对于DataFrame:data.dropna()#默认删除包含缺失值的行data.dropna(how = 'all')# 传入这个参数后将只丢弃全为缺失值的那些行data.dropna(axis = 1)# 丢弃有缺失值的列（一般不会这么做，这样会删掉一个特征）data.dropna(axis=1,how="all")# 丢弃全为缺失值的那些列data...

由于bert模型具有12层，参数量达一亿，bert模型做微调有的时候就需要只训练部分参数，那么就需要把其他的参数冻结掉，固定住，又能微调bert模型，还能提高模型训练的效率。这个就需要用到parameter的requires_grad的属性，来冻结和放开参数。首先我们看看bert模型的具体参数有那些：bert.embeddings.word_embeddings.weight torch.Size