代码在python中。我将二进制模型加载到python上的gensim，＆amp;使用＆＃34; init_sims＆＃34;选项使执行更快。操作系统是OS X. 加载它需要将近50-60秒。并且找到＆＃34; most_similar＆＃34;的等效时间。这是正常的吗？在使用init_sims选项之前，它花了几乎两倍的时间！我觉得这可能是OS RAM分配问题。
model=Word2Vec.load_word2vec_format('GoogleNewsvectorsnegative300.bin',binary=True)
model.init_sims(replace=True)
model.save('SmallerFile')
#MODEL SAVED INTO SMALLERFILE & NEXT LOAD FROM IT
model=Word2Vec.load('SmallerFile',mmap='r')
#GIVE RESULT SER!
print model.most_similar(positive=['woman', 'king'], negative=['man'])
答案 0 :(得分：4)
请注意，init_sims(replace=True)的内存节省效果在保存/加载周期内不会持续存在，因为保存始终会保存“原始”内容。向量（可以从中重新计算单位归一化向量）。因此，即使在重新加载后，当您第一次呼叫most_similar()时，将在后台调用init_sims()，并且内存使用量将加倍。
并且，GoogleNews数据集相当大，甚至在单位规范化可能使内存使用量翻倍之前，需要加载3 GB以上。因此，根据您运行的其他内容和计算机的RAM，您可能会在most_similar()计算运行时使用交换内存 - 这对于计算 - 来说非常慢每个矢量和排序结果相似性操作。 （仍然，在第一次赢得之后的任何most_similar()检查都需要重新填充单位规范化的向量缓存，因此应该比第一次调用更快。）
鉴于您已在init_sims(replace=True)之后保存了模型，其原始向量已经过单位规范化。因此，您可以在load()：
model.syn0norm = model.syn0
然后，即使你的第一个most_similar()只会查询（单个，内存映射的）向量集，而不会触发init_sims()。
如果这仍然太慢，您可能需要更多内存或将向量修剪为子集。 GoogleNews向量似乎被排序为最常见的最常用词，因此抛出最后10％，50％甚至90％可能仍然会为您提供一组最常用的单词。 （您需要通过查看模型对象和源代码来自行执行此修剪。）
最后，您可以使用最近邻居索引来获得更快的前N个匹配，但代价是额外的内存和近似结果（可能会错过一些真正的前N个匹配）。在gensim annoytutorial.ipynb目录中的docs/notebooks IPython笔记本中，有一个IPython笔记本教程，最近的gensim版本是演示IPython笔记本的IPython笔记本。