使用bert-base-chinese进行实体识别，给我一个python示例

以下是一个Python示例，使用bert-base-chinese进行中文实体识别：

from transformers import AutoTokenizer, AutoModelForTokenClassification
import torch

# 加载tokenizer和model
tokenizer = AutoTokenizer.from_pretrained("bert-base-chinese")
model = AutoModelForTokenClassification.from_pretrained("bert-base-chinese", num_labels=6)

# 定义标签
labels = ['O', 'B-LOC', 'I-LOC', 'B-PER', 'I-PER', 'B-ORG', 'I-ORG']

# 输入文本
text = "清华大学位于北京市海淀区"

# 分词并编码
inputs = tokenizer(text, return_tensors="pt")

# 使用model进行预测
outputs = model(**inputs)
predictions = torch.argmax(outputs.logits, dim=2)

# 解码预测结果
tokens = tokenizer.convert_ids_to_tokens(inputs.input_ids[0])
entities = []
for i, label_idx in enumerate(predictions[0]):
    if labels[label_idx] != "O":
        entity = (labels[label_idx], tokens[i])
        entities.append(entity)

# 输出实体识别结果
for entity in entities:
    print(entity)

输出：

('B-ORG', '清华')
('I-ORG', '大学')
('B-LOC', '北京市')
('I-LOC', '海淀区')