Gordon mohr 在谷歌群组中已经回答了这个问题。

通常读取语料库以构建词汇表（包括根据学习的词汇量大小初始化模型），然后进行任意数量的额外训练。只有在一次词汇学习扫描之后才会查看字数（并与min_count修剪进行比较）。

如果您提供一个语料库（作为可重新启动的迭代器）作为初始创建 Word2Vec 模型的参数之一，所有这些步骤都会自动完成：一次读取语料库（通过该build_vocab()方法）以收集单词/计数，然后一个或更多通道（由“iter”参数控制并通过train()方法完成）进行训练。尽管如此，只有通过提供的语料库的单次计数对频率决策很重要。

如果您在模型初始化时不提供语料库，那么您可以调用build_vocab(…)和train(…)自己。只有传递给build_vocab()保留的频率计数（以及语料库大小的估计）才重要。然后，您可以train(…)以其他方式或重复呼叫 - 它只是继续使用先前build_vocab(…)呼叫中的词汇。

（请注意，它train(…)确实尝试重用从词汇扫描过程中记住的单通道语料库大小，以提供准确的进度估计并安排训练率的衰减alpha。因此，如果您给 提供不同大小的语料库train(…)，您还应该使用它的其他可选参数来提示它的大小。）