CPU 使用率太高而 运行 Ruta 脚本
CPU usage too high while running Ruta Script
CPU 使用率太高 运行ning Ruta Script.So 我打算使用 GPU。我是否需要对 运行 GPU 机器中的脚本执行任何额外的处理。 Orelse 是否有任何替代解决方案来减少 CPU 使用
示例脚本：
PACKAGE uima.ruta.example;
ENGINE utils.PlainTextAnnotator;
TYPESYSTEM utils.PlainTextTypeSystem;
WORDLIST EditorMarkerList = 'EditorMarker.txt';
WORDLIST EnglishStopWordList = 'EnglishStopWords.txt';
WORDLIST FirstNameList = 'FirstNames.txt';
WORDLIST JournalVolumeMarkerList = 'JournalVolumeMarker.txt';
WORDLIST MonthList = 'Months.txt';
WORDLIST PagesMarkerList = 'PagesMarker.txt';
WORDLIST PublisherList = 'Publishers.txt';
DECLARE EditorMarker, EnglishStopWord, FirstName, JournalVolumeMarker, Month, PagesMarker, PublisherInd;
Document{ -> MARKFAST(EditorMarker, EditorMarkerList)};
Document{ -> MARKFAST(EnglishStopWord,EnglishStopWordList)};
Document{ -> MARKFAST(FirstName, FirstNameList)};
Document{ -> MARKFAST(JournalVolumeMarker, JournalVolumeMarkerList)};
Document{ -> MARKFAST(Month, MonthList)};
Document{ -> MARKFAST(PagesMarker, PagesMarkerList)};
Document{ -> MARKFAST(PublisherInd, PublisherList)};
DECLARE Reference;
Document{-> EXEC(PlainTextAnnotator, {Line, Paragraph})};
Document{-> RETAINTYPE(SPACE, BREAK)};
Line{-REGEXP("CORA:.*") -> MARK(Reference)};
Reference{-> TRIM(SPACE, BREAK)};
Document{-> RETAINTYPE};
DECLARE LParen, RParen;
SPECIAL{REGEXP("[(]") -> MARK(LParen)};
SPECIAL{REGEXP("[)]") -> MARK(RParen)};
DECLARE YearInd;
NUM{REGEXP("19..|20..") -> MARK(YearInd, 1, 2)} SW?{REGEXP("a|b|c|d", true)};
Document{-> RETAINTYPE(SPACE)};
CAP YearInd{-> UNMARK(YearInd)};
Document{-> RETAINTYPE};
DECLARE NameLinker;
W{-PARTOF(NameLinker), REGEXP("and", true) -> MARK(NameLinker)};
COMMA{-PARTOF(NameLinker) -> MARK(NameLinker)};
SEMICOLON{-PARTOF(NameLinker) -> MARK(NameLinker)};
SPECIAL{-PARTOF(NameLinker), REGEXP("&") -> MARK(NameLinker)};
DECLARE FirstNameInd, FirstNameInitial, SingleChar;
CW{-PARTOF(FirstNameInitial), REGEXP(".")} SPECIAL{- PARTOF(FirstNameInitial), REGEXP("-")} CW{REGEXP(".") -> MARK(FirstNameInitial,1,2,3,4)} PERIOD;
SPECIAL{-PARTOF(FirstNameInitial), REGEXP("-")} CW{REGEXP(".") -> MARK(FirstNameInitial,1,2,3)} PERIOD;
CW{-PARTOF(FirstNameInitial), REGEXP(".") -> MARK(FirstNameInitial,1,2)} PERIOD;
CW{-PARTOF(FirstNameInitial), REGEXP(".") -> MARK(FirstNameInitial)} COMMA;
CW{-PARTOF(FirstNameInitial), REGEXP(".") -> MARK(SingleChar)};
DECLARE Quote, QuotedStuff;
SPECIAL[1,2]{REGEXP("[\"'´`‘’“]"), -PARTOF(Quote) -> MARK(Quote)};
Document{-> RETAINTYPE(SPACE)};
W Quote{-> UNMARK(Quote)} W;
Document{-> RETAINTYPE};
BLOCK(InRef) Reference{}{
Quote ANY+{-PARTOF(Quote) -> MARK(QuotedStuff, 1, 2, 3)} Quote;
}
DECLARE InInd;
W{REGEXP("In", true)-> MARK(InInd)};
DECLARE FirstToken, LastToken;
BLOCK(InRef) Reference{}{
ANY{POSITION(Reference,1) -> MARK(FirstToken)};
Document{-> MARKLAST(LastToken)};
}
DECLARE NumPeriod, NumComma, NumColon;
Document{-> RETAINTYPE(SPACE, BREAK)};
NUM PERIOD{-> MARKONCE(NumPeriod)} NUM;
NUM COMMA{-> MARKONCE(NumComma)} NUM;
NUM COLON{-> MARKONCE(NumColon)} NUM;
Document{-> RETAINTYPE};
DECLARE PeriodSep, CommaSep, ColonSep;
PERIOD{-PARTOF(FirstNameInitial), -PARTOF(NumPeriod), -PARTOF(FirstToken) -> MARKONCE (PeriodSep)};
COMMA{-PARTOF(FirstNameInitial), -PARTOF(NumComma), - PARTOF(FirstToken) -> MARKONCE (CommaSep)};
COLON{-PARTOF(FirstNameInitial), -PARTOF(NumColon), -PARTOF(FirstToken) -> MARKONCE (ColonSep)};
我没有经验 运行 GPU 上的 Ruta，与具有多个 CPU 的某些并行进程相比，这是否带来任何优势。
Ruta 变得越来越迫切，结果是您可以编写快速但也可以编写缓慢的规则，具体取决于您的关心程度。
笼统地说，每个规则都是对特定类型注释的迭代器。如果您有许多通用类型的迭代器，那么您在 UIMA 中有许多索引操作。索引操作是花费时间的主要来源，因此应该减少它们，例如，通过减少注释或选择更好的 iterators/rules.
您的规则示例包含许多改进运行时的潜在选项（仅优化的第一次迭代）：
每个 MARKFAST 在 RutaBasic（所有原子文本跨度）上产生两个嵌套迭代器，它在整个文档上迭代七次。而是将规则编译成 mtwl 并使用 TRIE 操作。这是一个如何做到这一点的例子：ruta-german-novel-with-dkpro
您在连续的规则中有多个重复的起始锚点，例如第 32+33 行。您可以使用 BLOCK 或内联规则在 SPECIAL 上迭代一次：SPECIAL->{Document{REGEXP("[(]") -> MARK(LParen)};Document{REGEXP("[)]") -> MARK(RParen)};}; 您甚至可以通过在 ANY 上迭代一次并仅对所有规则进行一次分类将其与其他类似规则组合。
您的规则不应用动态锚点，您没有指定规则匹配的起始锚点。例如，第 58 行中的规则需要遍历所有单词。这不是必需的，因为您也可以使用 W @Quote{-> UNMARK(Quote)} W; 仅遍历所有 Quote 注释，这要快得多。有几个规则可以通过这种方式进行优化。
如果您有相同的迭代器但有额外的顺序依赖，如第 49-53 行，您应该使用 FOREACH 块。在这里，您可以迭代 CW 并在每个 CW 上应用多个规则锚定。
有些条件真的很慢。例如，您应该避免使用 POSITION（第 69 行）并将其替换为 MARKFIRST 操作。
正如 Renaud 提到的，Ruta Workbench 提供了分析功能。它显示脚本的哪一部分（规则、块）花费了多长时间，以及大部分时间需要哪个语言元素（条件、操作）。在那里你会得到一个很好的指标，哪些部分值得优化。
免责声明：我是 UIMA Ruta 的开发者
CPU 使用率太高 运行ning Ruta Script.So 我打算使用 GPU。我是否需要对 运行 GPU 机器中的脚本执行任何额外的处理。 Orelse 是否有任何替代解决方案来减少 CPU 使用
示例脚本：
PACKAGE uima.ruta.example;
ENGINE utils.PlainTextAnnotator;
TYPESYSTEM utils.PlainTextTypeSystem;
WORDLIST EditorMarkerList = 'EditorMarker.txt';
WORDLIST EnglishStopWordList = 'EnglishStopWords.txt';
WORDLIST FirstNameList = 'FirstNames.txt';
WORDLIST JournalVolumeMarkerList = 'JournalVolumeMarker.txt';
WORDLIST MonthList = 'Months.txt';
WORDLIST PagesMarkerList = 'PagesMarker.txt';
WORDLIST PublisherList = 'Publishers.txt';
DECLARE EditorMarker, EnglishStopWord, FirstName, JournalVolumeMarker, Month, PagesMarker, PublisherInd;
Document{ -> MARKFAST(EditorMarker, EditorMarkerList)};
Document{ -> MARKFAST(EnglishStopWord,EnglishStopWordList)};
Document{ -> MARKFAST(FirstName, FirstNameList)};
Document{ -> MARKFAST(JournalVolumeMarker, JournalVolumeMarkerList)};
Document{ -> MARKFAST(Month, MonthList)};
Document{ -> MARKFAST(PagesMarker, PagesMarkerList)};
Document{ -> MARKFAST(PublisherInd, PublisherList)};
DECLARE Reference;
Document{-> EXEC(PlainTextAnnotator, {Line, Paragraph})};
Document{-> RETAINTYPE(SPACE, BREAK)};
Line{-REGEXP("CORA:.*") -> MARK(Reference)};
Reference{-> TRIM(SPACE, BREAK)};
Document{-> RETAINTYPE};
DECLARE LParen, RParen;
SPECIAL{REGEXP("[(]") -> MARK(LParen)};
SPECIAL{REGEXP("[)]") -> MARK(RParen)};
DECLARE YearInd;
NUM{REGEXP("19..|20..") -> MARK(YearInd, 1, 2)} SW?{REGEXP("a|b|c|d", true)};
Document{-> RETAINTYPE(SPACE)};
CAP YearInd{-> UNMARK(YearInd)};
Document{-> RETAINTYPE};
DECLARE NameLinker;
W{-PARTOF(NameLinker), REGEXP("and", true) -> MARK(NameLinker)};
COMMA{-PARTOF(NameLinker) -> MARK(NameLinker)};
SEMICOLON{-PARTOF(NameLinker) -> MARK(NameLinker)};
SPECIAL{-PARTOF(NameLinker), REGEXP("&") -> MARK(NameLinker)};
DECLARE FirstNameInd, FirstNameInitial, SingleChar;
CW{-PARTOF(FirstNameInitial), REGEXP(".")} SPECIAL{- PARTOF(FirstNameInitial), REGEXP("-")} CW{REGEXP(".") -> MARK(FirstNameInitial,1,2,3,4)} PERIOD;
SPECIAL{-PARTOF(FirstNameInitial), REGEXP("-")} CW{REGEXP(".") -> MARK(FirstNameInitial,1,2,3)} PERIOD;
CW{-PARTOF(FirstNameInitial), REGEXP(".") -> MARK(FirstNameInitial,1,2)} PERIOD;
CW{-PARTOF(FirstNameInitial), REGEXP(".") -> MARK(FirstNameInitial)} COMMA;
CW{-PARTOF(FirstNameInitial), REGEXP(".") -> MARK(SingleChar)};
DECLARE Quote, QuotedStuff;
SPECIAL[1,2]{REGEXP("[\"'´`‘’“]"), -PARTOF(Quote) -> MARK(Quote)};
Document{-> RETAINTYPE(SPACE)};
W Quote{-> UNMARK(Quote)} W;
Document{-> RETAINTYPE};
BLOCK(InRef) Reference{}{
Quote ANY+{-PARTOF(Quote) -> MARK(QuotedStuff, 1, 2, 3)} Quote;
}
DECLARE InInd;
W{REGEXP("In", true)-> MARK(InInd)};
DECLARE FirstToken, LastToken;
BLOCK(InRef) Reference{}{
ANY{POSITION(Reference,1) -> MARK(FirstToken)};
Document{-> MARKLAST(LastToken)};
}
DECLARE NumPeriod, NumComma, NumColon;
Document{-> RETAINTYPE(SPACE, BREAK)};
NUM PERIOD{-> MARKONCE(NumPeriod)} NUM;
NUM COMMA{-> MARKONCE(NumComma)} NUM;
NUM COLON{-> MARKONCE(NumColon)} NUM;
Document{-> RETAINTYPE};
DECLARE PeriodSep, CommaSep, ColonSep;
PERIOD{-PARTOF(FirstNameInitial), -PARTOF(NumPeriod), -PARTOF(FirstToken) -> MARKONCE (PeriodSep)};
COMMA{-PARTOF(FirstNameInitial), -PARTOF(NumComma), - PARTOF(FirstToken) -> MARKONCE (CommaSep)};
COLON{-PARTOF(FirstNameInitial), -PARTOF(NumColon), -PARTOF(FirstToken) -> MARKONCE (ColonSep)};
我没有经验 运行 GPU 上的 Ruta，与具有多个 CPU 的某些并行进程相比，这是否带来任何优势。
Ruta 变得越来越迫切，结果是您可以编写快速但也可以编写缓慢的规则，具体取决于您的关心程度。
笼统地说，每个规则都是对特定类型注释的迭代器。如果您有许多通用类型的迭代器，那么您在 UIMA 中有许多索引操作。索引操作是花费时间的主要来源，因此应该减少它们，例如，通过减少注释或选择更好的 iterators/rules.
您的规则示例包含许多改进运行时的潜在选项（仅优化的第一次迭代）：
每个 MARKFAST 在 RutaBasic（所有原子文本跨度）上产生两个嵌套迭代器，它在整个文档上迭代七次。而是将规则编译成 mtwl 并使用 TRIE 操作。这是一个如何做到这一点的例子：ruta-german-novel-with-dkpro
您在连续的规则中有多个重复的起始锚点，例如第 32+33 行。您可以使用 BLOCK 或内联规则在 SPECIAL 上迭代一次：
SPECIAL->{Document{REGEXP("[(]") -> MARK(LParen)};Document{REGEXP("[)]") -> MARK(RParen)};};您甚至可以通过在 ANY 上迭代一次并仅对所有规则进行一次分类将其与其他类似规则组合。您的规则不应用动态锚点，您没有指定规则匹配的起始锚点。例如，第 58 行中的规则需要遍历所有单词。这不是必需的，因为您也可以使用
W @Quote{-> UNMARK(Quote)} W;仅遍历所有 Quote 注释，这要快得多。有几个规则可以通过这种方式进行优化。如果您有相同的迭代器但有额外的顺序依赖，如第 49-53 行，您应该使用 FOREACH 块。在这里，您可以迭代 CW 并在每个 CW 上应用多个规则锚定。
有些条件真的很慢。例如，您应该避免使用 POSITION（第 69 行）并将其替换为 MARKFIRST 操作。
正如 Renaud 提到的，Ruta Workbench 提供了分析功能。它显示脚本的哪一部分（规则、块）花费了多长时间，以及大部分时间需要哪个语言元素（条件、操作）。在那里你会得到一个很好的指标，哪些部分值得优化。
免责声明：我是 UIMA Ruta 的开发者