Personalización de la canalización
Añadir, desactivar y reordenar componentes
Personalización de la canalización es una lección gratuita de NLP Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de NLP Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de NLP Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
A Stack of Steps
A spaCy pipeline is just an ordered list of components. Text flows through each one, gaining tags, parses, and entities along the way.
See What Is Loaded
Check the active steps with nlp.pipe_names. It lists every component in order, so you always know what is running.
print(nlp.pipe_names)Disable for Speed
Skip work you do not need with disable. Turning off the parser when you only want entities makes processing noticeably faster.
nlp = spacy.load("en_core_web_sm", disable=["parser"])Disable Temporarily
For a quick run, use select_pipes as a context manager. It switches components off, then restores them when the block ends.
with nlp.select_pipes(disable=["ner"]):
doc = nlp(text)Add Your Own Step
You extend the pipeline with add_pipe. spaCy ships ready-made components like sentencizer that you can drop right in.
nlp.add_pipe("sentencizer")Control the Order
Position matters. With first or before, you place a component exactly where it needs to run in the sequence.
nlp.add_pipe("sentencizer", first=True)Write a Custom Component
You can register your own logic as a component. A simple function takes a Doc, tweaks it, and returns it for the next step.
@spacy.Language.component("my_step")
def my_step(doc):
return docPlug It In
Once registered, add your component by name. From then on it runs automatically every time you call nlp().
nlp.add_pipe("my_step", last=True)Remove a Step
Changed your mind? remove_pipe takes a component out cleanly, leaving the rest of the pipeline untouched.
nlp.remove_pipe("my_step")Reorder Components
You can shuffle steps later too. Combining remove and add lets you reorder the pipeline until the flow is exactly right.
Why It All Matters
Customizing the pipeline keeps spaCy lean and tailored. You run only what your task needs, plus any logic unique to your domain.
Quick Check
How do you add a component to a spaCy pipeline?
Recap
You inspect steps with pipe_names, drop work with disable, and shape the flow using add_pipe and remove_pipe. The pipeline bends to fit your task. 🛠️
Preguntas frecuentes
¿La lección «Personalización de la canalización» es gratis?
Sí — el texto completo de «Personalización de la canalización» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de NLP Academy, actualiza a CoddyKit PRO. El curso de NLP Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Personalización de la canalización»?
Añadir, desactivar y reordenar componentes Practicas NLP Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar NLP Academy?
No se requiere experiencia previa. NLP Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Personalización de la canalización»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de NLP Academy?
Sí. Cada lección de NLP Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Por qué usar spaCy en proyectos reales
- Carga de un modelo y procesamiento de un Doc
- Objetos Token, Span y Doc
- Personalización de la canalización