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'
代码将 google_news 二进制文件加载到模型中。 我的问题是，第 3 行如何计算二进制文件的输出（因为二进制文件包含 0 和 1）。
【问题讨论】：
binary=True这里指的是对文件进行序列化，这样电脑就可以直接加载文件，而不需要“解析”特定的格式。见泡菜文档；P
标签： neural-network nlp semantics text-mining word2vec
我不确定这里的问题到底是什么，但我假设您问的是如何将二进制文件加载到您的 Python 应用程序中？例如，您可以使用 gensim，它具有内置工具来解码二进制文件：
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
我觉得您的问题更多的是关于二进制文件？这似乎与 word2vec 无关。无论如何，在 word2vec 二进制文件中，每一行都是二进制格式的一对单词和权重。首先，通过循环字符将单词解码为字符串，直到它遇到“空格”的二进制字符。然后将其余部分从二进制解码为浮点数。我们知道浮点数，因为 word2vec 二进制文件有一个标题，例如“3000000 300”，它告诉我们有 3m 个单词，每个单词是一个 300D 向量。
二进制文件由一系列字节组成，每个字节为 8 位。在wiki page 上阅读有关二进制的更多信息。
十进制格式的数字0.0056，变成二进制：
00111011 10110111 10000000 00110100
所以这里有 4 个字节组成一个浮点数。我们怎么知道呢？因为我们假设二进制编码 32 位浮点数。
如果二进制文件表示 64 位精度浮点数怎么办？那么二进制的十进制0.0056就变成了：
00111111 01110110 11110000 00000110 10001101 10111000 10111010 11000111
是的，长度加倍，因为精度加倍。所以我们解码word2vec文件的时候，如果权重是300d，64位编码，那么每个数字应该有8个字节来表示。因此，词嵌入在文件的每一行中将有 300*64=19,200 个二进制数字。明白了吗？
您可以在 Google 上搜索“二进制数字的工作原理”，数以百万计的示例。
【讨论】：