问题：

之前写的SBERT模型接口部署上线后最近报了RuntimeError: Already borrowed的错误，在这里记录下。

现象：

具体的报错如下：

  File "/home/XXXX/XXX/src/sentence_proc.py", line 77, in compute_sentence_vectors
    sentences = self.tokenizer(sentences, padding='max_length', truncation=True, max_length=self.max_seq_length,return_tensors="tf")
  File "/home/XXX/.local/lib/python3.8/site-packages/transformers/tokenization_utils_base.py", line 2249, in __call__
    return self.batch_encode_plus(
  File "/home/XXXX/.local/lib/python3.8/site-packages/transformers/tokenization_utils_base.py", line 2434, in batch_encode_plus
    return self._batch_encode_plus(
  File "/home/XXXX/.local/lib/python3.8/site-packages/transformers/tokenization_utils_fast.py", line 370, in _batch_encode_plus
    self.set_truncation_and_padding(
  File "/home/XXXX/.local/lib/python3.8/site-packages/transformers/tokenization_utils_fast.py", line 326, in set_truncation_and_padding
    self._tokenizer.enable_truncation(max_length, stride=stride, strategy=truncation_strategy.value)
RuntimeError: Already borrowed

讨论：

    网上关于这个问题的讨论：https://ask.csdn.net/questions/6983340 ；大致讨论的原因是因为多线程下使用了同一个tokenizer导致的。

    因为使用的是huggingface的transformers项目，所以在项目的issues上也看到了这个问题：https://github.com/huggingface/transformers/issues/10434 ；这里面提供的解决方案是使用TFREcord进行数据的转换，再通过文件流的方式读入pipline。

    但是最后通过测试，因为是在进行批量问句进行相似计算调用的时候会报错，而且是发生在大批量的时候，当批大小减少到模型训练时batch_size以下时正常调用，所以在服务内对批量数据进行了切分处理，并没有尝试上面的解决方法。