如何在没有tensorflow管道的情况下使用lib rasa_Tensorflow如何在没有函数并使用add_loss的情况下手动进行l2正则化？_如何在没有提供jar的情况下使用Maven将所有必需的jar放在最终jar内的lib文件夹中？ - 腾讯云开发者社区

在没有 TensorFlow 管道的情况下使用 Rasa，你可以选择其他机器学习模型和管道组件来替代 TensorFlow。Rasa 提供了多种内置的管道组件，你可以根据需要选择和配置它们。

以下是一些步骤和示例，展示如何在没有 TensorFlow 的情况下配置和使用 Rasa：

1. 安装 Rasa

首先，确保你已经安装了 Rasa。你可以使用 pip 来安装：

pip install rasa

2. 配置 `config.yml`

在 Rasa 项目中，config.yml 文件用于配置 NLU 和对话管理的管道。你可以选择不使用 TensorFlow 组件，而是使用其他可用的组件。

以下是一个示例 config.yml，它使用 Spacy 和 Sklearn 组件，而不是 TensorFlow：

language: en

pipeline:
  - name: SpacyNLP
    model: "en_core_web_md"
  - name: SpacyTokenizer
  - name: SpacyFeaturizer
  - name: RegexFeaturizer
  - name: LexicalSyntacticFeaturizer
  - name: CountVectorsFeaturizer
  - name: CountVectorsFeaturizer
    analyzer: "char_wb"
    min_ngram: 1
    max_ngram: 4
  - name: DIETClassifier
    epochs: 100
  - name: EntitySynonymMapper
  - name: ResponseSelector
    epochs: 100

policies:
  - name: MemoizationPolicy
  - name: RulePolicy
  - name: TEDPolicy
    max_history: 5
    epochs: 100
    constrain_similarities: true

在这个配置中，我们使用了 SpacyNLP 作为自然语言处理的基础，并使用了 DIETClassifier 作为分类器。DIETClassifier 是 Rasa 提供的一个轻量级的、可替代 TensorFlow 的分类器。

3. 训练模型

配置好 config.yml 后，你可以训练你的 Rasa 模型：

rasa train

4. 运行 Rasa 服务器

训练完成后，你可以启动 Rasa 服务器来测试你的模型：

rasa run

5. 测试你的模型

你可以使用 Rasa Shell 来与模型进行交互：

rasa shell

6. 使用 Sklearn 作为分类器

如果你想使用 Sklearn 作为分类器，可以在 config.yml 中配置 SklearnIntentClassifier：

language: en

pipeline:
  - name: SpacyNLP
    model: "en_core_web_md"
  - name: SpacyTokenizer
  - name: SpacyFeaturizer
  - name: RegexFeaturizer
  - name: LexicalSyntacticFeaturizer
  - name: CountVectorsFeaturizer
  - name: CountVectorsFeaturizer
    analyzer: "char_wb"
    min_ngram: 1
    max_ngram: 4
  - name: SklearnIntentClassifier
  - name: EntitySynonymMapper
  - name: ResponseSelector
    epochs: 100

policies:
  - name: MemoizationPolicy
  - name: RulePolicy
  - name: TEDPolicy
    max_history: 5
    epochs: 100
    constrain_similarities: true