Laai 'n Gensim-korpus af met 'n proxy en 'n gekose kasgids

Stel urllib se proxy-omgewing en GENSIM_DATA_DIR voordat die aflaaier begin; die gebruik van die CLI verander nie sy HTTP-agterkant nie.

https_proxy=http://proxy.example:8080 \
GENSIM_DATA_DIR=/path/to/gensim-data \
python -m gensim.downloader --download text8

Hierdie POSIX-bekendstelling verskaf die HTTPS-proxy en die datagids voordat Gensim se aflaaier ingevoer word, en laai dan text8 af en gee sy plaaslike pad terug. Kies 'n HTTP-eindpunt uit die HTTP-proxylys vir 'n openbare aflaairette, en vervang die gids met die beoogde pad.

GENSIM_DATA_DIR word tydens invoer in die module se basisgids ingelees. Die verstekwaarde is ~/gensim-data, dus is dit te laat om dit na die invoer van gensim.downloader te stel vir daardie initialisering.

Die CLI roep dieselfde load-funksie aan wat Python-kode gebruik, en gebruik urllib. In 'n toepassing kies api.load(name, return_path=True) slegs-aflaai-gedrag eerder as om die datastel in die geheue te laai.

Vir 'n oorblywende fout moet die indeksversoek van die artefakversoek onderskei word. Die indeks kom van GitHub se rou-inhoud-gasheer; lêers kom van releases en kan na ander bestemmings herlei. Die plaaslike inligtingskas kan indeksopsoeking laat voortgaan ná 'n netwerkfout. Bestaande data kan nog 'n lêeraflaai voorkom. 'n Warm laai bewys dus nie dat albei netwerkpaaie gewerk het nie.

Verwante artikels