2022/6/8 后 rasa-x 不再免费 直接安装 rasa 即可
文件 | 描述 |
---|---|
actions | 自定义动作服务器 |
components | 自定义组件 |
data/nlu | Rasa NLU 的训练数据 |
data/rules | Rasa 规则数据 |
data/stories | Rasa 故事数据 |
domain | 领域指定了 rasa 应该知道的意图、实体、插槽、响应、表单和动作。它还定义了会话会话的配置。 |
knowledgeGraph | 知识图谱数据。 |
models | 训练的模型数据 |
pipeline | 流水线组件配置 |
server | 前后端服务 |
source | RASA 源代码,只是用来调试 DIET 的*(:з」∠)* |
.env | 相关环境变量,主要用于 API |
SENIVERSE_KEY=
NEWS_KEY=
Exchange_KEY=
TIANAPI_KEY=
功能 | 描述 | API 来源 | 数据来源 | 说明 |
---|---|---|---|---|
闲聊 | 简易打招呼 | - | - | |
任务型 | 查询天气 | 心知天气 | - | - |
任务型 | 查询快递 | 快递网 | - | - |
任务型 | 查询车票 | 12306 | smp2019 | - |
任务型 | 查询新闻 | 聚合 | - | - |
任务型 | 微博热搜 | 天行 | - | - |
任务型 | 今日头条 | 天行 | - | - |
任务型 | 查询汇率 | 聚合 | - | - |
任务型 | 食物营养 | 天行 | - | - |
知识图谱问答 | 电影知识图谱 | 豆瓣 | 编写中 |
# 新建环境
conda create -n rasacn python=3.10
conda activate rasacn
# 安装MITIE
cd ..
git clone https://github.com/mit-nlp/MITIE.git
cd MITIE
pip install -e .
# 安装依赖
cd ..\rasa_CN\
pip install -r .\requirements-py310.txt
从https://huggingface.co/bert-base-chinese/tree/main下载除了:
- flax_model.msgpack
- model.safetensors
- pytorch_model.bin
外的所有文件,也可以都下载。
放入rasa_CN\pipeline\bert-base-chinese目录下。
执行训练模型命令:
rasa train --domain domain --num-threads 8
线程数和cpu核数一致即可。
python server/start_services.py
rasa run actions
rasa shell
neo4j console
neo4j-admin database dump neo4j --to-path=/backup
neo4j-admin database load neo4j --from-path=/backup --overwrite-destination=true
rasa shell nlu
rasa interactive --domain domain
rasa interactive --domain domain --model <指定模型>
rasa visulize
rasa data validate
rasa data split nlu
rasa test nlu --nlu train_test_split/test_data.yml
rasa test nlu --nlu data/nlu.yml --cross-validation
rasa test nlu --nlu data/nlu.yml --config config_1.yml config_2.yml
rasa run --enable-api --cors "*" --debug
tensorboard --logdir ./log
rasa train --finetune --domain domain
微调模型时通常需要比从头开始训练时更少的迭代次数(epochs)。你可以使用一个配置了更少迭代次数的模型配置,或者使用 --epoch-fraction 标志。例如,如果 DIETClassifier 配置为使用 100 个迭代,指定 --epoch-fraction 0.5 会只用 50 个迭代来微调。
rasa train --finetune --domain domain --epoch-fraction 0.5
- 用于微调的配置应与原始训练模型时使用的配置完全相同。唯一可以更改的参数是各个机器学习组件和策略的迭代次数(epochs)。
- 基础模型训练的标签集(包括意图、动作、实体和插槽)应与微调时使用的训练数据中的标签完全相同。这意味着在增量训练期间,你不能在训练数据中添加新的意图、动作、实体或插槽标签。但你仍然可以为现有的每个标签添加新的训练样本。如果在训练数据中添加/删除了标签,则需要从头开始训练。
- 微调的模型应当与当前安装的 rasa 版本的 MINIMUM_COMPATIBLE_VERSION 相匹配。
python server/start_services.py
功能多一点的:rasa 简易前端
conda create -n py38_rasa python=3.8
conda activate py38_rasa
-
有些依赖库需要 Microsoft Visual C++ 14.0 以上的环境 可在 visual studio 中进行安装 ,或使用 Microsoft C++ Build Tools
-
安装速渡过慢
pip install -i https://pypi.douban.com/simple module # 使用豆瓣源
pip install -i http://mirrors.aliyun.com/pypi/simple/ module # 阿里云
pip install -i https://pypi.mirrors.ustc.edu.cn/simple/ module # **科技大
pip install -i http://pypi.douban.com/simple/ module # 豆瓣(douban)
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ module # 清华大学
pip install -i http://pypi.mirrors.ustc.edu.cn/simple/ module # **科学技术大学
- fatal: unable to access ‘https://github.com/xxx‘: OpenSSL SSL_connect: SSL_ERROR_SYSCALL in connecti-
git config --global --add remote.origin.proxy ""
git config --global http.sslBackend "openssl"
- ERROR:pip install xmlsec 安装失败
× Building wheel for xmlsec (pyproject.toml) did not run successfully.
│ exit code: 1
╰─> [13 lines of output]
running bdist_wheel
running build
running build_py
creating build
creating build/lib.linux-x86_64-cpython-38
creating build/lib.linux-x86_64-cpython-38/xmlsec
copying src/xmlsec/py.typed -> build/lib.linux-x86_64-cpython-38/xmlsec
copying src/xmlsec/constants.pyi -> build/lib.linux-x86_64-cpython-38/xmlsec
copying src/xmlsec/tree.pyi -> build/lib.linux-x86_64-cpython-38/xmlsec
copying src/xmlsec/template.pyi -> build/lib.linux-x86_64-cpython-38/xmlsec
copying src/xmlsec/__init__.pyi -> build/lib.linux-x86_64-cpython-38/xmlsec
running build_ext
error: xmlsec1 is not installed or not in path.
[end of output]
note: This error originates from a subprocess, and is likely not a problem with pip.
ERROR: Failed building wheel for xmlsec
安装依赖库:
apt-get install -y libxml2-dev libxmlsec1-dev libxmlsec1-openssl
Dockerfire 参考:
FROM python:3.8.15
WORKDIR /rasa
COPY . /rasa
RUN apt-get update && \
apt-get install -y libxml2-dev libxmlsec1-dev libxmlsec1-openssl && \
apt-get clean && \
rm -rf /var/lib/apt/lists/*
RUN python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple/ && \
pip install \
xmlsec==1.3.13 \
tensorflow==2.12.0 \
scikit_learn==1.1.3 \
matplotlib==3.5.3 \
protobuf==3.20.3 \
-i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com && \
pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
本仓库 docker 下载
docker push lyirs/rasa:1.0
docker run -it lyirs/rasa