基于Pycharm的Rasa NLU chi项目调试及观察

基于Pycharm的Rasa NLU chi项目调试及观察

环境：python 3.7，rasa_NLU_chi、linux版pycharm。

1、安装rasa_nlu_chi

conda create -n rasanluchi python=3.6
conda activate rasanluchi
git clone https://github.com/crownpku/rasa_nlu_chi.git
cd rasa_nlu_chi
python setup.py install
#安装需要的第三方库 mitie、sklearn
pip install mitie
pip install sklearn
pip install jieba

下载mitie使用的模型文件，将这个dat后缀的文件放到rasa_nlu_chi-master/data/文件夹中。

链接：https://pan.baidu.com/s/1kNENvlHLYWZIddmtWJ7Pdg 密码：p4vx

查看rasa_nlu_chi-master文件夹：

rasa_nlu_chi-master/rasa_nlu的文件夹中，可以看到rasa nlu所用的组件源码等。

tokenizers：分词器组件源码，其中包括jieba_tokenizer.py、mitie_tokenizer.py等，中文上常使用jieba_tokenizer.py

extractors：实体提取器，包括crf_entity_extractor等

各个组件具体内容可看官网https://rasa.com/docs/rasa/reference/rasa/nlu/classifiers/diet_classifier，通过左侧栏Reference–Code reference-rasa.nlu可看到各组件详情。

2、训练模型

新建一个终端，进入rasa_nlu_chi-master目录，运行下面指令，完成模型训练。

python train.py -c ../sample_configs/config_jieba_mitie_sklearn.yml -d ../data/examples/rasa/demo-rasa_zh.json --path models

-c …/sample_configs/config_jieba_mitie_sklearn.yml #nlu需要的配置文件，记录着模型的pipline
-d …/data/examples/rasa/demo-rasa_zh.json
#训练数据文件夹，json格式，因为rasa_nlu_chi是rasa=1.0版本左右的，不是2.0后的数据格式

3、pycharm打开rasa_nlu_chi-master文件，点击左上角设置小齿轮选择settings，将该工程的环境设为刚才创建并且安装rasa_nlu_chi的rasanluchi环境。

4、运行sever.py，运行前需要先设置参数，不能直接运行，打开Edit Configuarations

Script path：运行的py文件就是sever.py，记得填写绝对路径，防止出现路径对不上的错误。

Parameters：传入的参数，这里传入的参数是Script path：运行的py文件就是train.py，记得填写绝对路径，防止出现路径对不上的错误。

Parameters：传入的参数，这里传入的参数如下

-c ../sample_configs/config_jieba_mitie_sklearn.yml      #nlu需要的配置文件，记录着模型的pipline
-d ../data/examples/rasa/demo-rasa_zh.json               
#训练数据文件夹，json格式，因为rasa_nlu_chi是rasa=1.0版本左右的，不是2.0后的数据格式
#上述两个文件，如果在运行过程中出现找不到文件的错误，只需要在rasa_nlu_chi-master文件中找到对应的文件，然后将-c、-d后面的参数修改为对应的文件绝对地址即可
--path models #模型保存路径，将保存到同级目录的model文件夹下，如果没有model，将自动建立model文件夹。

3、在sever.py的同级目录的model.py中设置断点（如337行）

4、进入sever.py的debug，将初始化一个rasa nlu 的服务。

可以看到开启了一个端口为5000的服务，

5、打开任意终端，向上面的rasa nlu端口发送数据，命令如下

curl -XPOST localhost:5000/parse -d '{"q":"我发烧了该吃什么药？", "model": "model_20210810-191021"}' | python -mjson.tool

-d 后面是实际发送的数据，其中model属性后是第2步训练得到的模型名称，这里需要读者自行修改，可以从rasa_nlu_chi-master/model文件中可以查看，将模型名称修改为最新的模型即可。

6、此时可以看到程序将停在设置的断点处，接下来就可以一步一步的调试了。