spacy v3 en_core_web_trf 管道和 en_core_web_lg 管道的区别

如何解决spacy v3 en_core_web_trf 管道和 en_core_web_lg 管道的区别

我正在使用 spacy 版本 3 进行一些性能测试，以在生产中正确调整实例的大小。我正在观察以下内容

观察：

型号名称	没有NER的时间	与NER的时光	评论
en_core_web_lg	4.89 秒	21.9 秒	NER 将原始时间增加 350%
en_core_web_trf	43.64 秒	52.83 秒	NER 只增加了原始时间的 20%

为什么在 Transformer 模型的情况下，使用 NER 和不使用 NER 的情况没有显着差异？在en_core_web_trf的情况下，NER只是POS标记后的增量任务吗？

测试环境：GPU 实例

测试代码：

import spacy

assert(spacy.__version__ == '3.0.3')
spacy.require_gpu()
texts = load_sample_texts()  # loads 10,000 texts from a file
assert(len(texts) == 10000)

def get_execution_time(nlp,texts,N):
    return timeit.timeit(stmt="[nlp(text) for text in texts]",globals={'nlp': nlp,'texts': texts},number=N) / N


#  load models
nlp_lg_pos = spacy.load('en_core_web_lg',disable=['ner','parser'])
nlp_lg_all = spacy.load('en_core_web_lg')
nlp_trf_pos = spacy.load('en_core_web_trf','parser'])
nlp_trf_all = spacy.load('en_core_web_trf')

#  get execution time
print(f'nlp_lg_pos = {get_execution_time(nlp_lg_pos,N=1)}')
print(f'nlp_lg_all = {get_execution_time(nlp_lg_all,N=1)}')
print(f'nlp_trf_pos = {get_execution_time(nlp_trf_pos,N=1)}')
print(f'nlp_trf_all = {get_execution_time(nlp_trf_all,N=1)}')