[英]Gensim train word2vec and Fasttext
我需要用 word2vec 和 fasttext 训练我自己的 model。 通过阅读不同的来源,我发现了不同的信息。 所以我做了 model 并像这样训练它:
model = FastText(all_words, size=300, min_count= 3,sg=1)
model = Word2Vec(all_words, min_count=3, sg = 1, size = 300 )
所以我读到这应该足以创建和训练 model。 但后来我看到,有些人是分开做的:
model = FastText(size=4, window=3, min_count=1) # instantiate
model.train(sentences=common_texts, total_examples=len(common_texts), epochs=10) # train
现在我很困惑,不知道我所做的是否正确。 有人可以帮我说清楚吗? 谢谢
当您实例化 model object 时,提供您的训练语料库 - all_words
是完全可以接受的。 在这种情况下,model 将使用该数据自动执行训练 model 所需的所有步骤。 所以你可以这样做:
model = Word2Vec(all_words, ...) # where '...' is your non-default params
在实例化 model 时不提供语料库也是可以接受的 - 但是 model 非常小,只有您的初始参数。 它仍然需要发现相关的词汇表(这需要对训练数据进行一次遍历),然后分配一些变化很大的内部结构来容纳这些单词,然后进行实际的训练(这需要对训练数据进行多次额外的遍历)。
因此,如果您在实例化 model 时不提供语料库,则应该进行两个额外的方法调用:
model = Word2Vec(...) # where '...' is your non-default params
model.build_vocab(all_words) # discover vocabulary & allocate model
# now train, with #-of-passes & #-of-texts set by earlier steps
model.train(all_words, epochs=model.iter, total_examples=model.corpus_count)
我展示的这两个代码块是等效的。 顶部为您执行通常的步骤; 底部将步骤分解为您的显式控制。
(您在问题中摘录的代码仅显示.train()
调用,由于多种原因会出错.build_vocab()
是获得完全分配的 model 和调用.train()
必须明确 state 所需的epochs
和语料库中项目数量的准确计数total_examples
。但是,您可以并且通常应该重用已经通过前两个步骤缓存到model
中的值。)
您可以选择使用哪种方法。 通常,如果人们想要在步骤之间进行其他输出/记录,或者在可能篡改 model state 的步骤之间进行一些高级操作,则通常只使用 3 个单独的步骤过程。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.