bert model从huggingface下载到本地及使用

Bert Model是一种预训练的自然语言处理模型，可以用于各种NLP任务。以下是从HuggingFace下载Bert Model并使用的步骤：
1. 首先，需要安装transformers库，可以使用pip install transformers命令进行安装。
2. 接下来，可以使用以下代码从HuggingFace下载Bert Model并加载到本地：

   from transformers import BertTokenizer, BertModel
   tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
   model = BertModel.from_pretrained('bert-base-uncased')

这里我们使用了bert-base-uncased模型，同时模型的词典经过小写处理。
3. 如果下载速度较慢或无法下载，可以使用以下代码从本地文件路径加载模型：

   from transformers import BertTokenizer, BertModel
   tokenizer = BertTokenizer.from_pretrained('/path/to/bert-base-uncased')
   model = BertModel.from_pretrained('/path/to/bert-base-uncased')

4. 在加载模型后，可以使用tokenizer对文本进行编码，然后将编码后的文本输入到model中进行预测。例如：

   inputs = tokenizer("Hello, my name is John.", return_tensors="pt")
   outputs = model(**inputs)

这里我们使用了PyTorch框架，将编码后的文本作为输入传递给model，并获得输出结果。

--相关问题--:
1. Bert Model有哪些预训练模型可供选择？
2. Bert Model适用于哪些NLP任务？
3.