Stanford nlp 如何使用gensim load_word2vec_格式加载预先训练的手套模型？

我正在尝试在gensim中加载一只经过预训练的手套作为word2vec模型。我已经从下载了手套文件。我正在使用以下脚本：

from gensim import models
model = models.KeyedVectors.load_word2vec_format('glove.6B.300d.txt', binary=True)

但是得到以下错误

ValueError                                Traceback (most recent call last)
<ipython-input-38-e0b48b51f433> in <module>()
      1 from gensim import models
----> 2 model = models.KeyedVectors.load_word2vec_format('glove.6B.300d.txt', binary=True)

2 frames
/usr/local/lib/python3.6/dist-packages/gensim/models/utils_any2vec.py in <genexpr>(.0)
    171     with utils.smart_open(fname) as fin:
    172         header = utils.to_unicode(fin.readline(), encoding=encoding)
--> 173         vocab_size, vector_size = (int(x) for x in header.split())  # throws for invalid file format
    174         if limit:
    175             vocab_size = min(vocab_size, limit)

ValueError: invalid literal for int() with base 10: 'the'

ValueError回溯（最近一次调用）
在（）
1来自gensim进口车型
---->2 model=models.KeyedVectors.load_word2vec_格式（'glove.6B.300d.txt'，binary=True）
2帧
/usr/local/lib/python3.6/dist-packages/gensim/models/utils_any2vec.py in（.0）
171，将utils.smart_open（fname）作为fin：
172 header=utils.to_unicode（fin.readline（），encoding=encoding）
-->173 vocab_size，vector_size=（header.split（）中x的int（x））抛出无效的文件格式
174如果限制：
175声音大小=最小值（声音大小，限制）
ValueError:基数为10的int（）的文本无效：“the”

---

根本问题是什么？gensim是否需要特定格式才能加载它？

手套格式与

load\u word2vec\u format（）

支持的格式略有不同，缺少矢量计数和尺寸的第一行声明

包含一个

glove2word2vec

实用程序脚本，您可以运行一次以转换文件：

此外，从Gensim 4.0.0（当前在预发布测试中为LYU）开始，

load\u word2vec\u format（）

方法将获得一个新的可选

no\u标头

参数：

---

如果设置为

no_header=True

，则该方法将从文件的初步扫描中推断计数/维度-因此它可以使用该选项读取手套文件-但代价是读取两次完整文件而不是一次。（因此，您可能仍然希望使用

.save_word2vec_format（）

，或使用

glove2word2vec

脚本重新保存对象，以加快将来的加载速度。）

手套格式与

load_word2vec_format（）

支持的格式略有不同，缺少向量计数和维度的第一行声明

包含一个

glove2word2vec

实用程序脚本，您可以运行一次以转换文件：

此外，从Gensim 4.0.0（当前在预发布测试中为LYU）开始，

load\u word2vec\u format（）

方法将获得一个新的可选

no\u标头

参数：

如果设置为

no_header=True

，则该方法将从文件的初步扫描中推断计数/维度-因此它可以使用该选项读取手套文件-但代价是读取两次完整文件而不是一次。（因此，您可能仍然希望使用

.save_word2vec_format（）

重新保存对象，或者使用

glove2word2vec

脚本，以加快将来的加载速度。）