Gensim中Word2Vec迭代训练报错：需指定total_examples或total_words

问题根源 #

1. 参数名拼写错误：train方法要求的参数是total_examples（下划线分隔），你写成了totalexamples，导致该参数未被正确传递。第一次训练时模型初始状态可能触发了内部 fallback 机制未报错，但第二次训练后模型状态改变，必须明确传入合法参数，因此触发ValueError。
2. 初始化代码冗余：初始化Word2Vec时传入sentences，会自动完成词汇表构建与训练（默认执行build_vocab和train），后续重复调用model.build_vocab(sentences, update=False)会重置词汇表统计信息，导致model.corpus_count数值不准确。
3. 语料计数逻辑偏差：每次调用build_vocab(update=True)后，model.corpus_count会累加新语料的句子数。若每次训练的是新语料，直接用model.corpus_count作为total_examples会导致计数偏大，干扰学习率计算。

修正方案 #

步骤1：优化初始化代码

去掉冗余操作，根据需求选择初始化方式：

方式1：仅构建词汇表（不立即训练）

from gensim.models import Word2Vec
from multiprocessing import cpu_count

model = Word2Vec(min_count=0, workers=cpu_count())
model.build_vocab(sentences)
model.save('firstmodel.model')

# 加载模型
model = Word2Vec.load('firstmodel.model')

方式2：初始化时直接完成训练

model = Word2Vec(sentences, min_count=0, workers=cpu_count(), epochs=5)
model.save('firstmodel.model')
model = Word2Vec.load('firstmodel.model')

步骤2：修正迭代训练代码

场景1：每次训练新的语料

# 有新词汇时更新词汇表，无新词汇可跳过此步
model.build_vocab(new_sentences, update=True)
# 传入当前语料的实际句子数
model.train(new_sentences, total_examples=len(new_sentences), epochs=5)

场景2：重复训练同一语料或累计训练

model.build_vocab(sentences, update=True)
# 使用累计的语料总计数
model.train(sentences, total_examples=model.corpus_count, epochs=5)

关键注意事项 #

• 必须确保train方法的参数名为total_examples（下划线分隔），不要写成totalexamples。
• 若无需新增词汇，可跳过build_vocab(update=True)步骤，直接调用train。

内容的提问来源于stack exchange，提问作者imdumbpleasebepatient