Gensim-ის კორპუსის ჩამოტვირთვა პროქსით და არჩეული ქეშის დირექტორიით

დააყენეთ urllib-ის პროქსის გარემო და GENSIM_DATA_DIR ჩამომტვირთავის გაშვებამდე; CLI-ის გამოყენება მის HTTP backend-ს არ ცვლის.

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

ეს POSIX გაშვება უზრუნველყოფს HTTPS პროქსის და მონაცემთა დირექტორიას Gensim-ის ჩამომტვირთავის იმპორტამდე, შემდეგ ჩამოტვირთავს text8-ს და აბრუნებს მის ლოკალურ გზას. საჯარო ჩამოტვირთვის მარშრუტისთვის აირჩიეთ HTTP ენდპოინტი HTTP პროქსების სიიდან და შეცვალეთ დირექტორია სასურველი გზით.

GENSIM_DATA_DIR იმპორტის დროს იკითხება მოდულის საბაზისო დირექტორიაში. ნაგულისხმევი მნიშვნელობაა ~/gensim-data, ამიტომ gensim.downloader-ის იმპორტის შემდეგ მისი დაყენება ამ ინიციალიზაციისთვის გვიან არის.

CLI იძახებს იმავე load ფუნქციას, რომელსაც Python კოდი იყენებს, და იყენებს urllib-ს. აპლიკაციაში api.load(name, return_path=True) ირჩევს მხოლოდ ჩამოტვირთვის ქცევას, ნაცვლად მონაცემთა ნაკრების მეხსიერებაში ჩატვირთვისა.

დარჩენილი წარუმატებლობისას განასხვავეთ ინდექსის მოთხოვნა ფაილის მოთხოვნისგან. ინდექსი მოდის GitHub-ის ნედლი შიგთავსის ჰოსტიდან; ფაილები მოდის რელიზებიდან და შეიძლება გადამისამართდეს სხვა დანიშნულებებზე. ლოკალურმა ინფორმაციის ქეშმა შეიძლება ინდექსის ძიება ქსელური ხარვეზის შემდეგ გააგრძელოს. არსებულმა მონაცემებმა შეიძლება თავიდან აიცილოს ფაილის კიდევ ერთი ჩამოტვირთვა. ამიტომ თბილი ჩატვირთვა არ ამტკიცებს, რომ ორივე ქსელური გზა მუშაობდა.

დაკავშირებული სტატიები