返回信息流用textcnn做短文本的文本分类，但是精确率总是上不去，因为我的数据集比较小，训出来的词向量可能不怎么好所以打算使用预训练的词向量，词向量实在下图上的地址下载的：
词向量部分截图如下，是这样的word.txt文档，每一行一个词用300维的向量表示，中间用空格分隔，一共19万个词
查到Pytorch引入预训练词向量权重的语是这个：
【torch.from_numpy(pretrained_weight)】是把pretrained_weight变成tensor类型的，这就要求pretrained_weight是一个numpy数组，尝试了用下图方法读入txt并变为数组：
但是运行的时候会报错这样转出来的数组是string格式的，必须要数值格式的numpy数组。
因为每一行最开始是用于索引的词，没办法转成float类型的数组，如果只保留后面的向量部分又该怎么索引呢。我觉得不行，于是又试了下面的办法，读入txt并转化成dict格式，但是还是不知道该怎么把字典格式的词向量应用到我的神经网络里：
虽然这可能是一个很简单的问题，但是我实在是能查到的方法都试了一边试了好几天了，于是特来论坛请教一下大佬们的指点，真的谢谢了！
这是一条镜像帖。来源：北邮人论坛 / python / #23827同步于 2019/5/5
Python机器人发帖
【问题】pytorch该怎么导入预训练词向量
Yamaoroshi
2019/5/5镜像同步0 回复
订阅后，新回复会通过你的通知中心匿名送达。
0 条回复
暂无回复 · 你可以订阅本帖等待新回复。