windows10，基于已有的anaconda和pycharm安装rasa_win10环境安装rasa

前言

在做一个中医问诊的项目上，决定使用rasa框架来搭建一个多轮对话的智能问诊的模型。
本文介绍在windows系统上 rasa、MITIE、rasa-nlu-chi、rasa x 的安装。电脑上已经有了anaconda和pycharm，所以没有这部分的相关过程。
从创建好一个虚拟环境开始----->

安装过程

1.使用conda 命令创建一个新的虚拟环境

create -n medicalrasa python==3.8
1

2.进入虚拟环境

conda activate medicalrasa
1

3.安装rasa (自动安装最新版本，有版本要求的带上版本号，另外当前rasa3.0以上版本暂不支持rasa x，有rasa x使用需求的请直接安装rasa x)
说明：
换源（-i http://mirrors.aliyun.com/pypi/simple/）、
信任镜像链接（–trusted-host mirrors.aliyun.com）
避免版本冲突导致安装失败（–use-deprecated=legacy-resolver）
因为有版本冲突，如果没加这个参数会进入死循环找版本，一直出现： pip is looking at multiple versions of urllib3 to determine which version is compatible with other requirements. This could take a while.

pip install rasa -i http://mirrors.aliyun.com/pypi/simple/   --trusted-host mirrors.aliyun.com    --use-deprecated=legacy-resolver
1

或安装rasa x

pip3 install rasa-x --extra-index-url https://pypi.rasa.com/simple
1

4.安装完后有可能出现红色报错代码，提示依赖包版本不适配，更换报错的包的版本

pip uninstall xxx
pip install xxx==xxx
1
2

---

5.输入python，进入python环境，输入import tensorflow，尝试导入tensorflow以确定tensorflow是否安装好
可能报错：（也是依赖包版本问题）

TypeError: Descriptors cannot not be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
 1. Downgrade the protobuf package to 3.20.x or lower.
 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).
1
2
3
4
5

更换tensorflow依赖包版本

pip uninstall protobuf
1

pip install protobuf==3.20.1
1

6.建一个文件夹用于rasa工程并在该目录下（确保该文件夹为空）运行rasa init --no-prompt，将在当前文件夹下建立rasa初始化结构文件目录

7.其他
如无必要不需要安装ujson等包，pip install rasa 会自动找到最新的rasa稳定版本（目前自动安装3.1.0版本）同时会自动安装tensorflow等依赖，不需要自己单独装一遍
可使用pip show rasa查看当前rasa包信息及安装位置，
或使用rasa --version查看更详细的版本信息。

构建中文对话系统需要安装以下模块

• Rasa_NLU_Chi：Rasa NLU本身是只支持英文和德文。中文因为其特殊性需要加入特定的tokenizer作为整个流水线的一部分。Rasa_NLU_Chi加入了jieba作为中文的tokenizer，适用于中文的rasa NLU。

• MITIE：Rasa NLU的实体识别和意图识别的任务，需要一个训练好的MITIE的模型。这个MITIE模型是非监督训练得到的，类似于word2vec中的word embedding。另外有的也用到了Kashgari这个NLP框架，为命名实体识别（NER）、词性标注（PoS）和文本分类任务构建模型。不过MITIE以能够解决当前任务，不累述。
  参考：用Rasa NLU构建自己的中文NLU系统

8.安装Rasa_NLU_Chi
下载链接地址：https://github.com/crownpku/rasa_nlu_chi
首先下载代码并解压到rasa工程文件夹内，然后打开cmd进入到Rasa_NLU_Chi-master文件目录，

执行python setup.py install安装。
完成安装：

9. 安装MITIE

MITIE在windows系统上的安装比较麻烦，需要有Visual Studio 环境、cmake、boost， 三者缺一不可。具体安装过程如下：
A. 安装 Visual Studio，以 vs2017 社区版为例。在官网下载安装包，安装时组件勾选 如图 2-2，安装。安装完成后，把 vs 安装路径（你的实际安装路径） C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.16.27023\bin\Hostx64\x64 加入环境变量，并 在该路径下 cmd，输入‘cl’不报错则安装成功。如图：

B. 安装 cmake。官网下载：https://cmake.org/download/，解压后把 bin 目录路径， 配置到 path 环境变量中，例如：D:\SoftInstall\cmake-3.19.1-win64-x64\bin。运行 cmake --version 测试，确保安装成功：

C. 安 装 boost 。 官 网 下 载 ： https://www.boost.org/ ， 解 压 后 在 目 录 D:\boost_1_69_0\tools\build 下 cmd，输入.\bootstrap.bat，开始安装。安装成功后输 入.\b2 --prefix=D:\boost\bin install，其中“D:\”为任意安装路径。然后把这个目录 增加到系统的环境变量中 D:\boost\bin\bin。最后，确保安装成功：

D.安装MITIE。下载 MITIE 安装包： https://github.com/mit-nlp/MITIE 解压后的文件放在工程目录下，和安装Rasa_NLU_Chi的步骤一样，在相应目录下运行 python setup.py install 命令安装。