这篇教程带你从零开始，用mBERT（一个能理解104种语言的预训练模型）做一个文本分类器。整个过程在CPU上就能跑，大约15-20分钟。你不需要GPU，也不需要懂深度学习原理。

准备环境

先确保你的电脑上安装了Python 3.8或更高版本。如果还没有，去python.org下载并安装。安装时记得勾选“Add Python to PATH”。

然后打开命令行（Windows是cmd或PowerShell，Mac是终端），输入以下命令安装必要的库：

• pip install transformers datasets torch scikit-learn pandas
• 如果下载慢，可以加镜像：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple transformers datasets torch scikit-learn pandas

安装完成后，输入python进入Python交互环境，输入from transformers import BertTokenizer，如果没有报错，说明环境就绪。

下载代码和数据集

打开浏览器，访问这个GitHub仓库：https://github.com/udgithubit/hinglish-toxicity-bert-bilstm。点击绿色的“Code”按钮，选择“Download ZIP”。解压后，你会看到一个hinglish-toxicity-bert-bilstm-main文件夹。

在命令行中，用cdcd 路径/到/hinglish-toxicity-bert-bilstm-main。

运行训练脚本

文件夹里有一个train.py文件。在命令行输入python train.py，然后按回车。脚本会自动下载mBERT模型（首次运行需要几分钟），然后开始训练。你会看到进度条和损失值（loss）——损失值越小说明模型学得越好。

训练结束后，终端会打印出准确率（accuracy）和F1分数。如果这两个数字都接近0.96，说明模型表现不错。

常见坑：如果报错“ModuleNotFoundError”，说明某个库没装全，重新运行pip install命令。如果报内存错误，可以关闭其他程序再试。

验证结果

训练完成后，脚本会生成一个results文件夹，里面包含模型文件和测试结果。你可以用以下代码快速测试模型对新句子的判断：

from transformers import pipeline
classifier = pipeline('text-classification', model='./results')
print(classifier('you are stupid'))

输出会显示“toxic”或“non-toxic”以及置信度。

下一步可以做什么

现在你有了一个能识别Hinglish（印地语和英语混合）文本中是否包含辱骂内容的分类器。你可以尝试：

• 用你自己的数据重新训练，比如中文社交媒体评论。
• 调整max_length参数（默认128），如果你的文本更长。
• 增加训练轮数（epochs），如果损失值还在下降。

记住：先跑通最简单的版本，再考虑更复杂的模型。