fasttext是文本分類的一大利器，優點：快，嗷嗷快；缺點：暫未發現。但是我在使用其做文本分類時候還是遇到了挺多坑，今天先總結一個：

網上有人說設置訓練參數的時候，ngrams設置大于2可以提高模型的精確度，打算試試，然而設置之后系統直接顯示：

floating point exception(core dumped)

解決方案，網上csdn上一堆，看不懂，直接google了，有人提出了下述解決方案，其實就是訓練模型時候多寫個bucket參數，然后設置為2000000，就行了，這里我rpoch和lr都沒有寫，按照系統默認了，然后就訓練ok了。

After experimenting with arguments I've found that specifying number ofbucketexplicitly, default is 2000000, prevents the error.

classifier = fasttext.supervised('train.txt',
                                 'model',
                                 label_prefix='__label__',
                                 epoch=25,
                                 lr=0.1,
                                 word_ngrams=2,
                                 bucket= 2000000)

總結

以上是生活随笔為你收集整理的文本快速分类利器fasttext使用心得（踩坑之路）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。