要使用“抱抱脸Bert情感分析”这个包，可以按照以下步骤进行：

1. 安装相关依赖库：首先需要安装Python和pip，并在命令行中运行以下命令安装所需的库：

pip install transformers
pip install torch

2. 导入所需的库和模型：在Python脚本中导入所需的库和模型，如下所示：

from transformers import BertTokenizer, BertModel
import torch

3. 加载预训练的Bert模型和tokenizer：使用BertTokenizer和BertModel类加载预训练的Bert模型和tokenizer，如下所示：

model_name = 'bert-base-chinese'
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertModel.from_pretrained(model_name)

4. 对文本进行预处理：使用tokenizer对文本进行预处理，将其转换成Bert模型所需的输入格式。示例代码如下：

text = "这个电影真的很好看"
input_ids = tokenizer.encode(text, add_special_tokens=True)

5. 对输入进行情感分析：将预处理后的输入输入到Bert模型中，通过输出的向量表示进行情感分类。示例代码如下：

input_tensor = torch.tensor([input_ids])
with torch.no_grad():
    outputs = model(input_tensor)
    last_hidden_states = outputs[0]

6. 解码情感分类结果：根据模型输出的向量表示，解码出情感分类结果。示例代码如下：

emotion_labels = ['positive', 'negative', 'neutral']
output_vector = last_hidden_states[0][0]
emotion_index = output_vector.argmax().item()
emotion_label = emotion_labels[emotion_index]
print("情感分类结果：", emotion_label)

完整的代码示例如下：

from transformers import BertTokenizer, BertModel
import torch

# 加载预训练的Bert模型和tokenizer
model_name = 'bert-base-chinese'
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertModel.from_pretrained(model_name)

# 对文本进行预处理
text = "这个电影真的很好看"
input_ids = tokenizer.encode(text, add_special_tokens=True)

# 对输入进行情感分析
input_tensor = torch.tensor([input_ids])
with torch.no_grad():
    outputs = model(input_tensor)
    last_hidden_states = outputs[0]

# 解码情感分类结果
emotion_labels = ['positive', 'negative', 'neutral']
output_vector = last_hidden_states[0][0]
emotion_index = output_vector.argmax().item()
emotion_label = emotion_labels[emotion_index]
print("情感分类结果：", emotion_label)

以上就是使用“抱抱脸Bert情感分析”包的解决方法，代码示例中使用了预训练的Bert模型和tokenizer对文本进行情感分析，并输出情感分类结果。你可以根据实际需求进行修改和扩展。