spaCy V3.0.5 正式版句法解析器

spaCy是一款专业的句法解析器。编程人员都在使用的句法解析器spaCy。目前支持60多种语言的标记化和培训。它可用于诸如标签，解析，命名实体识别和文本分类之类的操作。它具有像BERT这样的预训练变压器的多任务学习功能，并且可以用于生产训练系统和简单模型。包装非常方便实用； spaCy是一种商业开源软件，是目前最快的语法解析器。根据独立的基准测试，它具有快速有效的测试速度。同时，该软件是绿色，安全，完全免费的，并且内置详细的安装程序。该教程使用户可以轻松便捷地安装该软件。它非常易于使用，可以由有需要的用户下载和使用。

软件功能：

训练有素的管道可以处理不同的语言和任务

使用像BERT这样的预训练变压器进行多任务学习

支持预训练的单词向量和嵌入

语言驱动的标记化

用命名实体识别，语音标记的一部分，相关性分析，句子分割，文本分类，词义，形态分析，实体链接等的组件。

使用自定义组件和属性可以轻松扩展

在PyTorch，TensorFlow和其他框架中支持自定义模型

内置的语法和NER可视化工具

官方教程：

SpaCy与64位CPython 3.6+兼容，并且可以在Unix / Linux，macOS / OS X和Windows上运行。 “画中画”和“无限”中提供了最新的spaCy版本。

井出

使用pi，可以将spaCy版本作为源包和二进制文件提供。在安装spaCy及其依赖项之前，请确保您的pip，setuptools和wheel是最新的。

使用pip时，通常建议在虚拟环境中安装软件包，以避免修改系统状态：

SpaCy还允许您通过在方括号中指定以下关键字来安装其他依赖项，例如spacy [ja]或spacy [lookups，transformers]（多个附加项用逗号分隔）。请参阅[options.extras_require] spaCy部分setup.cfg，以了解所包含内容的详细信息。

康达

由于我们强大的社区，我们得以重新添加conda支持。您还可以通过以下方式通过conda-forge安装spaCy：

有关成分（包括构建配方和配置）的信息，请签出该存储库。请注意，我们尚未在conda上发布任何预发行版本。

升级空间

从V2升级到V3尽管我们试图最大程度地减少更改的影响，但从spaCy v2.x升级到v3.x仍可能需要对代码库进行一些更改。有关更多信息，请参见“向后不兼容和迁移”部分。还记得下载一个训练有素的新管道，然后重新训练自己的管道。当更新到较新版本的spaCy时，通常建议从干净的虚拟环境开始。如果要升级到新的主要版本，请确保已安装了最新的经过培训的兼容管道，并且环境中没有遗留任何旧的不兼容软件包，因为这通常会导致意外的结果和错误。如果您已经训练了自己的模型，请记住训练和运行时输入必须匹配。这意味着您必须使用新版本重新训练管道。

SpaCy还提供validate命令，该命令使您可以验证所有已安装的管道软件包与您的spaCy版本兼容。如果发现不兼容的软件包，将打印提示和安装说明。建议使用python -m运行该命令，以确保您正在执行正确版本的spaCy。

使用GPU运行spaCy

从v2.0开始，spaCy带有在我们的机器学习库Thinc中实现的神经网络模型。对于GPU支持，我们非常感谢使用Chainer的CuPy模块所做的工作，该模块为GPU阵列提供了与numpy兼容的接口。

通过指定spacy [cuda]，spacy [cuda90]，spacy [cuda91]，spacy [cuda92]，spacy [cuda100]，spacy [cuda101]，spacy [cuda102]，spacy [cuda110]或spacy，可以将spaCy安装在GPU上[cuda111]。如果您知道cuda的版本，则可以使用更清晰的说明符通过轮安装cupy，从而节省了一些编译时间。指定者应安装cupy。

启用GPU的安装后，激活它的最佳方法是调用spacy.prefer_gpu或spacy.require_g

在加载任何管道之前，在脚本中的某个位置添加pu（）。如果没有可用的GPU，则require_gpu将导致错误。

从源编译

安装spaCy的另一种方法是克隆其GitHub存储库并从源代码构建它。如果要更改代码库，这是常用方法。您需要确保您拥有一个包含Python发行版（包括头文件，编译器，pip和git）的开发环境。编译器部分最棘手。如何执行此操作取决于您的系统。有关详细信息，请参见有关Ubuntu，macOS / OS X和Windows的说明。

要安装其他功能：

如何安装编译器和相关的构建工具：

Ubuntu：通过apt-get安装系统级依赖项，如下所示：sudo apt-get install build-essential python-dev git

MacOS / OS X：安装最新版本的XCode，包括所谓的“命令行工具”。 macOS和OS X附带了预安装的Python和Git。

Windows：安装与用于编译Python解释器的版本匹配的Visual C ++ Build Tools或Visual Studio Express版本。

开发人员的其他选择

对于正在编辑源代码并经常重新编译的spaCy开发人员，某些其他选项可能会有用。

以可编辑模式安装。保存.py文件后，对该文件的更改将立即反映出来，但是对Cython文件（.pxd，.pyx）的编辑将要求以下pip installorpython setup.py build_ext命令再次运行。在以可编辑模式安装之前，请确保已使用pip uninstall spacy删除了所有以前的安装。您可能需要多次运行它才能删除早期安装的所有痕迹。

使用NCPU并行构建以加快编译速度，然后以可编辑模式安装：

生成可执行文件

SpaCy存储库包含一个Makefile。使用以下命令生成可执行的zip文件pex（P ython示例可执行）。可执行文件包括spaCy及其所有程序包依赖性，并且仅在运行时需要系统Python。构建可执行的.pex文件通常是部署spaCy的最简单方法，因为它允许您将构建和部署过程分开。

用法要使用.pex文件，只需在python执行code或CLI命令时将其替换为文件的路径即可。这等效于在安装了spaCy的虚拟环境中运行Python。

您可以使用以下环境变量配置构建过程：

运行测试

SpaCy带有广泛的测试套件。为了运行测试，通常必须克隆存储库并从源代码构建spaCy。这还将安装所需的开发依赖项以及在requirements.txt中定义的测试实用程序。

或者，您可以找到spaCy的安装位置，然后在该目录上运行pytest。别忘了还要通过spaCy的安装测试实用程序的requirements.txt：

调用pytestspaCy目录将仅运行基本测试。标志--slow是可选的，并且可以启用花费更长时间的其他测试。

软件特色：

1.支持60多种语言

2.最先进的速度

3.生产就绪培训系统

4.轻松的模型打包，部署和工作流管理

5.经过严格评估的坚固性，准确性