如何访问spaCy流水线中已训练的Thinc模型及权重？

你不需要手动解析config.cfg找模型存储路径，直接通过spaCy的内置API就能拿到完整模型实例和所有权重，具体操作如下：

spaCy官方文档相关说明截图

1. 直接获取流水线组件对应的Thinc模型实例 #

加载完spaCy流水线后，每个流水线组件（NER、句法解析器、词性标注器、Transformer编码器等）都自带model属性，直接读取该属性就能拿到绑定了训练权重的Thinc模型对象：

import spacy

# 加载目标流水线，替换为你自己的模型名称/本地模型路径即可
nlp = spacy.load("en_core_web_sm")

# 示例：获取不同组件的Thinc模型实例
ner_model = nlp.get_pipe("ner").model  # NER模型
parser_model = nlp.get_pipe("parser").model  # 依存句法解析模型
tagger_model = nlp.get_pipe("tagger").model  # 词性标注模型
# 若流水线包含Transformer组件，用nlp.get_pipe("transformer").model获取

2. 提取模型所有权重参数 #

Thinc模型支持通过walk()方法遍历所有网络层，每个层的参数都存在params字典中，直接读取即可拿到对应权重，不需要关心底层用的是NumPy、PyTorch还是TensorFlow后端：

all_model_weights = []
for layer in ner_model.walk():
    for param_name, param_val in layer.params.items():
        # 调用.get()可以把任意后端的张量统一转为NumPy数组，方便跨框架使用
        weight_np = param_val.get() if hasattr(param_val, "get") else param_val
        all_model_weights.append({
            "layer_name": layer.name,
            "param_name": param_name,
            "weight_array": weight_np
        })

拿到的NumPy数组可以直接存为safetensors、npy等通用格式，在spaCy/Thinc框架外加载使用。

3. 定位磁盘上的模型存储位置 #

如果需要找模型在本地的存储路径，不需要手动搜索Python环境目录，直接读取加载后nlp对象的path属性即可：

# 输出当前加载模型的磁盘根目录
print(nlp.path)

该目录下的config.cfg是流水线的配置文件（仅存模型结构、超参数，不存训练好的权重），每个流水线组件对应的权重序列化文件存在组件名对应的子目录下，不建议直接读取这些二进制权重文件，通过上述API导出的权重兼容性更强，不会因为版本差异出现解析错误。

4. 跨框架部署的便捷方案 #

如果要在其他框架中使用模型，不需要手动拼接权重，可以直接用Thinc内置API导出为通用ONNX格式：

from thinc.api import to_onnx
import numpy as np

# 构造符合模型输入形状的样例数据，用于导出时的维度追踪
sample_input = np.zeros((1, nlp.vocab.vectors_length), dtype="float32")
# 导出ONNX模型
onnx_model = to_onnx(ner_model, sample_input)
# 保存到本地
with open("spacy_ner.onnx", "wb") as f:
    f.write(onnx_model.SerializeToString())

注意：config.cfg中仅定义了模型的初始化结构和训练超参数，训练完成后的权重不会写入该文件，不要尝试从config中解析权重内容。

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