add bert_embedding tutorial

docs/source/tutorials/extend_1_bert_embedding.rst

@@ -0,0 +1,82 @@
+==============================
+BertEmbedding的各种用法
+==============================
+
+fastNLP的BertEmbedding以pytorch-transformer.BertModel的代码为基础，是一个使用BERT对words进行编码的Embedding。
+
+使用BertEmbedding和fastNLP.models.bert里面模型可以搭建BERT应用到五种下游任务的模型。
+
+预训练好的Embedding参数及数据集的介绍和自动下载功能见 :doc:`/tutorials/tutorial_3_embedding` 和
+:doc:`/tutorials/tutorial_4_load_dataset`
+
+1. BERT for Squence Classification
+----------------------------------
+
+在文本分类任务中，我们采用SST数据集作为例子来介绍BertEmbedding的使用方法。
+
+.. code-block:: python
+
+    import warnings
+    import torch
+    warnings.filterwarnings("ignore")
+
+    # 载入数据集
+    from fastNLP.io import SSTPipe
+    data_bundle = SSTPipe(subtree=False, train_subtree=False, lower=False, tokenizer='raw').process_from_file()
+    data_bundle
+
+    # 载入BertEmbedding
+    from fastNLP.embeddings import BertEmbedding
+    embed = BertEmbedding(data_bundle.get_vocab('words'), model_dir_or_name='en-base-cased', include_cls_sep=True)
+
+    # 载入模型
+    from fastNLP.models import BertForSequenceClassification
+    model = BertForSequenceClassification(embed, len(data_bundle.get_vocab('target')))
+
+    # 训练模型
+    from fastNLP import Trainer, CrossEntropyLoss, AccuracyMetric, Adam
+    trainer = Trainer(data_bundle.get_dataset('train'), model,
+                      optimizer=Adam(model_params=model.parameters(), lr=2e-5),
+                      loss=CrossEntropyLoss(), device=[0],
+                      batch_size=64, dev_data=data_bundle.get_dataset('dev'),
+                      metrics=AccuracyMetric(), n_epochs=2, print_every=1)
+    trainer.train()
+
+
+
+    # 测试结果并删除模型
+    from fastNLP import Tester
+    tester = Tester(data_bundle.get_dataset('test'), model, batch_size=128, metrics=AccuracyMetric())
+    tester.test()
+
+2. BERT for Sentence Matching
+-----------------------------
+
+在Matching任务中，我们采用RTE数据集作为例子来介绍BertEmbedding的使用方法。
+
+.. code-block:: python
+
+    # 载入数据集
+    from fastNLP.io import RTEBertPipe
+    data_bundle = RTEBertPipe(lower=False, tokenizer='raw').process_from_file()
+
+    # 载入BertEmbedding
+    from fastNLP.embeddings import BertEmbedding
+    embed = BertEmbedding(data_bundle.get_vocab('words'), model_dir_or_name='en-base-cased', include_cls_sep=True)
+
+
+    # 载入模型
+    from fastNLP.models import BertForSentenceMatching
+    model = BertForSentenceMatching(embed, len(data_bundle.get_vocab('target')))
+
+    # 训练模型
+    from fastNLP import Trainer, CrossEntropyLoss, AccuracyMetric, Adam
+    trainer = Trainer(data_bundle.get_dataset('train'), model,
+                      optimizer=Adam(model_params=model.parameters(), lr=2e-5),
+                      loss=CrossEntropyLoss(), device=[0],
+                      batch_size=16, dev_data=data_bundle.get_dataset('dev'),
+                      metrics=AccuracyMetric(), n_epochs=2, print_every=1)
+    trainer.train()
+
+
+

docs/source/tutorials/tutorial_3_embedding.rst

@@ -220,10 +220,7 @@ Bert在针对具有两句话的任务时（如matching，Q&A任务），句子
 在多个[SEP]的情况下，将会使token_type_id不断0，1循环。比如"first sentence [SEP] second sentence [SEP] third sentence", 它们的
 token_type_id将是[0, 0, 0, 1, 1, 1, 0, 0]。但请注意[SEP]一定要大写的，不能是[sep]，否则无法识别。
 
-更多 :class:`~fastNLP.embedding.BertEmbedding` 的使用，请参考BertEmbedding的使用教程
-
-.. todo::
-    找人写一篇BertEmbedding的使用教程
+更多 :class:`~fastNLP.embedding.BertEmbedding` 的使用，请参考 :doc:`/tutorials/extend_1_bert_embedding`
 
 -----------------------------------------------------
 Part VI: 使用character-level的embedding

docs/source/tutorials/tutorial_6_datasetiter.rst

@@ -72,7 +72,7 @@ DataSetIter初探之前的内容与 :doc:`/tutorials/tutorial_5_loss_optimizer`
     :class:`~fastNLP.io.SST2Pipe`  类的 :meth:`~fastNLP.io.SST2Pipe.process_from_file` 方法在预处理过程中还将训练、测试、验证集
     的 `words` 、`seq_len` :mod:`~fastNLP.core.field` 设定为input，同时将`target` :mod:`~fastNLP.core.field` 设定为target。
     我们可以通过 :class:`~fastNLP.core.Dataset` 类的 :meth:`~fastNLP.core.Dataset.print_field_meta` 方法查看各个
-     :mod:`~fastNLP.core.field` 的设定情况，代码如下：
+    :mod:`~fastNLP.core.field` 的设定情况，代码如下：
 
     .. code-block:: python
 
@@ -91,7 +91,7 @@ DataSetIter初探之前的内容与 :doc:`/tutorials/tutorial_5_loss_optimizer`
 
     其中is_input和is_target分别表示是否为input和target。ignore_type为true时指使用  :class:`~fastNLP.DataSetIter` 取出batch数
     据时fastNLP不会进行自动padding，pad_value指对应 :mod:`~fastNLP.core.field` padding所用的值，这两者只有当
-     :mod:`~fastNLP.core.field` 设定为input或者target的时候才有存在的意义。
+    :mod:`~fastNLP.core.field` 设定为input或者target的时候才有存在的意义。
 
     is_input为true的 :mod:`~fastNLP.core.field` 在 :class:`~fastNLP.DataSetIter` 迭代取出的 batch_x 中，
     而 is_target为true的 :mod:`~fastNLP.core.field` 在  :class:`~fastNLP.DataSetIter` 迭代取出的 batch_y 中。

docs/source/user/tutorials.rst

@@ -19,3 +19,7 @@ fastNLP 详细使用教程
    使用Callback自定义你的训练过程 </tutorials/tutorial_10_callback>
    使用fitlog 辅助 fastNLP 进行科研 </tutorials/tutorial_11_fitlog>
 
+.. toctree::
+   :maxdepth: 1
+
+    拓展阅读：BertEmbedding的各种用法 </tutorials/extend_1_bert_embedding>

tutorials/README.md

@@ -1,7 +1,3 @@
 # fastNLP 教程
 
-### 上手教程 Quick Start
-`quickstart.ipynb` [Click Here](https://github.com/fastnlp/fastNLP/tree/master/tutorials/quickstart.ipynb)
-
-### 详细教程 Tutorial 1
-十分钟上手：`tutorial_1.ipynb` [Click Here](https://github.com/fastnlp/fastNLP/tree/master/tutorials/tutorial_1.ipynb)
+这里只保留了部分的