使用 Gensim 从 Fasttext 的 .bin 文件重新训练 FastText 模型时出现问题。 “FastTextTrainables”对象没有属性“syn1neg”

Question

我正在尝试使用 gensim 包装器为我的问题微调一个 FastText 预训练模型，但我遇到了问题。 我从 .bin 文件中成功加载模型嵌入，如下所示：

from gensim.models.fasttext import FastText
model=FastText.load_fasttext_format(r_bin)

尽管如此，当我想使用这 3 行代码重新训练模型时，我很挣扎：

sent = [['i', 'am ', 'interested', 'on', 'SPGB'], ['SPGB' 'is', 'a', 'good', 'choice']]
model.build_vocab(sent, update=True)
model.train(sentences=sent, total_examples = len(sent), epochs=5)

无论我如何更改，我都会一遍又一遍地收到此错误：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-91-6456730b1919> in <module>
      1 sent = [['i', 'am', 'interested', 'on', 'SPGB'], ['SPGB' 'is', 'a', 'good', 'choice']]
----> 2 model.build_vocab(sent, update=True)
      3 model.train(sentences=sent, total_examples = len(sent), epochs=5)

/opt/.../fasttext.py in build_vocab(self, sentences, update, progress_per, keep_raw_vocab, trim_rule, **kwargs)
    380         return super(FastText, self).build_vocab(
    381             sentences, update=update, progress_per=progress_per,
--> 382             keep_raw_vocab=keep_raw_vocab, trim_rule=trim_rule, **kwargs)
    383 
    384     def _set_train_params(self, **kwargs):

/opt/.../base_any2vec.py in build_vocab(self, sentences, update, progress_per, keep_raw_vocab, trim_rule, **kwargs)
    484             trim_rule=trim_rule, **kwargs)
    485         report_values['memory'] = self.estimate_memory(vocab_size=report_values['num_retained_words'])
--> 486         self.trainables.prepare_weights(self.hs, self.negative, self.wv, update=update, vocabulary=self.vocabulary)
    487 
    488     def build_vocab_from_freq(self, word_freq, keep_raw_vocab=False, corpus_count=None, trim_rule=None, update=False):

/opt/.../fasttext.py in prepare_weights(self, hs, negative, wv, update, vocabulary)
    752 
    753     def prepare_weights(self, hs, negative, wv, update=False, vocabulary=None):
--> 754         super(FastTextTrainables, self).prepare_weights(hs, negative, wv, update=update, vocabulary=vocabulary)
    755         self.init_ngrams_weights(wv, update=update, vocabulary=vocabulary)
    756 

/opt/.../word2vec.py in prepare_weights(self, hs, negative, wv, update, vocabulary)
   1402             self.reset_weights(hs, negative, wv)
   1403         else:
-> 1404             self.update_weights(hs, negative, wv)
   1405 
   1406     def seeded_vector(self, seed_string, vector_size):

/opt/.../word2vec.py in update_weights(self, hs, negative, wv)
   1452             self.syn1 = vstack([self.syn1, zeros((gained_vocab, self.layer1_size), dtype=REAL)])
   1453         if negative:
-> 1454             self.syn1neg = vstack([self.syn1neg, zeros((gained_vocab, self.layer1_size), dtype=REAL)])
   1455         wv.vectors_norm = None
   1456 

AttributeError: 'FastTextTrainables' object has no attribute 'syn1neg'

提前感谢您的帮助

Answer 1

感谢您提供详细的代码，显示您尝试过的内容和遇到的错误。

您确定您使用的是最新版本的 Gensim，gensim-3.8.3？我无法使用您的代码和 Gensim 重现错误。

另外：在gensim-3.8.3 中，您会看到一个警告：

DeprecationWarning: Call to deprecated 'load_fasttext_format' (use load_facebook_vectors (to use pretrained embeddings) or load_facebook_model (to continue training with the loaded full model, more RAM) instead).

（不推荐使用的方法只会为您调用 load_facebook_model()，因此使用旧方法不会单独导致您的问题 - 但您的环境应该使用最新的 Gensim，并且您的代码应该更新以调用首选方法.)

请注意：

由于您的小测试文本中没有新词，build_vocab(..., update=True) 不是绝对必要的，也没有做任何相关的事情。您的模型的已知词汇在之前和之后是相同的。 （当然，如果使用带有新单词的实际新句子，那会有所不同——但你的小例子还没有真正测试词汇扩展。）

还有：

这种将一些新数据或少量新词训练到现有模型中的方式充满了艰难的权衡。

特别是，如果您的新数据仅包含您的新词和原始模型词的某些子集，则只有这些新数据词会根据它们的新用法接收训练更新.这会逐渐将新训练数据中的所有单词拉到新位置。这些新位置可能会成为新文本的最佳位置，但可能与它们最初在早期模型中训练的旧位置相距甚远（也许非常远）。

因此，无论是您的新词还是旧词that-have-received-new-trainined 都不会与新数据中没有的任何旧词具有内在的可比性。从本质上讲，只有一起训练的单词才会被移动到有用的对比位置。

因此，如果您的新数据足够大且变化多样，足以涵盖您的应用程序所需的单词，那么训练一个全新的模型可能既简单又更好。另一方面，如果您的新数据很薄，仅将那一小部分单词/示例训练到旧模型中仍然存在将那部分单词从与旧单词有用的“对齐”中拉出的风险。