如何在没有tensorflow管道的情况下使用lib rasa
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 rasa2. 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 train4. 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 run5. 测试你的模型
你可以使用 Rasa Shell 来与模型进行交互：
rasa shell6. 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相关·内容
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
