প্ৰক্সী আৰু বাছনি কৰা কেশ্ব ডাইৰেক্টৰীৰ সৈতে Gensim কৰ্পাছ ডাউনলোড কৰক
ডাউনলোডাৰ আৰম্ভ হোৱাৰ আগতে urllib ৰ প্ৰক্সী পৰিৱেশ আৰু GENSIM_DATA_DIR ছেট কৰক; CLI ব্যৱহাৰ কৰিলে ইয়াৰ HTTP বেকএণ্ড সলনি নহয়।
https_proxy=http://proxy.example:8080 \
GENSIM_DATA_DIR=/path/to/gensim-data \
python -m gensim.downloader --download text8এই POSIX লঞ্চে Gensim ৰ ডাউনলোডাৰ আমদানি কৰাৰ আগতে HTTPS প্ৰক্সী আৰু ডেটা ডাইৰেক্টৰী যোগান ধৰে, তাৰ পিছত text8 ডাউনলোড কৰি ইয়াৰ স্থানীয় পথ ঘূৰাই দিয়ে। ৰাজহুৱা ডাউনলোড পথৰ বাবে HTTP প্ৰক্সী তালিকাৰ পৰা এটা HTTP এণ্ডপইণ্ট বাছনি কৰক, আৰু ডাইৰেক্টৰীটো উদ্দেশ্য কৰা পথেৰে সলনি কৰক।
আমদানিৰ সময়ত GENSIM_DATA_DIR মডিউলৰ মূল ডাইৰেক্টৰীত পঢ়া হয়। ইয়াৰ ডিফল্ট ~/gensim-data, গতিকে gensim.downloader আমদানি কৰাৰ পিছত ছেট কৰাটো সেই আৰম্ভণিৰ বাবে বহু পলম।
CLI এ Python কোডে ব্যৱহাৰ কৰা একেই load ফাংচন কল কৰে আৰু urllib ব্যৱহাৰ কৰে। এপ্লিকেশ্যনত api.load(name, return_path=True) এ ডেটাছেট মেমৰীত লোড কৰাৰ পৰিৱৰ্তে কেৱল-ডাউনলোড আচৰণ বাছনি কৰে।
বাকী থকা বিফলতাৰ বাবে, ইনডেক্স অনুৰোধ আৰু ফাইল অনুৰোধ পৃথক কৰক। ইনডেক্স GitHub ৰ ৰ-কণ্টেন্ট হোষ্টৰ পৰা আহে; ফাইলসমূহ ৰিলিজৰ পৰা আহে আৰু অন্য গন্তব্যলৈ ৰিডাইৰেক্ট হ'ব পাৰে। স্থানীয় তথ্য কেশ্বে নেটৱৰ্ক বিফলতাৰ পিছতো ইনডেক্স সন্ধান চলাই ৰাখিব পাৰে। ইতিমধ্যে থকা ডেটাই আন এটা ফাইল ডাউনলোড এৰাই চলিব পাৰে। সেয়ে এটা উষ্ণ লোডে দুয়োটা নেটৱৰ্ক পথ কাম কৰিছিল বুলি প্ৰমাণ নকৰে।