ಪ್ರಾಕ್ಸಿ ಮತ್ತು ಆಯ್ಕೆಮಾಡಿದ ಕ್ಯಾಶ್ ಡೈರೆಕ್ಟರಿಯೊಂದಿಗೆ Gensim ಕಾರ್ಪಸ್ ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ

ಡೌನ್‌ಲೋಡರ್ ಪ್ರಾರಂಭವಾಗುವ ಮೊದಲು urllib ನ ಪ್ರಾಕ್ಸಿ ಪರಿಸರ ಮತ್ತು GENSIM_DATA_DIR ಸೆಟ್ ಮಾಡಿ; CLI ಬಳಕೆ ಅದರ HTTP ಬ್ಯಾಕೆಂಡ್ ಅನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ.

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

ಈ POSIX ಲಾಂಚ್ Gensim ನ ಡೌನ್‌ಲೋಡರ್ ಆಮದು ಮಾಡುವ ಮೊದಲು HTTPS ಪ್ರಾಕ್ಸಿ ಮತ್ತು ಡೇಟಾ ಡೈರೆಕ್ಟರಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ, ನಂತರ text8 ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ ಅದರ ಸ್ಥಳೀಯ ಮಾರ್ಗವನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ಸಾರ್ವಜನಿಕ ಡೌನ್‌ಲೋಡ್ ಮಾರ್ಗಕ್ಕಾಗಿ HTTP ಪ್ರಾಕ್ಸಿ ಪಟ್ಟಿಯಿಂದ HTTP ಎಂಡ್‌ಪಾಯಿಂಟ್ ಆಯ್ಕೆಮಾಡಿ ಮತ್ತು ಡೈರೆಕ್ಟರಿಯನ್ನು ಬಯಸಿದ ಮಾರ್ಗದಿಂದ ಬದಲಾಯಿಸಿ.

ಆಮದಿನ ಸಮಯದಲ್ಲಿ GENSIM_DATA_DIR ಮಾಡ್ಯೂಲ್‌ನ ಮೂಲ ಡೈರೆಕ್ಟರಿಗೆ ಓದಲಾಗುತ್ತದೆ. ಇದರ ಡೀಫಾಲ್ಟ್ ~/gensim-data, ಆದ್ದರಿಂದ gensim.downloader ಆಮದು ಮಾಡಿದ ನಂತರ ಅದನ್ನು ಸೆಟ್ ಮಾಡುವುದು ಆ ಆರಂಭಕ್ಕೆ ತುಂಬಾ ತಡವಾಗಿದೆ.

CLI ಪೈಥಾನ್ ಕೋಡ್ ಬಳಸುವ ಅದೇ load ಕಾರ್ಯವನ್ನು ಕರೆದು urllib ಬಳಸುತ್ತದೆ. ಅಪ್ಲಿಕೇಶನ್‌ನಲ್ಲಿ api.load(name, return_path=True) ಡೇಟಾಸೆಟ್ ಅನ್ನು ಮೆಮೊರಿಗೆ ಲೋಡ್ ಮಾಡುವ ಬದಲು ಕೇವಲ-ಡೌನ್‌ಲೋಡ್ ನಡವಳಿಕೆಯನ್ನು ಆಯ್ಕೆಮಾಡುತ್ತದೆ.

ಉಳಿದ ವೈಫಲ್ಯಕ್ಕಾಗಿ, ಸೂಚ್ಯಂಕ ವಿನಂತಿಯನ್ನು ಫೈಲ್ ವಿನಂತಿಯಿಂದ ಪ್ರತ್ಯೇಕಿಸಿ. ಸೂಚ್ಯಂಕವು GitHub ನ ಕಚ್ಚಾ-ವಿಷಯ ಹೋಸ್ಟ್‌ನಿಂದ ಬರುತ್ತದೆ; ಫೈಲ್‌ಗಳು ಬಿಡುಗಡೆಗಳಿಂದ ಬರುತ್ತವೆ ಮತ್ತು ಇತರ ಗಮ್ಯಸ್ಥಾನಗಳಿಗೆ ಮರುನಿರ್ದೇಶಿಸಬಹುದು. ಸ್ಥಳೀಯ ಮಾಹಿತಿ ಕ್ಯಾಶ್ ನೆಟ್‌ವರ್ಕ್ ವೈಫಲ್ಯದ ನಂತರ ಸೂಚ್ಯಂಕ ಹುಡುಕಾಟ ಮುಂದುವರಿಯಲು ಅನುವು ಮಾಡುತ್ತದೆ. ಇರುವ ಡೇಟಾ ಇನ್ನೊಂದು ಫೈಲ್ ಡೌನ್‌ಲೋಡ್ ತಪ್ಪಿಸಬಹುದು. ಆದ್ದರಿಂದ ಬೆಚ್ಚಗಿನ ಲೋಡ್ ಎರಡೂ ನೆಟ್‌ವರ್ಕ್ ಮಾರ್ಗಗಳು ಕೆಲಸ ಮಾಡಿದವು ಎಂದು ಸಾಬೀತುಪಡಿಸುವುದಿಲ್ಲ.

ಸಂಬಂಧಿತ ಲೇಖನಗಳು