Add the tokeniers version in fastertokenizer (#1461)

Author: wawltor

examples/faster/faster_tokenizer/README.md

@@ -1,15 +1,15 @@
 # 飞桨FasterTokenizer性能测试
 
 在PaddleNLP v2.2.0版本中PaddleNLP推出了高性能的Transformer类文本分词器，简称飞桨FasterTokenizer。为了验证飞桨FasterTokenizer的性能快的特点，PaddleNLP选取了业内常见的一些文本分词器进行了性能对比比较，主要进行性能参考的是HuggingFace BertTokenizer， Tensorflow-text BertTokenizer. 我们以 bert-base-chinese 模型为例进行了文本分词性能实验对比，在中文的数据下进行性能对比实验，下面是具体实验设置信息：
-* [HuggingFace Tokenizers(Python)](https://github.com/huggingface/tokenizers): 
+* [HuggingFace Tokenizers(Python)](https://github.com/huggingface/tokenizers):
 
 ```python
 from transformers import AutoTokenizer
 
 hf_tokenizer = AutoTokenizer.from_pretrained("bert-base-chinese", use_fast=False)
 ```
 
-* [HuggingFace Tokenizers(Rust)](https://github.com/huggingface/tokenizers): 
+* [HuggingFace Tokenizers(Rust)](https://github.com/huggingface/tokenizers):
 
 ```python
 from transformers import AutoTokenizer
@@ -45,6 +45,8 @@ faster_tokenizer = FasterTokenizer.from_pretrained("bert-base-chinese")
 
 * transformers == 4.11.3
 
+* tokenizers == 0.10.3
+
 * tensorflow_text == 2.5.0
 
 
@@ -69,5 +71,3 @@ python perf.py
 <center><img width="1343" alt="图片" src="https://user-images.githubusercontent.com/16698950/145664356-0b766d5a-9ff1-455a-bb85-1ee51e2ad77d.png"></center>
 
 飞桨FasterTokenizer与其他框架性能的对比，是在固定文本长度在不同batch size下的分词吞吐量。纵坐标是对数坐标，单位是1w tokens/秒。随着batch size的增大，飞桨FasterTokenizer速度会远远超过其他同类产品的实现，尤其是在大batch文本上飞桨框架能充分发挥多核机器的优势，取得领先的效果。
-
-