如何使用gensim load_word2vec_format加载预先训练的手套模型？

debugcn 发表于 Dev

Arsalan

我正在尝试将预训练的手套作为gensim中的word2vec模型加载。我已经从这里下载了手套文件。我正在使用以下脚本：

from gensim import models
model = models.KeyedVectors.load_word2vec_format('glove.6B.300d.txt', binary=True)

但出现以下错误

ValueError                                Traceback (most recent call last)
<ipython-input-38-e0b48b51f433> in <module>()
      1 from gensim import models
----> 2 model = models.KeyedVectors.load_word2vec_format('glove.6B.300d.txt', binary=True)

2 frames
/usr/local/lib/python3.6/dist-packages/gensim/models/utils_any2vec.py in <genexpr>(.0)
    171     with utils.smart_open(fname) as fin:
    172         header = utils.to_unicode(fin.readline(), encoding=encoding)
--> 173         vocab_size, vector_size = (int(x) for x in header.split())  # throws for invalid file format
    174         if limit:
    175             vocab_size = min(vocab_size, limit)

ValueError: invalid literal for int() with base 10: 'the'

潜在的问题是什么？gensim是否需要特定格式才能加载它？

五条魔

GLoVe格式与支持的格式略有不同-缺少向量计数和维的第一行声明load_word2vec_format()。

其中glove2word2vec包含一个实用程序脚本，您可以运行一次以转换文件：

https://radimrehurek.com/gensim/scripts/glove2word2vec.html

同样，从Gensim 4.0.0（当前在预发行版测试中）开始，该load_word2vec_format()方法将获得一个新的可选no_header参数：

https://radimrehurek.com/gensim/models/keyedvectors.html?highlight=load_word2vec_format#gensim.models.keyedvectors.KeyedVectors.load_word2vec_format

如果设置为no_header=True，则该方法将从文件的初步扫描中得出计数/尺寸-因此它可以使用该选项读取GLoVe文件-但以两次读取完整文件而不是一次读取为代价。（因此，您可能仍想使用来重新保存对象.save_word2vec_format()，或使用glove2word2vec脚本来使以后的加载更快。）

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。