我需要用word2vec和fasttext来训练我自己的模型。在阅读了不同的资料后，我找到了不同的信息。所以我构建并训练了模型，如下所示：

model = FastText(all_words, size=300, min_count= 3,sg=1)model = Word2Vec(all_words, min_count=3, sg = 1, size = 300 )

我读到说这样做就足以创建和训练模型。但随后我发现，有些人是分开做的：

model = FastText(size=4, window=3, min_count=1)  # instantiatemodel.train(sentences=common_texts, total_examples=len(common_texts), epochs=10)  # train

现在我很困惑，不知道我做的是否正确。有人能帮我澄清一下吗？谢谢

回答：

在实例化模型对象时提供你的训练语料库（all_words）是完全可以接受的。在这种情况下，模型会自动执行所有必要的步骤来训练模型，使用这些数据。所以你可以这样做：

model = Word2Vec(all_words, ...)  # where '...' is your non-default params

在实例化模型时不提供语料库也是可以接受的 – 但这样模型将非常简单，仅包含你的初始参数。它仍然需要发现相关的词汇（这需要对训练数据进行一次遍历），然后分配一些非常大的内部结构来容纳这些词汇，然后进行实际的训练（这需要对训练数据进行多次额外的遍历）。

所以如果你在实例化模型时没有提供语料库，你应该进行两个额外的方法调用：

model = Word2Vec(...)  # where '...' is your non-default paramsmodel.build_vocab(all_words)  # discover vocabulary & allocate model# now train, with #-of-passes & #-of-texts set by earlier stepsmodel.train(all_words, epochs=model.iter, total_examples=model.corpus_count)

我展示的这两个代码块是等价的。顶部的代码会为你执行常规步骤；底部的代码则将这些步骤分解为你明确控制的步骤。

（你在问题中摘录的代码，仅显示了.train()调用，会因为多种原因出错。.build_vocab()是一个必要步骤，以确保模型完全分配，而对.train()的调用必须明确声明所需的epochs和语料库中项目数量的准确计数total_examples。但是，你可以并且通常应该重用由前两个步骤已经缓存到model中的值。）

使用哪种方法由你选择。通常人们只有在步骤之间想要进行其他输出/日志记录，或者在步骤之间进行可能影响模型状态的高级操作时，才会使用这三个独立步骤的过程。