安装Python的crf++时候遇到的错误

Python023

安装Python的crf++时候遇到的错误,第1张

第一步 你会缺少crfpp.h，直接从/CRF++-0.58目录下复制过来就行

第二步 你会缺少crfpp.lib 需要自己vs编译生成比较麻烦 我已生成好了，可直接使用

第三步 你会缺少pthread.lib 也是直接提供文件下载就行

第四步 python setup.py build

python setup.py install

正常运行，但import CRFPP调用时提示缺少dll,此时复制windows包下的/CRF++-0.58的libcrfpp.dll到python\Lib\site-packages目录下即可

此时配置完成

文档上不是有说明吗？有SWIG interface的版本。在它的例子目录里有chunking.py, pos.py, ner.py, template.py等。你自己挑一个试试不就成了。

在swig/python目录里有一个readme，你参考着做一次编译就可以成生。

#!/usr/bin/env python

import crfsuite

import sys

# Inherit crfsuite.Trainer to implement message() function, which receives

# progress messages from a training process.

class Trainer(crfsuite.Trainer):

    def message(self, s):

        # Simply output the progress messages to STDOUT.

        sys.stdout.write(s)

def instances(fi):

    xseq = crfsuite.ItemSequence()

    yseq = crfsuite.StringList()

    

    for line in fi:

        line = line.strip('\n')

        if not line:

            # An empty line presents an end of a sequence.

            yield xseq, tuple(yseq)

            xseq = crfsuite.ItemSequence()

            yseq = crfsuite.StringList()

            continue

        # Split the line with TAB characters.

        fields = line.split('\t')

        

        # Append attributes to the item.

        item = crfsuite.Item()

        for field in fields[1:]:

            p = field.rfind(':')

            if p == -1:

                # Unweighted (weight=1) attribute.

                item.append(crfsuite.Attribute(field))

            else:

                # Weighted attribute

                item.append(crfsuite.Attribute(field[:p], float(field[p+1:])))

        

        # Append the item to the item sequence.

        xseq.append(item)

        # Append the label to the label sequence.

        yseq.append(fields[0])

if __name__ == '__main__':

    # This demonstrates how to obtain the version string of CRFsuite.

    print crfsuite.version()

    # Create a Trainer object.

    trainer = Trainer()

    

    # Read training instances from STDIN, and set them to trainer.

    for xseq, yseq in instances(sys.stdin):

        trainer.append(xseq, yseq, 0)

    # Use L2-regularized SGD and 1st-order dyad features.

    trainer.select('l2sgd', 'crf1d')

    

    # This demonstrates how to list parameters and obtain their values.

    for name in trainer.params():

        print name, trainer.get(name), trainer.help(name)

    

    # Set the coefficient for L2 regularization to 0.1

    trainer.set('c2', '0.1')

    

    # Start training the training process will invoke trainer.message()

    # to report the progress.

    trainer.train(sys.argv[1], -1)