ପ୍ରକ୍ସି ଏବଂ ଚୟନିତ କ୍ୟାସ୍ ଡିରେକ୍ଟୋରୀ ସହିତ Gensim କର୍ପସ୍ ଡାଉନଲୋଡ୍ କରନ୍ତୁ
ଡାଉନଲୋଡର୍ ଆରମ୍ଭ ହେବା ପୂର୍ବରୁ urllib ର ପ୍ରକ୍ସି ପରିବେଶ ଏବଂ GENSIM_DATA_DIR ସେଟ୍ କରନ୍ତୁ; CLI ବ୍ୟବହାର ଏହାର HTTP ବ୍ୟାକଏଣ୍ଡ ବଦଳାଏ ନାହିଁ।
https_proxy=http://proxy.example:8080 \
GENSIM_DATA_DIR=/path/to/gensim-data \
python -m gensim.downloader --download text8ଏହି POSIX ଲଞ୍ଚ Gensim ର ଡାଉନଲୋଡର୍ ଆମଦାନୀ କରିବା ପୂର୍ବରୁ HTTPS ପ୍ରକ୍ସି ଏବଂ ଡାଟା ଡିରେକ୍ଟୋରୀ ଯୋଗାଏ, ତାପରେ text8 ଡାଉନଲୋଡ୍ କରି ଏହାର ସ୍ଥାନୀୟ ପଥ ଫେରାଏ। ସାର୍ବଜନୀନ ଡାଉନଲୋଡ୍ ପଥ ପାଇଁ HTTP ପ୍ରକ୍ସି ତାଲିକାରୁ HTTP ଏଣ୍ଡପଏଣ୍ଟ ବାଛନ୍ତୁ ଏବଂ ଡିରେକ୍ଟୋରୀକୁ ଇଚ୍ଛିତ ପଥ ସହିତ ବଦଳାନ୍ତୁ।
ଆମଦାନୀ ସମୟରେ GENSIM_DATA_DIR ମଡ୍ୟୁଲର ମୂଳ ଡିରେକ୍ଟୋରୀରେ ପଢ଼ାଯାଏ। ଏହାର ଡିଫଲ୍ଟ ~/gensim-data, ତେଣୁ gensim.downloader ଆମଦାନୀ ପରେ ଏହାକୁ ସେଟ୍ କରିବା ସେହି ଆରମ୍ଭ ପାଇଁ ବହୁତ ଡେରି।
CLI ସେହି load ଫଙ୍କସନ୍ କୁ କଲ୍ କରେ ଯାହା ପାଇଥନ୍ କୋଡ୍ ବ୍ୟବହାର କରେ ଏବଂ urllib ବ୍ୟବହାର କରେ। ଏକ ଆପ୍ଲିକେସନରେ api.load(name, return_path=True) ଡାଟାସେଟକୁ ମେମୋରୀରେ ଲୋଡ୍ କରିବା ପରିବର୍ତ୍ତେ କେବଳ-ଡାଉନଲୋଡ୍ ଆଚରଣ ବାଛେ।
ବାକି ରହିଥିବା ବିଫଳତା ପାଇଁ ଇଣ୍ଡେକ୍ସ ଅନୁରୋଧକୁ ଫାଇଲ୍ ଅନୁରୋଧରୁ ଅଲଗା କରନ୍ତୁ। ଇଣ୍ଡେକ୍ସ GitHub ର କଞ୍ଚା-ବିଷୟବସ୍ତୁ ହୋଷ୍ଟରୁ ଆସେ; ଫାଇଲଗୁଡ଼ିକ ରିଲିଜରୁ ଆସେ ଏବଂ ଅନ୍ୟ ଗନ୍ତବ୍ୟସ୍ଥଳକୁ ରିଡାଇରେକ୍ଟ ହୋଇପାରେ। ସ୍ଥାନୀୟ ସୂଚନା କ୍ୟାସ୍ ନେଟୱାର୍କ ବିଫଳତା ପରେ ଇଣ୍ଡେକ୍ସ ସନ୍ଧାନ ଜାରି ରଖିବାକୁ ଦିଏ। ବିଦ୍ୟମାନ ଡାଟା ଆଉ ଏକ ଫାଇଲ୍ ଡାଉନଲୋଡ୍ ଏଡ଼ାଇପାରେ। ତେଣୁ ଏକ ଉଷ୍ମ ଲୋଡ୍ ଉଭୟ ନେଟୱାର୍କ ପଥ କାମ କରିଥିବା ପ୍ରମାଣ କରେ ନାହିଁ।