='0')
model.py:模型文件
dataloader.py:数据处理文件