【智能语音机器人】0_Ubuntu20.04下Rasa环境部署

一、环境部署

  由于Rasa依赖于Python3.6~3.9版本，笔者对Python、Rasa也才刚开始接触，在这里为了避免麻烦，选择Ubuntu20.04【该系统默认Python版本为Python3.8，同时方便部署在EXSI服务器上进行训练模型或作为对话交互服务器端，并可以考虑将模型移植到树莓派上，便于开发语音机器人及后续更多机器人控制任务】进行部署。
  Rasa和其开发工具Rasa X所依赖的软件包众多，在安装过程中存在共同依赖，因此对这两部分软件版本需要进行合理的选择，这里可以参考官方网页的介绍：Rasa版本矩阵

Rasa X	Rasa Open Source	Rasa SDK
1.1.x	3.0.x, 3.1.x	3.0.x, 3.1.x
1.0.1	2.8.25	2.8.4
0.42.6	2.8.14	2.8.3
0.41.2	2.7.1	2.7.0
0.40.0	2.6.2	2.6.0

  经过多轮的尝试，最终得到能够同时使用Rasa和Rasa X的版本组合，这里选择版本组合为：

• Rasa X：1.0.1
• Rasa：2.8.25
• Rasa SDK：2.8.4

二、基本环境设置

  镜像服务器选择有利于节省Rasa的安装时间，不设置情况下，安装速度基本在几十k/s甚至十几k/s。

1、镜像设置

  更换镜像源可参考中科大镜像源的网页：中科大镜像源，如有需要，可对deb-src部分取消注释。

2、python3-pip安装与设置

  终端下使用命令，安装python3-pip

sudo apt install python3-pip

  使用下述命令创建pip的配置脚本

sudo mkdir ~/.pip
sudo gedit ~/.pip/pip.conf

  在文件中添加以下内容

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn
disable-pip-version-check = true
timeout = 6000

三、Rasa安装

  完成上述设置后，即可对Rasa进行安装，笔者为了方便，同时避免依赖冲突，将Rasa、Rasa X、Rasa SDK一同进行安装，安装命令如下：

pip install rasa==2.8.25 rasa-x==1.0.1 rasa-sdk==2.8.4 -i https://pypi.tuna.tsinghua.edu.cn/simple --extra-index-url https://pypi.rasa.com/simple

  如有其他版本的安装需要，可根据情况自行更改上述版本编号。

四、问题排查

  安装过程中，软件的依赖经常深度绑定，使得安装过程中版本冲突的问题比较多，以下是笔者多次实践过程中所遇到的一些问题，以及通过ChatGPT辅助找到的解决措施。

1、tensorflow.python.framework.errors_impl.NotFoundError

问题示例：

  File "/home/wenyun/.local/lib/python3.8/site-packages/rasa/utils/tensorflow/callback.py", line 5, in <module>
    import tensorflow as tf
  File "/home/wenyun/.local/lib/python3.8/site-packages/tensorflow/__init__.py", line 438, in <module>
    _ll.load_library(_main_dir)
  File "/home/wenyun/.local/lib/python3.8/site-packages/tensorflow/python/framework/load_library.py", line 154, in load_library
    py_tf.TF_LoadLibrary(lib)
tensorflow.python.framework.errors_impl.NotFoundError: /usr/local/lib/python3.8/dist-packages/tensorflow/core/kernels/libtfkernel_sobol_op.so: undefined symbol: _ZNK10tensorflow8OpKernel11TraceStringB5cxx11ERKNS_15OpKernelContextEb

解决措施：
  这个错误表明在加载TensorFlow的libtfkernel_sobol_op.so库文件时，找不到某个符号，这通常是由于版本不兼容或者安装不完整引起的。可以将TensorFlow卸装后重装进行解决，但要注意sudo、pip3、pip这些情况下并不公用，都会存在相同的软件安装包，在卸装的过程中，需要将这些都卸装干净，随后在通过安装rasa、rasa-x、rasa-sdk的命令进行安装，此时会根据需要所依赖的版本，直接使用pip install tensorflow安装，会选择最新的发布版本，容易产生冲突。相关命令如下：

卸装命令（根据实际情况进行选择）
pip uninstall tensorflow
pip3 uninstall tensorflow
sudo pip3 uninstall tensorflow
安装命令（参考安装部分介绍即可）

2、Failed to build xmlsec

问题示例：

Failed to build xmlsec
ERROR: Could not build wheels for xmlsec which use PEP 517 and cannot be installed directly

解决措施：
  执行以下命令，对关联的库进行安装更新

sudo apt-get install libxml2-dev libxmlsec1-dev

五、安装验证

  在完成上述安装过程后，可通过以下方式对安装的情况进行验证：

1、查看版本

  使用以下命令，查看软件的安装版本：

rasa --version

2、运行官方示例模板

  运行官方示例模板能同时检查软件的安装与运行情况，使用以下命令即可运行：

Rasa运行

# 创建工程的基本文件夹
mkdir JuniorProj
cd JuniorProj
# 执行命令，此时会自动生成示例模板和文件
rasa init
#随后开始对工程的一系列设置
#1.是否在当前路径下创建工程？按下 Enter 键进行确认；
#2.当前文件夹为空是否继续？按下 y 键进行确认；
#3.是否开始训练模型？按下 y 键进行确认；
#4.是否使用命令终端进行交互？按下 y 键进行确认；
#图示如下：

  中间如果是从0开始训练，需要一些时间，如果训练过，相对来说会快一些。最终出现交互端口如下：

Rasa X运行
  Rasa X可用于对模型、数据进行管理、过程进行设计。在Rasa工程所在的文件夹下使用以下命令进行启动：

#执行命令，启动rasa-x，启动时间会比rasa要长
rasa x
#第一次打开会需要初始设置，允许浏览器打开，以及构建连接
#后续打开会直接打开浏览器，出现绿色字体部分，可刷新一下网页，图示如下：