Odimmsun

> > 两种代码，都没有重复加载kenlm模型，qps在9左右。每秒可以运行9条，不慢。 > > ``` > > for s in sents: > > corrected_sent, detail = correction_model.correct(s) > > print(corrected_sent, detail ) > > ``` > > 估计 @Odimmsun...

> update, see https://github.com/shibing624/pycorrector/blob/master/examples/flask_server_demo.py @shibing624 感谢回复，flask部署的代码，复制到自己电脑上( 16G, i5-10210U CPU @ 1.60GHz 2.11 GHz)测试过一次，postman调用的话，macbert的时延很正常，但如果用rule_correct的话延迟就是2s多。 

> 第一章1.4.2，第2小节 “Top-P采样”下，举的图1.9(b)的例子，原文是： “例如在图1.9(b) 所示的例子中，我们若以 0.9 作为阈值，则就可以包含打架、睡觉等长颈鹿脖子鲜为人知的用途。” 这里的0.9是否应为0.1，看图上取的最小值是0.1？ 不是的，top-p的意思是每个token累加的概率和为0.9，具体看书中这个公式：