GloVe-vectoren laden in Python
Gebruik direct vooraf getrainde embeddings
GloVe-vectoren laden in Python is een gratis NLP Academy-les op CoddyKit. Dit is les 3 van 4. Je kunt 3 lessen uit dit leerpad gratis volledig lezen — daarna ontgrendelt CoddyKit PRO alle lessen, plus praktische oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject NLP Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus NLP Academy bevat in totaal 4 lessen.
Sla het trainen over
Inbeddingen vanaf nul trainen kost enorm veel gegevens en tijd. Gelukkig kun je vooraf getrainde vectoren ophalen en meteen beginnen.
Maak kennis met GloVe
GloVe is een populaire verzameling woordvectoren die is getraind op miljarden woorden. Download de verzameling één keer en gebruik haar opnieuw in al je projecten.
Gewoon een tekstbestand
GloVe wordt geleverd als een gewoon tekstbestand. Elke regel bevat één woord, gevolgd door de getallen van de vector, gescheiden door spaties.
the 0.418 0.249 -0.412 0.121
cat 0.451 -0.071 0.398 0.022Kies een dimensie
GloVe is beschikbaar in groottes zoals 50, 100 of 300 getallen per woord. Een grotere dimensie bevat meer nuance, maar gebruikt meer geheugen.
In een woordenboek laden
Je leest het bestand regel voor regel en slaat elk woord met zijn vector op. Een Python-woordenboek koppelt elk woord aan zijn getallen.
import numpy as np
emb = {}
for line in open("glove.6B.100d.txt"):
p = line.split()
emb[p[0]] = np.array(p[1:], dtype=float)Een woord opzoeken
Zodra alles is geladen, haal je een vector met één opzoekactie op. Vraag een willekeurig woord op en krijg meteen de dichte vector terug.
vec = emb["king"]
print(vec.shape) # (100,)Ontbrekende woorden afhandelen
Zeldzame of verkeerd gespelde woorden staan mogelijk niet in GloVe. Controleer altijd of een woord aanwezig is, zodat een ontbrekende sleutel je opzoekactie niet laat crashen.
word = "supercalifragilistic"
vec = emb.get(word)
print(vec is None) # True if unknownGensim maakt het eenvoudig
De bibliotheek gensim kan deze vectoren met een duidelijke API voor je laden en het ontleden en opzoeken op de achtergrond afhandelen.
from gensim.models import KeyedVectors
model = KeyedVectors.load_word2vec_format("vectors.txt")Vergelijkbare woorden vinden
Als gensim is geladen, vind je buren met één aanroep. Vraag welke woorden het meest most_similar zijn aan een term naar keuze.
model.most_similar("paris", topn=3)
# [("london", 0.78), ("rome", 0.74), ...]Overal opnieuw gebruiken
Dezezelfde vectoren vormen de basis voor zoeken, clustering en classificaties. Vooraf getrainde inbeddingen laden is vaak je snelste kwaliteitsverbetering. 🚀
Let op het geheugen
Het bestand met 300 dimensies is groot en langzaam om te laden. Begin tijdens het prototypen met de verzameling van 100 dimensies en schaal later op.
Korte controle
Hoe is een GloVe-vectorbestand opgebouwd?
Samenvatting
Vooraf getrainde GloVe-vectoren besparen je het trainen volledig. Je laadt ze in een woordenboek of in gensim en zoekt woorden meteen op en vergelijkt ze. ✅
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “GloVe-vectoren laden in Python” gratis?
Ja — je kunt hier op het web alle 3 lessen van het leerpad NLP Academy, waaronder “GloVe-vectoren laden in Python”, gratis volledig lezen. Daarna ontgrendelt CoddyKit PRO alle lessen, plus interactieve oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. De cursus NLP Academy bevat in totaal 4 lessen.
Wat leer ik in “GloVe-vectoren laden in Python”?
Gebruik direct vooraf getrainde embeddings Je oefent met NLP Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met NLP Academy te beginnen?
Ervaring vooraf is niet nodig. NLP Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 3 van 4.
Hoe lang duurt de les “GloVe-vectoren laden in Python”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over NLP Academy?
Ja. Elke les over NLP Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Van sparse tellingen naar dense vectoren
- Hoe word2vec betekenis leert
- GloVe-vectoren laden in Python
- Woordrekenen: King minus Man plus Woman