Neural network word2vec如何从二进制文件检索结果？

代码将google_news二进制文件加载到模型中。

---

我的问题是，由于二进制文件包含0和1，第3行如何计算二进制文件的输出。

我不确定这里的问题到底是什么，但我假设您正在询问如何将二进制文件加载到Python应用程序中？例如，您可以使用内置工具解码二进制文件：

from gensim.models.keyedvectors import KeyedVectors
model = KeyedVectors.load_word2vec_format('google_news.bin', binary=True)
print(model['the']) # this prints the 300D vector for the word 'the'

编辑

我觉得你的问题更多的是关于二进制文件的？这似乎与word2vec没有特别的关系。无论如何，在word2vec二进制文件中，每一行都是一对二进制格式的字和权重。首先，通过循环字符，将单词解码为字符串，直到它与二进制字符的空格相遇。然后将其余的从二进制解码为浮点。我们知道浮动的数量，因为word2vec二进制文件有一个头，例如3000000 300，它告诉我们有3m个字，每个字是一个300D向量

二进制文件组织为一系列字节，每个字节8位。阅读更多关于二进制的文章

十进制格式的数字0.0056变为二进制：

from gensim.models.keyedvectors import KeyedVectors
model = KeyedVectors.load_word2vec_format('google_news.bin', binary=True)
print(model['the']) # this prints the 300D vector for the word 'the'

这里有4个字节组成一个浮点。我们怎么知道的？因为我们假设二进制编码为32位浮点

如果二进制文件表示64位精度浮动怎么办？然后二进制小数0.0056变为：

00111011 10110111 10000000 00110100

是的，两倍的长度，因为两倍的精度。所以当我们解码word2vec文件时，如果权重是300d，并且是64位编码，那么应该有8个字节来表示每个数字。因此，一个单词嵌入将在文件的每行中包含300*64=19200个二进制数字。明白了吗

---

你可以用谷歌搜索二进制数字的工作原理，数百万个例子。

好的，正如你的代码所示，你正在将二进制文件加载到模型中。我的问题是，代码的word2vec模型第3行如何从二进制文件检索print语句的输出。我认为，二进制文件是由0和1的onlyNo问题组成的。如果您觉得这回答了问题，请将其标记为已回答。干杯。参见pickle：二进制文件有点误导。计算机上的所有文件都以二进制形式存储。binary=True这里指的是文件的序列化，以便计算机可以直接加载文件，而无需解析特定格式。参见pickle文档；P

00111111 01110110 11110000 00000110 10001101 10111000 10111010 11000111