प्रॉक्सी आणि निवडलेल्या कॅश डिरेक्टरीसह Gensim कॉर्पस डाउनलोड करा
डाउनलोडर सुरू होण्यापूर्वी urllib चे प्रॉक्सी वातावरण आणि GENSIM_DATA_DIR सेट करा; CLI वापरल्याने त्याचे HTTP बॅकएंड बदलत नाही.
https_proxy=http://proxy.example:8080 \
GENSIM_DATA_DIR=/path/to/gensim-data \
python -m gensim.downloader --download text8हा POSIX लाँच Gensim चा डाउनलोडर आयात करण्यापूर्वी HTTPS प्रॉक्सी आणि डेटा डिरेक्टरी देतो, नंतर text8 डाउनलोड करतो आणि त्याचा स्थानिक मार्ग परत देतो. सार्वजनिक डाउनलोड मार्गासाठी HTTP प्रॉक्सी सूचीमधून HTTP एंडपॉइंट निवडा आणि डिरेक्टरी इच्छित मार्गाने बदला.
आयात करताना GENSIM_DATA_DIR मॉड्यूलच्या मूळ डिरेक्टरीत वाचले जाते. त्याचे डीफॉल्ट ~/gensim-data आहे, त्यामुळे gensim.downloader आयात केल्यानंतर ते सेट करणे त्या आरंभीकरणासाठी खूप उशीर आहे.
CLI पायथन कोड वापरतो तेच load फंक्शन कॉल करते आणि urllib वापरते. अनुप्रयोगात api.load(name, return_path=True) डेटासेट मेमरीमध्ये लोड करण्याऐवजी केवळ-डाउनलोड वर्तन निवडते.
उरलेल्या अपयशासाठी, इंडेक्स विनंती फाइल विनंतीपासून वेगळी ओळखा. इंडेक्स GitHub च्या कच्च्या-सामग्री होस्टवरून येतो; फाइल्स रिलीजमधून येतात आणि इतर गंतव्यांकडे रीडायरेक्ट होऊ शकतात. स्थानिक माहिती कॅश नेटवर्क अपयशानंतर इंडेक्स शोध सुरू ठेवू देते. विद्यमान डेटा आणखी एक फाइल डाउनलोड टाळू शकतो. म्हणून गरम लोड हे सिद्ध करत नाही की दोन्ही नेटवर्क मार्ग काम करत होते.