add tokenizer_code readme
This commit is contained in:
@@ -0,0 +1,2 @@
|
|||||||
|
# USAGE
|
||||||
|
使用sentencepiece和huggingface transformers分别进行tokenizer的训练
|
||||||
@@ -1,37 +0,0 @@
|
|||||||
{
|
|
||||||
"cls_token": {
|
|
||||||
"content": "[CLS]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false
|
|
||||||
},
|
|
||||||
"mask_token": {
|
|
||||||
"content": "[MASK]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false
|
|
||||||
},
|
|
||||||
"pad_token": {
|
|
||||||
"content": "[PAD]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false
|
|
||||||
},
|
|
||||||
"sep_token": {
|
|
||||||
"content": "[SEP]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false
|
|
||||||
},
|
|
||||||
"unk_token": {
|
|
||||||
"content": "[UNK]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false
|
|
||||||
}
|
|
||||||
}
|
|
||||||
File diff suppressed because it is too large
Load Diff
@@ -1,69 +0,0 @@
|
|||||||
{
|
|
||||||
"added_tokens_decoder": {
|
|
||||||
"0": {
|
|
||||||
"content": "[UNK]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false,
|
|
||||||
"special": true
|
|
||||||
},
|
|
||||||
"1": {
|
|
||||||
"content": "[CLS]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false,
|
|
||||||
"special": true
|
|
||||||
},
|
|
||||||
"2": {
|
|
||||||
"content": "[SEP]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false,
|
|
||||||
"special": true
|
|
||||||
},
|
|
||||||
"3": {
|
|
||||||
"content": "[PAD]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false,
|
|
||||||
"special": true
|
|
||||||
},
|
|
||||||
"4": {
|
|
||||||
"content": "[MASK]",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": false,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false,
|
|
||||||
"special": true
|
|
||||||
},
|
|
||||||
"30000": {
|
|
||||||
"content": "<ACTION_1>",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": true,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false,
|
|
||||||
"special": false
|
|
||||||
},
|
|
||||||
"30001": {
|
|
||||||
"content": "<ACTION_2>",
|
|
||||||
"lstrip": false,
|
|
||||||
"normalized": true,
|
|
||||||
"rstrip": false,
|
|
||||||
"single_word": false,
|
|
||||||
"special": false
|
|
||||||
}
|
|
||||||
},
|
|
||||||
"clean_up_tokenization_spaces": false,
|
|
||||||
"cls_token": "[CLS]",
|
|
||||||
"extra_special_tokens": {},
|
|
||||||
"mask_token": "[MASK]",
|
|
||||||
"model_max_length": 1000000000000000019884624838656,
|
|
||||||
"pad_token": "[PAD]",
|
|
||||||
"sep_token": "[SEP]",
|
|
||||||
"tokenizer_class": "PreTrainedTokenizer",
|
|
||||||
"unk_token": "[UNK]"
|
|
||||||
}
|
|
||||||
Reference in New Issue
Block a user