小编Jul*_* H.的帖子

很长一段时间以来，我一直在尝试了解如何系统地让 Spacy 尽可能快地运行，如果可能的话，我希望这篇文章成为维基风格的公共帖子。

以下是我目前所知道的，每个点都有一些附属问题：

1. 空间将在更快的硬件上运行得更快。例如，尝试使用具有更多 CPU 核心或更多 RAM/主内存的计算机。

我不知道的是：

• Spacy 执行的哪些具体方面（尤其是实例化对象的主要方面 Doc ）更多地依赖于 CPU 而非 RAM，为什么？
• 对象的实例化是 Doc 一系列算术计算（神经网络的编译二进制文件）吗？CPU 核心越多，一次可以完成的计算就越多，因此速度就越快？这是否意味着增加 RAM 不会使这个过程更快？
• 对于 Spacy 来说，除了内核之外，CPU 或 GPU 是否还有其他方面值得关注，从而使一款芯片优于另一款芯片？有人提到“超线程”。
• 是否有相对于输入字符串长度的每个管道组件（例如解析器）的时间的标准数学估计？像解析器一样，秒=输入中的字符数？/ CPU 核心数

2. 您可以通过删除不需要的组件来使 Spacy 运行得更快，例如通过 nlp = spacy.load("en_core_web_sm", disable=['tagger', 'ner', 'lemmatizer', 'textcat'])

• 仅加载 Spacy 模块本身会import spacy稍微慢一些。如果您还没有加载语言模型，那么除了向命名空间添加函数之外，这里加载的最重要的东西是什么？是否可以只加载您需要的部分模块？

3. 您可以通过使用某些选项来使其运行得更快，从而使其运行得更快。

• 我读过有关 nlp.pipe、n_process、batch_size和的多重处理joblib，但那是针对多个文档的，而我现在只处理单个文档。

4. 您可以通过最大限度地减少 Spacy 执行相同操作的次数来使其更快。

• 您可以让 Spacy 在服务器上保持活动状态，并在需要时向其传递处理命令

• 您可以序列化 a 以稍后重新加载它，并且可以使用或Doc 进一步排除不需要的属性 doc.to_bytes(exclude=["tensor"])doc.to_array([LOWER, POS, ENT_TYPE, IS_ALPHA])

5.还有什么吗？