我正在使用 gensim 并执行了以下代码（简化）：
model = gensim.models.Word2Vec(...)
mode.build_vocab(sentences)
model.train(...)
model.save('file_name')
几天后我的代码完成了model.train(...)。但是，在保存过程中，我经历了：
Process finished with exit code 137 (interrupted by signal 9: SIGKILL)
我注意到生成了一些 npy 文件：
<...>.trainables.syn1neg.npy
<...>.trainables.vectors_lockf.npy
<...>.wv.vectors.npy
我可以重复使用这些中间结果还是必须重新运行整个过程？
【问题讨论】：
这些是已保存模型的一部分，但除非主 file_name 文件（Python 腌制对象）存在且完整，否则它们可能难以重用。
但是，如果您的主要兴趣是最终的词向量，那么它们位于 .wv.vectors.npy 文件中。如果它看起来是全长的（syn1neg 文件的大小相同），它可能是完整的。您缺少的是告诉您哪个单词在哪个索引中的字典。
所以，以下可能工作：
重复原始过程，exact 相同的语料库和模型参数，但仅通过build_vocab() 步骤。此时，新的 model.wv.vocab 字典应该与失败保存运行中的字典相同。
将该模型保存为新文件名，而无需train()。
确认newmodel.wv.vectors.npy（带有随机初始化的未训练向量）与oldmodel.wv.vectors.npy 大小相同，将旧模型文件复制到新模型的名称。
重新加载新模型，并运行一些健全性检查以确保单词有意义。
也许，只保留单词向量，使用类似newmodel.wv.save() 或newmodel.wvsave_word2vec_format()。
如果看起来完整，复活的newmodel 也可能被修补以使用旧的syn1neg 文件。它可能可以进一步训练修补后的模型（无论是否重用旧的 syn1neg）。
另外：只有最大的语料库，或者缺少 gensim cython 优化的安装，或者没有足够 RAM 的机器（因此在训练期间进行交换），通常需要花费数天的时间进行训练。你可能跑得更快。检查：
在整个训练过程中是否发生了任何虚拟内存交换？如果是这样，那么训练吞吐量将是灾难性的，您应该使用具有更多 RAM 的机器，或者更积极地使用更高的min_count 来修剪词汇/模型大小。 （较小的min_count 值意味着较大的模型、较慢的训练、仅具有几个示例的单词的质量较差的向量，并且由于来自嘈杂的稀有词的干扰，对于更频繁的单词也违反直觉地质量较差的向量。这是通常最好忽略频率最低的词。）
是否显示任何关于正在使用“慢版本”（没有有效多线程的纯 Python）的警告？如果是这样，您的训练将比解决该问题时慢约 100 倍。如果优化的代码可用，则可能会在 3 到 12 之间的某个 workers 值（但永远不会大于机器 CPU 内核的数量）来实现最大训练吞吐量。
祝你好运！
【讨论】：