ਪ੍ਰੌਕਸੀ ਅਤੇ ਚੁਣੀ ਗਈ ਕੈਸ਼ ਡਾਇਰੈਕਟਰੀ ਨਾਲ Gensim ਕਾਰਪਸ ਡਾਊਨਲੋਡ ਕਰੋ
ਡਾਊਨਲੋਡਰ ਸ਼ੁਰੂ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ urllib ਦਾ ਪ੍ਰੌਕਸੀ ਵਾਤਾਵਰਣ ਅਤੇ GENSIM_DATA_DIR ਸੈੱਟ ਕਰੋ; CLI ਵਰਤਣ ਨਾਲ ਇਸਦਾ HTTP ਬੈਕਐਂਡ ਨਹੀਂ ਬਦਲਦਾ।
https_proxy=http://proxy.example:8080 \
GENSIM_DATA_DIR=/path/to/gensim-data \
python -m gensim.downloader --download text8ਇਹ POSIX ਲਾਂਚ Gensim ਦੇ ਡਾਊਨਲੋਡਰ ਨੂੰ ਆਯਾਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ HTTPS ਪ੍ਰੌਕਸੀ ਅਤੇ ਡਾਟਾ ਡਾਇਰੈਕਟਰੀ ਦਿੰਦਾ ਹੈ, ਫਿਰ text8 ਡਾਊਨਲੋਡ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਦਾ ਸਥਾਨਕ ਪਾਥ ਵਾਪਸ ਕਰਦਾ ਹੈ। ਜਨਤਕ ਡਾਊਨਲੋਡ ਮਾਰਗ ਲਈ HTTP ਪ੍ਰੌਕਸੀ ਸੂਚੀ ਵਿੱਚੋਂ HTTP ਐਂਡਪੌਇੰਟ ਚੁਣੋ ਅਤੇ ਡਾਇਰੈਕਟਰੀ ਨੂੰ ਲੋੜੀਂਦੇ ਪਾਥ ਨਾਲ ਬਦਲੋ।
ਆਯਾਤ ਦੌਰਾਨ GENSIM_DATA_DIR ਮੌਡਿਊਲ ਦੀ ਅਧਾਰ ਡਾਇਰੈਕਟਰੀ ਵਿੱਚ ਪੜ੍ਹਿਆ ਜਾਂਦਾ ਹੈ। ਇਸਦਾ ਡਿਫਾਲਟ ~/gensim-data ਹੈ, ਇਸ ਲਈ gensim.downloader ਆਯਾਤ ਕਰਨ ਤੋਂ ਬਾਅਦ ਇਸਨੂੰ ਸੈੱਟ ਕਰਨਾ ਉਸ ਸ਼ੁਰੂਆਤ ਲਈ ਬਹੁਤ ਦੇਰ ਹੈ।
CLI ਉਹੀ load ਫੰਕਸ਼ਨ ਕਾਲ ਕਰਦਾ ਹੈ ਜੋ ਪਾਇਥਨ ਕੋਡ ਵਰਤਦਾ ਹੈ ਅਤੇ urllib ਵਰਤਦਾ ਹੈ। ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ api.load(name, return_path=True) ਡਾਟਾਸੈਟ ਨੂੰ ਮੈਮਰੀ ਵਿੱਚ ਲੋਡ ਕਰਨ ਦੀ ਬਜਾਏ ਸਿਰਫ਼-ਡਾਊਨਲੋਡ ਵਿਵਹਾਰ ਚੁਣਦਾ ਹੈ।
ਬਾਕੀ ਰਹਿ ਗਈ ਅਸਫਲਤਾ ਲਈ ਇੰਡੈਕਸ ਬੇਨਤੀ ਨੂੰ ਫਾਈਲ ਬੇਨਤੀ ਤੋਂ ਵੱਖਰਾ ਕਰੋ। ਇੰਡੈਕਸ GitHub ਦੇ ਕੱਚੇ-ਸਮੱਗਰੀ ਹੋਸਟ ਤੋਂ ਆਉਂਦਾ ਹੈ; ਫਾਈਲਾਂ ਰਿਲੀਜ਼ਾਂ ਤੋਂ ਆਉਂਦੀਆਂ ਹਨ ਅਤੇ ਹੋਰ ਮੰਜ਼ਿਲਾਂ ਵੱਲ ਰੀਡਾਇਰੈਕਟ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਸਥਾਨਕ ਜਾਣਕਾਰੀ ਕੈਸ਼ ਨੈੱਟਵਰਕ ਅਸਫਲਤਾ ਤੋਂ ਬਾਅਦ ਇੰਡੈਕਸ ਖੋਜ ਜਾਰੀ ਰੱਖਣ ਦਿੰਦਾ ਹੈ। ਮੌਜੂਦਾ ਡਾਟਾ ਇੱਕ ਹੋਰ ਫਾਈਲ ਡਾਊਨਲੋਡ ਤੋਂ ਬਚਾ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ ਗਰਮ ਲੋਡ ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦਾ ਕਿ ਦੋਵੇਂ ਨੈੱਟਵਰਕ ਮਾਰਗ ਕੰਮ ਕਰ ਰਹੇ ਸਨ।