法1:
刚开始直接用pip install fasttext,最后一直报下面这个错误
“error:Microsoft Visual C++ 14.0 is required. Get it with “Microsoft Visual C++ Build Tools”: http://landinghub.visualstudio.com/visual-cpp-build-tools”,然后我按着链接去找,已经没有了,最后只好在网上其他博客找到链接,根据stackoverflow上的帮助下载Visual Studio Community 2017安装,然而。。。。。

上面是别人的方法:先去安装vs2017+fasttext安装包,别人的步骤( https://blog.csdn.net/m0_37870649/article/details/80935307)
一、点击下载 source code(zip) 文件
https://github.com/xiamx/fastText/releases
二、解压后在该文件下打开 cmd, 输入

pip setup.py install

上面这种方法我试了,然后,出现了系统提示没有setup.py model,所以我又查了这个错误,然后最后用了这两步(我觉得其他出现类似问题都可以如此)
先下载你要安装的包,并解压到磁盘下;
进入到该文件的setup.py 目录下,打开cmd,并切换到该目录下;
先执行 python setup.py build
然后执行 python setup.py install
执行是成功了,可是又回到了最开始的问题,还是提示

“error:Microsoft Visual C++ 14.0 is required. Get it with “Microsoft Visual C++ Build Tools”: http://landinghub.visualstudio.com/visual-cpp-build-tools”

【不知为何,上面这些步骤别人安装成功了,我却没有,不知道为啥!!!!】

法2 :
也就是本文时用的方法:参考博客https://blog.csdn.net/qq_17814041/article/details/80041189

首先去python的各种第三方安装包:https://www.lfd.uci.edu/~gohlke/pythonlibs/#fasttext找到适合自己版本的.whl文件,然后下载安装,具体可参考上面的博客链接。

我这里要强调的是:!!!!!!!按照上面的安装也确实安装成功了,但是我并不能像作者那样子调用,(直接import fasttext),系统提示没有这个模型,其实应该这样子调用,注意!注意!!注意!!!

调用示例:

import fastText.FastText as ff
classifier = ff.train_supervised("data/try_fasttext_train.txt")

就可以看到

想要存下 model 或 用来预测 等

model = classifier.save_model('data/try.model') # 保存模型
test = classifier.test('data/try_fasttext_test.txt') # 输出测试结果
classifier.get_labels() # 输出标签
pre = classifier.predict('文本') #输出改文本的预测结

对比调用 fasttext 包的命令,调用方式是不一样的,小伙伴要注意了。

import fasttext
#训练模型
classifier = fasttext.supervised("data/try_fasttext_train.txt","data/try_fasttext.model",label_prefix="__label__")
#load训练好的模型
#classifier = fasttext.load_model('data/try_fasttext.model.bin', label_prefix='__label__')
result = classifier.test("data/try_fasttext_test.txt")
print(result.precision)
print(result.recall)

这样就okay啦!!!

法3:
费了好大劲,才发现原来gensim.models上就可以调用fasttext!!!(本人已有,如果有gensim的话,小伙伴就会省很多力气了)

具体使用详情可以参考gensim官网使用手册,介绍的很详细:https://radimrehurek.com/gensim/models/fasttext.html

文章转自:https://www.cnblogs.com/gaofighting/p/9552821.html

法1:刚开始直接用pip install fasttext,最后一直报下面这个错误“error:Microsoft Visual C++ 14.0 is required. Get it with “Microsoft Visual C++ Build Tools”: http://landinghub.visualstudio.com/visual-cpp-build-tools”,然后我按... 在linux安装安装fasttext出现如下错误: RuntimeError: Unsupported compiler -- at least C++11 support is needed! 具体如下图: 二、问题分析 从错误中可以看出是gcc的问题,这个就可能是两个问题: 1、没有安装gcc 或者g++ 2、gcc或者是g++的版本较低 三、解决方案 查看gcc或者g++是否存在 在终端输入如下命令: g++ --version gcc --version
Collecting fasttext Downloading https://pypi.doubanio.com/packages/a4/86/ff826211bc9e28d4c371668b30b4b2c38a09127e5e73017b1c0cd52f9dfa/fasttext-0.8.3.tar.gz (73kB) Requirement already satisfied: nump...
直接pip install fasttext安装会报错如下: 要求安装Microsoft Visual C++ 14.0. 解决办法:去https://www.lfd.uci.edu/~gohlke/pythonlibs/#fasttext找到对应python版本的package下载。 之后打开cmd,进入下载目录,执行:pip install fasttext-0.9.2-cp38-cp38-win_amd64.whl即可。 使用时注意:处理数据集为fastText标准的数据格式,如前缀+标签+逗号+
fasttext的相关介绍: 它facebook开源的一个***词向量与文本分类工具***,在学术上没有什么创新点,但是好处就是模型简单,训练速度又非常快。但是用起来真的很顺手,做出来的结果也可以达到上线使用的标准。 其实fasttext使用的模型与word2vec的模型在结构上是一样的,拿cbow来说,不同的只是在于word2vec cbow的目标是通过当前词的前后N个词来预测当前词,在使用层次...
https://github.com/facebookresearch/fastText/issues/474 已成功安装fasttext,但import报错找不到包。 解决办法 1. 不要使用conda安装,而要使用pip安装 2. 在fastText==0.9.0以后import时就改为小写。 import fastText import fasttext hjingjing010: ckpt模型加载后,在sess.run()的时候报错: tensorflow.python.framework.errors_impl.InvalidArgumentError: 2 root error(s) found. (0) Invalid argument: Table not initialized. [[node tokenizer/WordpieceTokenizeWithOffsets/WordpieceTokenizeWithOffsets/WordpieceTokenizeWithOffsets (defined at sentiment_analyse_02.py:389) ]] (1) Invalid argument: Table not initialized. [[node tokenizer/WordpieceTokenizeWithOffsets/WordpieceTokenizeWithOffsets/WordpieceTokenizeWithOffsets (defined at sentiment_analyse_02.py:389) ]] [[tokenizer/Trimmer/Trim/WaterfallTrimmer/generate_mask/RaggedRange/_751]] windows cmd窗口执行redis 输入中文乱码,怎么解决?? 默默前行的虫虫: 大家都找找这个问题,看看怎么解决? BiLSTM维度详解 浮若星尘: 大佬,您的图对于理解非常有帮助,感谢 【Pytorch】5. Pytorch搭建多项式回归模型 瞬间记忆: