能给我展示一个 bert模型的运行实例吗

当然！下面是一个使用BERT模型进行文本分类的简单示例：

import torch
from transformers import BertTokenizer, BertForSequenceClassification

# 加载预训练的BERT模型和分词器
model_name = 'bert-base-uncased'  # 使用小写字母的基础BERT模型
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name, num_labels=2)  # 2分类任务

# 输入文本
text = "I love using BERT for natural language processing tasks!"

# 分词和编码
tokens = tokenizer.encode_plus(
    text,
    add_special_tokens=True,
    max_length=128,
    padding='max_length',
    truncation=True,
    return_tensors='pt'
)
input_ids = tokens['input_ids']
attention_mask = tokens['attention_mask']

# 模型推理
outputs = model(input_ids, attention_mask=attention_mask)
logits = outputs.logits

# 预测结果
predicted_label = torch.argmax(logits, dim=1).item()
labels = ['Negative', 'Positive']
predicted_sentiment = labels[predicted_label]

print(f"Predicted sentiment: {predicted_sentiment}")

在这个示例中，我们首先加载了预训练的BERT模型和对应的分词器。然后，我们给定一段文本并通过分词器将其转换为BERT模型可以接受的输入。接下来，我们将输入传递给BERT模型进行推理，得到分类结果。最后，我们根据预测的标签索引，将其转换为文本标签，输出预测的情感结果。

请注意，这只是BERT模型的一个简单示例，实际使用中可能需要根据具体任务和数据进行适当的修改。