多輪對話框架Rasa代碼解讀－－訓練過程１
訓練之前，要搭建環境，參考：
水中的魚：多輪對話框架Rasa代碼解讀－－環境搭建
一.訓練入口解讀
訓練過程的命令為：
python __main__.py train --domain domain.yml --data data --config config.yml --out models
真心為rasa的代碼點贊，因為它使用Python3新特性類型註解, 提高代碼可讀性.
我們知道 Python 是一種動態語言，變數以及函數的參數是不區分類型。.
Python解釋器會在運行的時候動態判斷變數和參數的類型，這樣的好處是編寫代碼速度很快，很靈活，但是壞處也很明顯，不好維護，可能代碼寫過一段時間重新看就很難理解了，因為那些變數、參數、函數返回值的類型，全都給忘記了。而且當你在讀別人的代碼的時候，也無法一眼看出變數或者參數的類型，經常要自己推敲，這樣給學習帶來了很大的障礙。
在59-66行，主要是argparse模塊構造命令行的參數。argparse模塊的用法，這裡不詳述。重點在68-70行。
cmdline_arguments.func(cmdline_arguments)，這行代碼到底執行的是那個函數呢？
這裡直接給出設置的地方：create_argument_parser()－－train.add_subparser－－train_parser.set_defaults(func=train)，這樣調用的就是train。
也就是rasa_chatbot_cn/venv/lib/python3.5/site-packages/rasa/train.py文件中的train函數。
train_async函數是訓練的真正入口，先看看參數：
domain＝domain.yml
config＝config.yml
training_files＝ [data]
output_path=models
force_training=False
fixed_model_name=None
kwargs=<class dict>: {augmentation_factor: 50, dump_stories: False, debug_plots: False}
在調用_do_training，入參和上述不同的地方在於domain不再是一個字元串，而是一個Domain對象，主要是把domain.yml文件中的內容變成字典from_dict。
然後分別用_train_core_with_validated_data訓練core,用_train_nlu_with_validated_data訓練nlu.
之前講過，Core 包含對話管理，也就是對話上下文的管理，語句生成。nlu包括包含意圖識別和實體提取。按照對話的流程
我們先看訓練NLU的部分。
二. 訓練NLU的部分
入口是rasa.nlu.train。處理邏輯：
載入配置文件－－－構造訓練組件的對象－－－載入訓練數據－－－每個組件依次對訓練數據進行處理和訓練－－－模型的持久化
１． 載入配置文件
調用config.load，將配置文件config.yml的文件內容讀出來，並保存到RasaNLUModelConfig對象中，看下這個對象的詳細信息：
可以看到，和配置文件的內容是基本一致的。
２． 構造訓練組件的對象
在Trainer類的構造函數中，主要是構造pipeline，也就是說根據配置文件config.yml中的pipeline中的每個類，依次調用類的構造函數。那麼配置文件中的名稱和類的名稱的對應關係在registry.py中的component_classes變數中。
３． 載入訓練數據
load_data會讀取訓練數據，都保存在TrainingData對象中，
training_examples，對應數據中common_examples
entity_synonyms，對應數據中entity_synonyms，目前樣例為空。
regex_features，對應數據中regex_features，目前樣例為空
lookup_tables，目前樣例為空
在看看數據結構的定義，training_examples是一個列表，每個元素是一個Message對象。
原始訓練數據中的每條：
分別對應Message對象中的text ，data["intent"]，data["entities"] ，data是一個字典。
４． 每個組件依次對訓練數據進行處理和訓練
trainer.train，依次調用pipeline每個組件的預處理函數和訓練函數，這裡需要理解過程中訓練的結果保存到哪裡？
這裡採用一個字典context，在訓練開始前，每個組件都通過provide_context將需要提供的上下文信息更新到context中，大部分組件不需要提供預置信息。比如MITIE ， spacy需要提供框架的環境變數，比如詞向量。
組件JiebaTokenizer的訓練：將training_examples中的每個Message對象中的text 進行分詞，並將分詞結果保存到data["tokens"]中。
組件CRFEntityExtractor的訓練，訓練過程涉及需要詳細講解的演算法，準備用一個單獨的一篇來講解。這裡只說下輸出：保存到data["entities"]中。
組件JiebaPsegExtractor，沒有定義訓練過程，無需訓練。
組件BertVectorsFeaturizer，準備用一個單獨的一篇來講解
組件EmbeddingBertIntentClassifier，準備用一個單獨的一篇來講解
５． 模型的持久化
將模型的輸出打包成一個zip文件，fingerprint的作用是，保存模型和訓練數據的對應關係。當訓練數據沒有變化時，fingerprint也是一致的，就不用重新訓練。
推薦閱讀：
