معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A package for working with files containing pre-trained word embeddings (aka word vectors).

ویژگی	مقدار
سیستم عامل	-
نام فایل	embfile-0.1.1
نام	embfile
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Gianluca Gippetto
ایمیل نویسنده	gianluca.gippetto@gmail.com
آدرس صفحه اصلی	https://github.com/janLuke/embfile
آدرس اینترنتی	https://pypi.org/project/embfile/
مجوز	MIT license

======== Overview ======== A package for working with files containing word embeddings (aka word vectors). Written for: #. providing a common interface for different file formats; #. providing a flexible function for building "embedding matrices" that you can use for initializing the `Embedding` layer of your deep learning model; #. taking as less RAM as possible: no need to load 3M vectors like with `gensim.load_word2vec_format` when you only need 20K; #. satisfying my (inexplicable) urge of writing a Python package. Features ======== - Supports textual and Google's binary format plus a custom convenient format (.vvm) supporting constant-time access of word vectors (by word). - Allows to easily implement, test and integrate new file formats. - Supports virtually any text encoding and vector data type (though you should probably use only UTF-8 as encoding). - Well-documented and type-annotated (meaning great IDE support). - Extensively tested. - Progress bars (by default) for every time-consuming operation. Installation ============ :: pip install embfile Quick start =========== .. code-block:: python import embfile with embfile.open("path/to/file.bin") as f: # infer file format from file extension print(f.vocab_size, f.vector_size) # Load some word vectors in a dictionary (raise KeyError if any word is missing) word2vec = f.load(['ciao', 'hello']) # Like f.load() but allows missing words (and returns them in a Set) word2vec, missing_words = f.find(['ciao', 'hello', 'someMissingWord']) # Build a matrix for initializing an Embedding layer either from # a list of words or from a dictionary {word: index}. Handles the # initialization of eventual missing word vectors (see "oov_initializer") matrix, word2index, missing_words = embfile.build_matrix(f, words) Examples ======== The examples shows how to use embfile to initialize the ``Embedding`` layer of a deep learning model. They are just illustrative, don't skip the documentation. - `Keras using Tokenizer <https://github.com/janLuke/embfile/blob/master/examples/keras_with_Tokenizer.py>`_ - `Keras using TextVectorization <https://github.com/janLuke/embfile/blob/master/examples/keras_with_TextVectorization.py>`_ (tensorflow >= 2.1) .. if-doc-stop-here Documentation ============= Read the full documentation at https://embfile.readthedocs.io/. Changelog ========= v0.1.1 (2021-02-15) ------------------- * No changes in the code. * Add support to python 3.9. * Migrate from TravisCI+AppVeyor to GitHub Actions. * Add examples for Keras. * Minor doc changes. v0.1.0 (2020-01-24) ------------------- * First release on PyPI.

نیازمندی

مقدار	نام
-	numpy
-	tqdm
-	overrides
-	tabulate
-	tox
-	pytest
-	pytest-cov
-	coverage
-	flake8
-	mypy
-	twine
-	bump2version

نحوه نصب

نصب پکیج whl embfile-0.1.1:

pip install embfile-0.1.1.whl

نصب پکیج tar.gz embfile-0.1.1:

pip install embfile-0.1.1.tar.gz