bio-embeddings-allennlp 0.9.2

一个基于PyTorch构建的Apache 2.0 NLP研究库，用于在各种语言任务上开发最先进的深度学习模型。

快速链接

• 网站
• 教程
• 论坛
• 文档
• 贡献指南
• 模型列表
• 持续构建

包概述

安装

AllenNLP需要Python 3.6.1或更高版本。安装AllenNLP的首选方式是通过pip。只需在Python环境中运行pip install allennlp即可。

如果您需要设置适当的Python环境的提示，或者希望使用不同的方法安装AllenNLP，请参阅以下内容。

目前Windows平台尚未得到官方支持，尽管我们会尽力在问题容易解决时修复它们。

通过pip安装

设置虚拟环境

Conda 可以用来设置一个虚拟环境，以安装AllenNLP所需的Python版本。如果你已经有了想要使用的Python 3.6或3.7环境，你可以跳过到“通过pip安装”部分。

1. 下载并安装Conda.

2. 使用Python 3.6创建Conda环境

   conda create -n allennlp python=3.6
   

3. 激活Conda环境。你需要在每个你想使用AllenNLP的终端中激活Conda环境。

   source activate allennlp
   

安装库及其依赖项

使用pip安装库及其依赖项非常简单。

pip install allennlp

这就完成了！你现在可以构建和训练AllenNLP模型了。安装Python包时，AllenNLP会安装一个脚本，这意味着你只需在终端中输入allennlp即可运行所有allennlp命令。

你现在可以使用allennlp test-install来测试你的安装。

pip目前仅安装CUDA 9的PyTorch（或无GPU）。如果你需要旧版本，请访问https://pytorch.ac.cn/并安装相关的pytorch二进制文件。

使用Docker安装

Docker提供了一个虚拟机，其中已设置好一切以运行AllenNLP——无论你将使用GPU还是仅运行在CPU上。Docker提供了更多的隔离和一致性，并且也使得将你的环境分发到计算集群变得容易。

一旦你已经安装了Docker，只需运行以下命令即可获取一个可以在CPU或GPU上运行的环境。

mkdir -p $HOME/.allennlp/
docker run --rm -v $HOME/.allennlp:/root/.allennlp allennlp/allennlp:v0.9.0

你可以使用以下命令测试Docker环境：docker run --rm -v $HOME/.allennlp:/root/.allennlp allennlp/allennlp:v0.9.0 test-install。

从源代码安装

你也可以通过克隆我们的git仓库来安装AllenNLP

git clone https://github.com/allenai/allennlp.git

创建一个Python 3.6虚拟环境，并运行以下命令以在editable模式下安装AllenNLP：

pip install --editable .

这将使allennlp在你的系统上可用，但它将使用你从源存储库中克隆的本地副本中的源。

你可以使用allennlp test-install来测试你的安装。完整的开发环境还需要安装JVM和perl，这些必须单独安装。./scripts/verify.py将运行我们持续构建环境使用的完整测试套件。

运行AllenNLP

一旦你安装了AllenNLP，你可以通过allennlp命令（如果你通过pip安装）或allennlp（如果你通过源安装）来运行命令行界面。

$ allennlp
Run AllenNLP

optional arguments:
  -h, --help    show this help message and exit
  --version     show program's version number and exit

Commands:

    configure   Run the configuration wizard.
    train       Train a model.
    evaluate    Evaluate the specified model + dataset.
    predict     Use a trained model to make predictions.
    make-vocab  Create a vocabulary.
    elmo        Create word vectors using a pretrained ELMo model.
    fine-tune   Continue training a model on a new dataset.
    dry-run     Create a vocabulary, compute dataset statistics and other
                training utilities.
    test-install
                Run the unit tests.
    find-lr     Find a learning rate range.

Docker镜像

AllenNLP为每个发布版本在Docker Hub上发布Docker镜像。有关如何运行这些发布的信息，请参阅使用Docker安装。

构建Docker镜像

由于各种原因，你可能需要创建自己的AllenNLP Docker镜像。相同的镜像既可以用于CPU也可以用于GPU。

首先，你需要安装Docker。然后运行以下命令（由于它需要完全构建运行AllenNLP所需的环境，这个过程可能需要一些时间）：

docker build -f Dockerfile.pip --tag allennlp/allennlp:latest .

现在你应该可以通过运行docker images allennlp来看到这个镜像被列出。

REPOSITORY          TAG                 IMAGE ID            CREATED             SIZE
allennlp/allennlp            latest              b66aee6cb593        5 minutes ago       2.38GB

运行Docker镜像

你可以使用以下命令运行镜像：docker run --rm -it allennlp/allennlp:latest。--rm标志在退出时清理镜像，而-it标志使得会话交互式，这样你就可以使用Docker镜像启动的bash shell。

你可以通过运行allennlp test-install来测试你的安装。

问题

每个人都可以提交问题，无论是功能请求、错误报告还是一般性疑问。作为一个有自己内部目标的团队，如果我们认为紧急修复不符合我们的路线图，我们可能会要求贡献。我们允许用户在两周内跟进问题，之后我们将关闭问题。如果有进一步的讨论，它们可以重新打开。

贡献

AI2的AllenNLP团队（@allenai）欢迎来自更广泛的AllenNLP社区的贡献，并且如果您希望将更改纳入库中，这可能是最快的途径。如果您想贡献一个较大的功能，我们建议首先创建一个带有提议设计的问题以供讨论。这将防止您在早期可能有人指出技术限制的实现上花费大量时间。小贡献可以直接通过拉取请求进行。

拉取请求（PR）必须获得一次批准的审查且没有要求更改，才能合并。由于AllenNLP主要是由AI2（@allenai）驱动的，我们保留拒绝或撤回我们认为不是良好补充的贡献的权利。

引用

如果您在研究中使用了AllenNLP，请引用AllenNLP：一个深度语义自然语言处理平台。

@inproceedings{Gardner2017AllenNLP,
  title={AllenNLP: A Deep Semantic Natural Language Processing Platform},
  author={Matt Gardner and Joel Grus and Mark Neumann and Oyvind Tafjord
    and Pradeep Dasigi and Nelson F. Liu and Matthew Peters and
    Michael Schmitz and Luke S. Zettlemoyer},
  year={2017},
  Eprint = {arXiv:1803.07640},
}

团队

AllenNLP是一个由艾伦人工智能研究所（AI2）支持的开源项目。AI2是一个非营利性研究所，其使命是通过具有重大影响的人工智能研究和工程为人类做出贡献。要了解更多关于具体为这个代码库做出贡献的人的信息，请参阅我们的贡献者页面。