使用elmo训练词向量并保存至本地

ELMO (Embeddings from Language Models) 是一种词嵌入技术，可以在预训练语言模型上计算词向量。使用 TensorFlow 或 PyTorch 可以轻松实现 ELMO 词嵌入。

示例代码（使用 TensorFlow 和 allennlp 库）：

from allennlp.commands.elmo import ElmoEmbedder

# 初始化 ELMO 嵌入器
elmo = ElmoEmbedder()

# 获取单词的词向量
vectors = elmo.embed_sentence(["I", "like", "apples"])

# vectors 的形状为 [num_layers, sequence_length, embedding_dim]
print(vectors.shape)

你可以使用 `pickle` 或 `numpy.save()` 保存词向量至本地

import pickle

with open("vectors.pkl", "wb") as f:
    pickle.dump(vectors, f)

import numpy as np

np.save("vectors.npy",vectors)

同时，若使用预训练的词向量，也可以直接下载该模型的预训练词向量，然后再在你的模型中调用。