fastText中常見問題匯總：
1、什么是fastText
fastText是一個用于文本分類和詞向量表示的庫，它能夠把文本轉化成連續的向量然后用于后續具體的語言任務，目前教程較少！

2、為什么訓練的模型非常大
fastText對字和字符串使用hash表，hash表的大小將直接影響模型的大小，可以通過選項-hash來減少詞匯hash表的大小，一個可選的好參數時20000。另一個影響模型大小重要的因素是訓練向量的維度大小(-dim)，如果維度縮小模型將大大減小，但同時也會很大程度影響模型的性能，因為向量維度越大則捕獲的信息越多，當然還有一種將模型變小的方法是使用量化選項(-quantize)，命令如下所示：

./fasttext quantize -output model
3、模型中使用單詞短語而不是單個單詞最佳方式是什么
目前使用單詞短語或句子最好的方式是使用詞向量的bow(bag of words),另一種方式例如New York，我們可以將其處理成New_York也會有幫助

4、為什么fastText甚至可以為語料庫中未出現的單詞產生詞向量
fastText一個重要的特性便是有能力為任何單詞產生詞向量，即使是未出現的，組裝的單詞。主要是因為fastText是通過包含在單詞中的子字符substring of character來構建單詞的詞向量，正文中也有論述，因此這種訓練模型的方式使得fastText可以為拼寫錯誤的單詞或者連接組裝的單詞產生詞向量

5、為什么分層softmax在效果上比完全softmax略差
分層softmax是完全softmax的一個近似，分層softmax可以讓我們在大數據集上高效的建立模型，但通常會以損失精度的幾個百分點為代價，

6、可以在GPU上運行fastText項目嗎
目前fastText僅僅可運行在CPU上，但這也是其優勢所在，fastText的目的便是要成為一個高效的CPU上的分類模型，可以允許模型在沒有CPU的情況下構建

7、可以使用python語言或者其他語言使用fastText嘛
目前在GitHub上有很少的關于fastText的其他語言實現的非官方版本，但可以負責任的說，是可以用tensorflow實現的

8、可以在連續的數據集上使用fastText嗎
不可以，fastText僅僅是用于離散的數據集，因此無法直接在連續的數據集上使用，但是可以將連續的數據離散化后使用fastText

9、數據中存在拼寫錯誤，我們需要對文本進行規范化處理嗎
如果出現的頻率不高，沒有必要，對模型效果不會有什么影響

10、在模型訓練時遇到了NaN，為什么會這樣
這種現象是可能出現的，很大原因是因為你的學習率太高了，可以嘗試降低一下學習率直到不再出現NaN

11、系統無法編譯fastText，怎么處理
嘗試更新一下編譯器版本，很大可能就是因為編譯器太舊了

12、如何完全重現fastText的運行結果，為什么每次運行的結果都有些差異
當多次運行fastText時，因為優化算法異步隨機梯度下降算法或Hogwild,所以每次得到的結果都會略有不同，如果想要fastText運行結果復現，則必須將參數thread設置為1，這樣你就可以在每次運行時獲得完成相同的性能
---------------------?
作者：feilong_csdn?
來源：CSDN?
原文：https://blog.csdn.net/feilong_csdn/article/details/88655927?
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！

總結

以上是生活随笔為你收集整理的fastText中常见问题汇总的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。