Deskargatu Gensim corpus bat proxy eta aukeratutako cache direktorioarekin

Ezarri urllib-en proxy ingurunea eta GENSIM_DATA_DIR deskargatzailea abiatu aurretik; CLI erabiltzeak ez du haren HTTP backend-a aldatzen.

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

POSIX abiarazte honek HTTPS proxya eta datu direktorioa ematen ditu Gensim-en deskargatzailea inportatu aurretik, gero text8 deskargatzen du eta haren bide lokala itzultzen du. Aukeratu HTTP endpoint bat HTTP proxy zerrendatik deskarga-bide publiko baterako, eta ordezkatu direktorioa nahi den bidearekin.

GENSIM_DATA_DIR moduluaren oinarrizko direktorioan irakurtzen da inportatzean. Bere balio lehenetsia ~/gensim-data da, beraz, gensim.downloader inportatu ondoren ezartzea beranduegi da hasieratze horretarako.

CLIk Python kodeak erabiltzen duen load funtzio bera deitzen du eta urllib erabiltzen du. Aplikazio batean, api.load(name, return_path=True) deskargatzeko soilik den portaera hautatzen du datu-multzoa memorian kargatu beharrean.

Gainerako hutsegite baterako, bereizi indizearen eskaera fitxategiaren eskaeratik. Indizea GitHub-en eduki gordinaren ostalaritik dator; fitxategiak bertsioetatik datoz eta beste helmuga batzuetara birbidera daitezke. Tokiko informazio cacheak indizearen bilaketak sareko hutsegite baten ondoren jarraitzea ahalbidetzen du. Dauden datuek beste fitxategi deskarga bat saihestu dezakete. Beraz, karga bero batek ez du frogatzen sare-bide biak funtzionatu zutela.

Erlazionatutako artikuluak