Python，Fast Bert，使用预先训练的模型进行预测

我正在使用快速伯特软件包来训练伯特模型。 快速保存模型输出以下文件：

-Resources
-- config.json
-- pytorch_model.bin
-- specail_tokens_map.json
-- tokenizer_config.json
-- vocab.txt
-- events.out.tfevents.1601151257 (1).ffce4853f2c9

我尝试加载到模型并使用它来预测，同样使用fast bert：

来自fast\u bert.prediction导入BertClassificationPredictor
def预测器（文本，模型路径=无）：
"""
：param MODEL_PATH：训练模型的路径
：键入文本：列表
：param:text：运行预测的文本
"""
模型路径='/content/Resources/'
LABEL_DATA='/content/DATA/'#与培训时的路径相同，因此它是有效的
如果模型路径为“无”：
raise LookupError（“此路径错误或不存在经过训练的模型”）
预测器=分类预测器(
模型路径=模型路径，
label_path=label_数据，#labels.csv文件的位置
多重标签=假，
型号\u type='xlnet'，
do_lower_case=False）
#批量预测
多个预测=预测器。预测批次（文本）
pprint（（“预测文本准确性”），多个预测）
返回多个_预测

因此，我得到以下错误：

OSError: Unable to load weights from pytorch checkpoint file. If you tried to load a PyTorch model from a TF 2.0 checkpoint, please set from_tf=True.