如何在谷歌协作平台上使用GloVe word嵌入文件

Question

我已经用wget下载了数据

!wget http://nlp.stanford.edu/data/glove.6B.zip
 - ‘glove.6B.zip’ saved [862182613/862182613]

它被保存为压缩文件，我想使用压缩文件中的glove.6B.300d.txt文件。我想要实现的是：

embeddings_index = {}
with io.open('glove.6B.300d.txt', encoding='utf8') as f:
    for line in f:
        values = line.split()
        word = values[0]
        coefs = np.asarray(values[1:],dtype='float32')
        embeddings_index[word] = coefs

当然，我会遇到这个错误：

IOErrorTraceback (most recent call last)
<ipython-input-47-d07cafc85c1c> in <module>()
      1 embeddings_index = {}
----> 2 with io.open('glove.6B.300d.txt', encoding='utf8') as f:
      3     for line in f:
      4         values = line.split()
      5         word = values[0]

IOError: [Errno 2] No such file or directory: 'glove.6B.300d.txt'

我如何在Google colab上解压并使用上面代码中的文件？

Answer 1

这很简单，从SO中检出这个older post。

import zipfile
zip_ref = zipfile.ZipFile(path_to_zip_file, 'r')
zip_ref.extractall(directory_to_extract_to)
zip_ref.close()

Answer 2

另一种你可以做的方法如下。

1.下载zip文件

!wget http://nlp.stanford.edu/data/glove.6B.zip

下载压缩文件后，它将保存在google Collab的/content目录中。

2.解压缩

!unzip glove*.zip

3.获取嵌入向量提取位置的确切路径

!ls
!pwd

4.索引向量

print('Indexing word vectors.')

embeddings_index = {}
f = open('glove.6B.100d.txt', encoding='utf-8')
for line in f:
    values = line.split()
    word = values[0]
    coefs = np.asarray(values[1:], dtype='float32')
    embeddings_index[word] = coefs
f.close()

print('Found %s word vectors.' % len(embeddings_index))

5.与google - drive融合

!pip install --upgrade pip
!pip install -U -q pydrive
!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null

!apt-get -y install -qq google-drive-ocamlfuse fuse

from google.colab import auth
auth.authenticate_user()
# Generate creds for the Drive FUSE library.
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}

!mkdir -p drive
!google-drive-ocamlfuse drive

6.将索引后的向量保存到google驱动器中，以便重复使用

import pickle
pickle.dump({'embeddings_index' : embeddings_index } , open('drive/path/to/your/file/location', 'wb'))

如果您已经在本地系统中下载了压缩文件，只需将其解压缩并将所需的维度文件上传到google drive -> fuse gdrive ->，然后给出适当的路径，然后使用它/建立索引，依此类推。

此外，如果已经通过collab中的代码下载到本地系统中，则可以使用另一种方法

from google.colab import files
files.upload()

选择该文件并使用它，如步骤3所示。

这就是在google collaboratory中使用glove word嵌入的方法。希望能有所帮助。

Answer 3

如果您有Google Drive，您可以：

1. 挂载您的谷歌硬盘，以便可以在Colab笔记本中使用

例如，从google.colab导入驱动器drive.mount('/content/gdrive')

• Download glove.6B.zip并将其解压缩到您的Google Drive上的任意位置

“我的Drive/Place/Of/Your/Choice/glove.6B.300d.txt"

• Open文件直接从你的Colab笔记本

使用io.open('/content/gdrive/Place/Of/Your/Choice/glove.6B.300d.txt'，编码=‘utf8’)作为f: