Upload tokenizer
#3
by
ArthurZ
HF Staff
- opened
- added_tokens.json +209 -0
- special_tokens_map.json +215 -50
- tokenizer.json +2 -2
- tokenizer_config.json +209 -2
added_tokens.json
ADDED
|
@@ -0,0 +1,209 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"</s>": 2,
|
| 3 |
+
"<mask>": 256203,
|
| 4 |
+
"<pad>": 1,
|
| 5 |
+
"<s>": 0,
|
| 6 |
+
"<unk>": 3,
|
| 7 |
+
"ace_Arab": 256001,
|
| 8 |
+
"ace_Latn": 256002,
|
| 9 |
+
"acm_Arab": 256003,
|
| 10 |
+
"acq_Arab": 256004,
|
| 11 |
+
"aeb_Arab": 256005,
|
| 12 |
+
"afr_Latn": 256006,
|
| 13 |
+
"ajp_Arab": 256007,
|
| 14 |
+
"aka_Latn": 256008,
|
| 15 |
+
"als_Latn": 256162,
|
| 16 |
+
"amh_Ethi": 256009,
|
| 17 |
+
"apc_Arab": 256010,
|
| 18 |
+
"arb_Arab": 256011,
|
| 19 |
+
"ars_Arab": 256012,
|
| 20 |
+
"ary_Arab": 256013,
|
| 21 |
+
"arz_Arab": 256014,
|
| 22 |
+
"asm_Beng": 256015,
|
| 23 |
+
"ast_Latn": 256016,
|
| 24 |
+
"awa_Deva": 256017,
|
| 25 |
+
"ayr_Latn": 256018,
|
| 26 |
+
"azb_Arab": 256019,
|
| 27 |
+
"azj_Latn": 256020,
|
| 28 |
+
"bak_Cyrl": 256021,
|
| 29 |
+
"bam_Latn": 256022,
|
| 30 |
+
"ban_Latn": 256023,
|
| 31 |
+
"bel_Cyrl": 256024,
|
| 32 |
+
"bem_Latn": 256025,
|
| 33 |
+
"ben_Beng": 256026,
|
| 34 |
+
"bho_Deva": 256027,
|
| 35 |
+
"bjn_Arab": 256028,
|
| 36 |
+
"bjn_Latn": 256029,
|
| 37 |
+
"bod_Tibt": 256030,
|
| 38 |
+
"bos_Latn": 256031,
|
| 39 |
+
"bug_Latn": 256032,
|
| 40 |
+
"bul_Cyrl": 256033,
|
| 41 |
+
"cat_Latn": 256034,
|
| 42 |
+
"ceb_Latn": 256035,
|
| 43 |
+
"ces_Latn": 256036,
|
| 44 |
+
"cjk_Latn": 256037,
|
| 45 |
+
"ckb_Arab": 256038,
|
| 46 |
+
"crh_Latn": 256039,
|
| 47 |
+
"cym_Latn": 256040,
|
| 48 |
+
"dan_Latn": 256041,
|
| 49 |
+
"deu_Latn": 256042,
|
| 50 |
+
"dik_Latn": 256043,
|
| 51 |
+
"dyu_Latn": 256044,
|
| 52 |
+
"dzo_Tibt": 256045,
|
| 53 |
+
"ell_Grek": 256046,
|
| 54 |
+
"eng_Latn": 256047,
|
| 55 |
+
"epo_Latn": 256048,
|
| 56 |
+
"est_Latn": 256049,
|
| 57 |
+
"eus_Latn": 256050,
|
| 58 |
+
"ewe_Latn": 256051,
|
| 59 |
+
"fao_Latn": 256052,
|
| 60 |
+
"fij_Latn": 256054,
|
| 61 |
+
"fin_Latn": 256055,
|
| 62 |
+
"fon_Latn": 256056,
|
| 63 |
+
"fra_Latn": 256057,
|
| 64 |
+
"fur_Latn": 256058,
|
| 65 |
+
"fuv_Latn": 256059,
|
| 66 |
+
"gaz_Latn": 256135,
|
| 67 |
+
"gla_Latn": 256060,
|
| 68 |
+
"gle_Latn": 256061,
|
| 69 |
+
"glg_Latn": 256062,
|
| 70 |
+
"grn_Latn": 256063,
|
| 71 |
+
"guj_Gujr": 256064,
|
| 72 |
+
"hat_Latn": 256065,
|
| 73 |
+
"hau_Latn": 256066,
|
| 74 |
+
"heb_Hebr": 256067,
|
| 75 |
+
"hin_Deva": 256068,
|
| 76 |
+
"hne_Deva": 256069,
|
| 77 |
+
"hrv_Latn": 256070,
|
| 78 |
+
"hun_Latn": 256071,
|
| 79 |
+
"hye_Armn": 256072,
|
| 80 |
+
"ibo_Latn": 256073,
|
| 81 |
+
"ilo_Latn": 256074,
|
| 82 |
+
"ind_Latn": 256075,
|
| 83 |
+
"isl_Latn": 256076,
|
| 84 |
+
"ita_Latn": 256077,
|
| 85 |
+
"jav_Latn": 256078,
|
| 86 |
+
"jpn_Jpan": 256079,
|
| 87 |
+
"kab_Latn": 256080,
|
| 88 |
+
"kac_Latn": 256081,
|
| 89 |
+
"kam_Latn": 256082,
|
| 90 |
+
"kan_Knda": 256083,
|
| 91 |
+
"kas_Arab": 256084,
|
| 92 |
+
"kas_Deva": 256085,
|
| 93 |
+
"kat_Geor": 256086,
|
| 94 |
+
"kaz_Cyrl": 256089,
|
| 95 |
+
"kbp_Latn": 256090,
|
| 96 |
+
"kea_Latn": 256091,
|
| 97 |
+
"khk_Cyrl": 256122,
|
| 98 |
+
"khm_Khmr": 256092,
|
| 99 |
+
"kik_Latn": 256093,
|
| 100 |
+
"kin_Latn": 256094,
|
| 101 |
+
"kir_Cyrl": 256095,
|
| 102 |
+
"kmb_Latn": 256096,
|
| 103 |
+
"kmr_Latn": 256099,
|
| 104 |
+
"knc_Arab": 256087,
|
| 105 |
+
"knc_Latn": 256088,
|
| 106 |
+
"kon_Latn": 256097,
|
| 107 |
+
"kor_Hang": 256098,
|
| 108 |
+
"lao_Laoo": 256100,
|
| 109 |
+
"lij_Latn": 256102,
|
| 110 |
+
"lim_Latn": 256103,
|
| 111 |
+
"lin_Latn": 256104,
|
| 112 |
+
"lit_Latn": 256105,
|
| 113 |
+
"lmo_Latn": 256106,
|
| 114 |
+
"ltg_Latn": 256107,
|
| 115 |
+
"ltz_Latn": 256108,
|
| 116 |
+
"lua_Latn": 256109,
|
| 117 |
+
"lug_Latn": 256110,
|
| 118 |
+
"luo_Latn": 256111,
|
| 119 |
+
"lus_Latn": 256112,
|
| 120 |
+
"lvs_Latn": 256101,
|
| 121 |
+
"mag_Deva": 256113,
|
| 122 |
+
"mai_Deva": 256114,
|
| 123 |
+
"mal_Mlym": 256115,
|
| 124 |
+
"mar_Deva": 256116,
|
| 125 |
+
"min_Latn": 256117,
|
| 126 |
+
"mkd_Cyrl": 256118,
|
| 127 |
+
"mlt_Latn": 256120,
|
| 128 |
+
"mni_Beng": 256121,
|
| 129 |
+
"mos_Latn": 256123,
|
| 130 |
+
"mri_Latn": 256124,
|
| 131 |
+
"mya_Mymr": 256126,
|
| 132 |
+
"nld_Latn": 256127,
|
| 133 |
+
"nno_Latn": 256128,
|
| 134 |
+
"nob_Latn": 256129,
|
| 135 |
+
"npi_Deva": 256130,
|
| 136 |
+
"nso_Latn": 256131,
|
| 137 |
+
"nus_Latn": 256132,
|
| 138 |
+
"nya_Latn": 256133,
|
| 139 |
+
"oci_Latn": 256134,
|
| 140 |
+
"ory_Orya": 256136,
|
| 141 |
+
"pag_Latn": 256137,
|
| 142 |
+
"pan_Guru": 256138,
|
| 143 |
+
"pap_Latn": 256139,
|
| 144 |
+
"pbt_Arab": 256143,
|
| 145 |
+
"pes_Arab": 256053,
|
| 146 |
+
"plt_Latn": 256119,
|
| 147 |
+
"pol_Latn": 256140,
|
| 148 |
+
"por_Latn": 256141,
|
| 149 |
+
"prs_Arab": 256142,
|
| 150 |
+
"quy_Latn": 256144,
|
| 151 |
+
"ron_Latn": 256145,
|
| 152 |
+
"run_Latn": 256146,
|
| 153 |
+
"rus_Cyrl": 256147,
|
| 154 |
+
"sag_Latn": 256148,
|
| 155 |
+
"san_Deva": 256149,
|
| 156 |
+
"sat_Beng": 256150,
|
| 157 |
+
"scn_Latn": 256151,
|
| 158 |
+
"shn_Mymr": 256152,
|
| 159 |
+
"sin_Sinh": 256153,
|
| 160 |
+
"slk_Latn": 256154,
|
| 161 |
+
"slv_Latn": 256155,
|
| 162 |
+
"smo_Latn": 256156,
|
| 163 |
+
"sna_Latn": 256157,
|
| 164 |
+
"snd_Arab": 256158,
|
| 165 |
+
"som_Latn": 256159,
|
| 166 |
+
"sot_Latn": 256160,
|
| 167 |
+
"spa_Latn": 256161,
|
| 168 |
+
"srd_Latn": 256163,
|
| 169 |
+
"srp_Cyrl": 256164,
|
| 170 |
+
"ssw_Latn": 256165,
|
| 171 |
+
"sun_Latn": 256166,
|
| 172 |
+
"swe_Latn": 256167,
|
| 173 |
+
"swh_Latn": 256168,
|
| 174 |
+
"szl_Latn": 256169,
|
| 175 |
+
"tam_Taml": 256170,
|
| 176 |
+
"taq_Latn": 256177,
|
| 177 |
+
"taq_Tfng": 256178,
|
| 178 |
+
"tat_Cyrl": 256171,
|
| 179 |
+
"tel_Telu": 256172,
|
| 180 |
+
"tgk_Cyrl": 256173,
|
| 181 |
+
"tgl_Latn": 256174,
|
| 182 |
+
"tha_Thai": 256175,
|
| 183 |
+
"tir_Ethi": 256176,
|
| 184 |
+
"tpi_Latn": 256179,
|
| 185 |
+
"tsn_Latn": 256180,
|
| 186 |
+
"tso_Latn": 256181,
|
| 187 |
+
"tuk_Latn": 256182,
|
| 188 |
+
"tum_Latn": 256183,
|
| 189 |
+
"tur_Latn": 256184,
|
| 190 |
+
"twi_Latn": 256185,
|
| 191 |
+
"tzm_Tfng": 256186,
|
| 192 |
+
"uig_Arab": 256187,
|
| 193 |
+
"ukr_Cyrl": 256188,
|
| 194 |
+
"umb_Latn": 256189,
|
| 195 |
+
"urd_Arab": 256190,
|
| 196 |
+
"uzn_Latn": 256191,
|
| 197 |
+
"vec_Latn": 256192,
|
| 198 |
+
"vie_Latn": 256193,
|
| 199 |
+
"war_Latn": 256194,
|
| 200 |
+
"wol_Latn": 256195,
|
| 201 |
+
"xho_Latn": 256196,
|
| 202 |
+
"ydd_Hebr": 256197,
|
| 203 |
+
"yor_Latn": 256198,
|
| 204 |
+
"yue_Hant": 256199,
|
| 205 |
+
"zho_Hans": 256200,
|
| 206 |
+
"zho_Hant": 256201,
|
| 207 |
+
"zsm_Latn": 256125,
|
| 208 |
+
"zul_Latn": 256202
|
| 209 |
+
}
|
special_tokens_map.json
CHANGED
|
@@ -201,55 +201,220 @@
|
|
| 201 |
"yue_Hant",
|
| 202 |
"zho_Hans",
|
| 203 |
"zho_Hant",
|
| 204 |
-
"zul_Latn"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 205 |
],
|
| 206 |
-
"bos_token":
|
| 207 |
-
|
| 208 |
-
|
| 209 |
-
|
| 210 |
-
|
| 211 |
-
|
| 212 |
-
|
| 213 |
-
"cls_token": {
|
| 214 |
-
"content": "<s>",
|
| 215 |
-
"lstrip": false,
|
| 216 |
-
"normalized": false,
|
| 217 |
-
"rstrip": false,
|
| 218 |
-
"single_word": false
|
| 219 |
-
},
|
| 220 |
-
"eos_token": {
|
| 221 |
-
"content": "</s>",
|
| 222 |
-
"lstrip": false,
|
| 223 |
-
"normalized": false,
|
| 224 |
-
"rstrip": false,
|
| 225 |
-
"single_word": false
|
| 226 |
-
},
|
| 227 |
-
"mask_token": {
|
| 228 |
-
"content": "<mask>",
|
| 229 |
-
"lstrip": true,
|
| 230 |
-
"normalized": true,
|
| 231 |
-
"rstrip": false,
|
| 232 |
-
"single_word": false
|
| 233 |
-
},
|
| 234 |
-
"pad_token": {
|
| 235 |
-
"content": "<pad>",
|
| 236 |
-
"lstrip": false,
|
| 237 |
-
"normalized": false,
|
| 238 |
-
"rstrip": false,
|
| 239 |
-
"single_word": false
|
| 240 |
-
},
|
| 241 |
-
"sep_token": {
|
| 242 |
-
"content": "</s>",
|
| 243 |
-
"lstrip": false,
|
| 244 |
-
"normalized": false,
|
| 245 |
-
"rstrip": false,
|
| 246 |
-
"single_word": false
|
| 247 |
-
},
|
| 248 |
-
"unk_token": {
|
| 249 |
-
"content": "<unk>",
|
| 250 |
-
"lstrip": false,
|
| 251 |
-
"normalized": false,
|
| 252 |
-
"rstrip": false,
|
| 253 |
-
"single_word": false
|
| 254 |
-
}
|
| 255 |
}
|
|
|
|
| 201 |
"yue_Hant",
|
| 202 |
"zho_Hans",
|
| 203 |
"zho_Hant",
|
| 204 |
+
"zul_Latn",
|
| 205 |
+
"<s>",
|
| 206 |
+
"<pad>",
|
| 207 |
+
"</s>",
|
| 208 |
+
"<unk>",
|
| 209 |
+
"ace_Arab",
|
| 210 |
+
"ace_Latn",
|
| 211 |
+
"acm_Arab",
|
| 212 |
+
"acq_Arab",
|
| 213 |
+
"aeb_Arab",
|
| 214 |
+
"afr_Latn",
|
| 215 |
+
"ajp_Arab",
|
| 216 |
+
"aka_Latn",
|
| 217 |
+
"amh_Ethi",
|
| 218 |
+
"apc_Arab",
|
| 219 |
+
"arb_Arab",
|
| 220 |
+
"ars_Arab",
|
| 221 |
+
"ary_Arab",
|
| 222 |
+
"arz_Arab",
|
| 223 |
+
"asm_Beng",
|
| 224 |
+
"ast_Latn",
|
| 225 |
+
"awa_Deva",
|
| 226 |
+
"ayr_Latn",
|
| 227 |
+
"azb_Arab",
|
| 228 |
+
"azj_Latn",
|
| 229 |
+
"bak_Cyrl",
|
| 230 |
+
"bam_Latn",
|
| 231 |
+
"ban_Latn",
|
| 232 |
+
"bel_Cyrl",
|
| 233 |
+
"bem_Latn",
|
| 234 |
+
"ben_Beng",
|
| 235 |
+
"bho_Deva",
|
| 236 |
+
"bjn_Arab",
|
| 237 |
+
"bjn_Latn",
|
| 238 |
+
"bod_Tibt",
|
| 239 |
+
"bos_Latn",
|
| 240 |
+
"bug_Latn",
|
| 241 |
+
"bul_Cyrl",
|
| 242 |
+
"cat_Latn",
|
| 243 |
+
"ceb_Latn",
|
| 244 |
+
"ces_Latn",
|
| 245 |
+
"cjk_Latn",
|
| 246 |
+
"ckb_Arab",
|
| 247 |
+
"crh_Latn",
|
| 248 |
+
"cym_Latn",
|
| 249 |
+
"dan_Latn",
|
| 250 |
+
"deu_Latn",
|
| 251 |
+
"dik_Latn",
|
| 252 |
+
"dyu_Latn",
|
| 253 |
+
"dzo_Tibt",
|
| 254 |
+
"ell_Grek",
|
| 255 |
+
"eng_Latn",
|
| 256 |
+
"epo_Latn",
|
| 257 |
+
"est_Latn",
|
| 258 |
+
"eus_Latn",
|
| 259 |
+
"ewe_Latn",
|
| 260 |
+
"fao_Latn",
|
| 261 |
+
"pes_Arab",
|
| 262 |
+
"fij_Latn",
|
| 263 |
+
"fin_Latn",
|
| 264 |
+
"fon_Latn",
|
| 265 |
+
"fra_Latn",
|
| 266 |
+
"fur_Latn",
|
| 267 |
+
"fuv_Latn",
|
| 268 |
+
"gla_Latn",
|
| 269 |
+
"gle_Latn",
|
| 270 |
+
"glg_Latn",
|
| 271 |
+
"grn_Latn",
|
| 272 |
+
"guj_Gujr",
|
| 273 |
+
"hat_Latn",
|
| 274 |
+
"hau_Latn",
|
| 275 |
+
"heb_Hebr",
|
| 276 |
+
"hin_Deva",
|
| 277 |
+
"hne_Deva",
|
| 278 |
+
"hrv_Latn",
|
| 279 |
+
"hun_Latn",
|
| 280 |
+
"hye_Armn",
|
| 281 |
+
"ibo_Latn",
|
| 282 |
+
"ilo_Latn",
|
| 283 |
+
"ind_Latn",
|
| 284 |
+
"isl_Latn",
|
| 285 |
+
"ita_Latn",
|
| 286 |
+
"jav_Latn",
|
| 287 |
+
"jpn_Jpan",
|
| 288 |
+
"kab_Latn",
|
| 289 |
+
"kac_Latn",
|
| 290 |
+
"kam_Latn",
|
| 291 |
+
"kan_Knda",
|
| 292 |
+
"kas_Arab",
|
| 293 |
+
"kas_Deva",
|
| 294 |
+
"kat_Geor",
|
| 295 |
+
"knc_Arab",
|
| 296 |
+
"knc_Latn",
|
| 297 |
+
"kaz_Cyrl",
|
| 298 |
+
"kbp_Latn",
|
| 299 |
+
"kea_Latn",
|
| 300 |
+
"khm_Khmr",
|
| 301 |
+
"kik_Latn",
|
| 302 |
+
"kin_Latn",
|
| 303 |
+
"kir_Cyrl",
|
| 304 |
+
"kmb_Latn",
|
| 305 |
+
"kon_Latn",
|
| 306 |
+
"kor_Hang",
|
| 307 |
+
"kmr_Latn",
|
| 308 |
+
"lao_Laoo",
|
| 309 |
+
"lvs_Latn",
|
| 310 |
+
"lij_Latn",
|
| 311 |
+
"lim_Latn",
|
| 312 |
+
"lin_Latn",
|
| 313 |
+
"lit_Latn",
|
| 314 |
+
"lmo_Latn",
|
| 315 |
+
"ltg_Latn",
|
| 316 |
+
"ltz_Latn",
|
| 317 |
+
"lua_Latn",
|
| 318 |
+
"lug_Latn",
|
| 319 |
+
"luo_Latn",
|
| 320 |
+
"lus_Latn",
|
| 321 |
+
"mag_Deva",
|
| 322 |
+
"mai_Deva",
|
| 323 |
+
"mal_Mlym",
|
| 324 |
+
"mar_Deva",
|
| 325 |
+
"min_Latn",
|
| 326 |
+
"mkd_Cyrl",
|
| 327 |
+
"plt_Latn",
|
| 328 |
+
"mlt_Latn",
|
| 329 |
+
"mni_Beng",
|
| 330 |
+
"khk_Cyrl",
|
| 331 |
+
"mos_Latn",
|
| 332 |
+
"mri_Latn",
|
| 333 |
+
"zsm_Latn",
|
| 334 |
+
"mya_Mymr",
|
| 335 |
+
"nld_Latn",
|
| 336 |
+
"nno_Latn",
|
| 337 |
+
"nob_Latn",
|
| 338 |
+
"npi_Deva",
|
| 339 |
+
"nso_Latn",
|
| 340 |
+
"nus_Latn",
|
| 341 |
+
"nya_Latn",
|
| 342 |
+
"oci_Latn",
|
| 343 |
+
"gaz_Latn",
|
| 344 |
+
"ory_Orya",
|
| 345 |
+
"pag_Latn",
|
| 346 |
+
"pan_Guru",
|
| 347 |
+
"pap_Latn",
|
| 348 |
+
"pol_Latn",
|
| 349 |
+
"por_Latn",
|
| 350 |
+
"prs_Arab",
|
| 351 |
+
"pbt_Arab",
|
| 352 |
+
"quy_Latn",
|
| 353 |
+
"ron_Latn",
|
| 354 |
+
"run_Latn",
|
| 355 |
+
"rus_Cyrl",
|
| 356 |
+
"sag_Latn",
|
| 357 |
+
"san_Deva",
|
| 358 |
+
"sat_Beng",
|
| 359 |
+
"scn_Latn",
|
| 360 |
+
"shn_Mymr",
|
| 361 |
+
"sin_Sinh",
|
| 362 |
+
"slk_Latn",
|
| 363 |
+
"slv_Latn",
|
| 364 |
+
"smo_Latn",
|
| 365 |
+
"sna_Latn",
|
| 366 |
+
"snd_Arab",
|
| 367 |
+
"som_Latn",
|
| 368 |
+
"sot_Latn",
|
| 369 |
+
"spa_Latn",
|
| 370 |
+
"als_Latn",
|
| 371 |
+
"srd_Latn",
|
| 372 |
+
"srp_Cyrl",
|
| 373 |
+
"ssw_Latn",
|
| 374 |
+
"sun_Latn",
|
| 375 |
+
"swe_Latn",
|
| 376 |
+
"swh_Latn",
|
| 377 |
+
"szl_Latn",
|
| 378 |
+
"tam_Taml",
|
| 379 |
+
"tat_Cyrl",
|
| 380 |
+
"tel_Telu",
|
| 381 |
+
"tgk_Cyrl",
|
| 382 |
+
"tgl_Latn",
|
| 383 |
+
"tha_Thai",
|
| 384 |
+
"tir_Ethi",
|
| 385 |
+
"taq_Latn",
|
| 386 |
+
"taq_Tfng",
|
| 387 |
+
"tpi_Latn",
|
| 388 |
+
"tsn_Latn",
|
| 389 |
+
"tso_Latn",
|
| 390 |
+
"tuk_Latn",
|
| 391 |
+
"tum_Latn",
|
| 392 |
+
"tur_Latn",
|
| 393 |
+
"twi_Latn",
|
| 394 |
+
"tzm_Tfng",
|
| 395 |
+
"uig_Arab",
|
| 396 |
+
"ukr_Cyrl",
|
| 397 |
+
"umb_Latn",
|
| 398 |
+
"urd_Arab",
|
| 399 |
+
"uzn_Latn",
|
| 400 |
+
"vec_Latn",
|
| 401 |
+
"vie_Latn",
|
| 402 |
+
"war_Latn",
|
| 403 |
+
"wol_Latn",
|
| 404 |
+
"xho_Latn",
|
| 405 |
+
"ydd_Hebr",
|
| 406 |
+
"yor_Latn",
|
| 407 |
+
"yue_Hant",
|
| 408 |
+
"zho_Hans",
|
| 409 |
+
"zho_Hant",
|
| 410 |
+
"zul_Latn",
|
| 411 |
+
"<mask>"
|
| 412 |
],
|
| 413 |
+
"bos_token": "<s>",
|
| 414 |
+
"cls_token": "<s>",
|
| 415 |
+
"eos_token": "</s>",
|
| 416 |
+
"mask_token": "<mask>",
|
| 417 |
+
"pad_token": "<pad>",
|
| 418 |
+
"sep_token": "</s>",
|
| 419 |
+
"unk_token": "<unk>"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 420 |
}
|
tokenizer.json
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
-
size
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:a9633f7d33a10432bf06e8865c3c7d4e4798ed432be7bbc7a4a29051a7f5e594
|
| 3 |
+
size 17331380
|
tokenizer_config.json
CHANGED
|
@@ -1651,7 +1651,7 @@
|
|
| 1651 |
"256203": {
|
| 1652 |
"content": "<mask>",
|
| 1653 |
"lstrip": true,
|
| 1654 |
-
"normalized":
|
| 1655 |
"rstrip": false,
|
| 1656 |
"single_word": false,
|
| 1657 |
"special": true
|
|
@@ -1859,7 +1859,214 @@
|
|
| 1859 |
"yue_Hant",
|
| 1860 |
"zho_Hans",
|
| 1861 |
"zho_Hant",
|
| 1862 |
-
"zul_Latn"
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1863 |
],
|
| 1864 |
"bos_token": "<s>",
|
| 1865 |
"clean_up_tokenization_spaces": true,
|
|
|
|
| 1651 |
"256203": {
|
| 1652 |
"content": "<mask>",
|
| 1653 |
"lstrip": true,
|
| 1654 |
+
"normalized": false,
|
| 1655 |
"rstrip": false,
|
| 1656 |
"single_word": false,
|
| 1657 |
"special": true
|
|
|
|
| 1859 |
"yue_Hant",
|
| 1860 |
"zho_Hans",
|
| 1861 |
"zho_Hant",
|
| 1862 |
+
"zul_Latn",
|
| 1863 |
+
"<s>",
|
| 1864 |
+
"<pad>",
|
| 1865 |
+
"</s>",
|
| 1866 |
+
"<unk>",
|
| 1867 |
+
"ace_Arab",
|
| 1868 |
+
"ace_Latn",
|
| 1869 |
+
"acm_Arab",
|
| 1870 |
+
"acq_Arab",
|
| 1871 |
+
"aeb_Arab",
|
| 1872 |
+
"afr_Latn",
|
| 1873 |
+
"ajp_Arab",
|
| 1874 |
+
"aka_Latn",
|
| 1875 |
+
"amh_Ethi",
|
| 1876 |
+
"apc_Arab",
|
| 1877 |
+
"arb_Arab",
|
| 1878 |
+
"ars_Arab",
|
| 1879 |
+
"ary_Arab",
|
| 1880 |
+
"arz_Arab",
|
| 1881 |
+
"asm_Beng",
|
| 1882 |
+
"ast_Latn",
|
| 1883 |
+
"awa_Deva",
|
| 1884 |
+
"ayr_Latn",
|
| 1885 |
+
"azb_Arab",
|
| 1886 |
+
"azj_Latn",
|
| 1887 |
+
"bak_Cyrl",
|
| 1888 |
+
"bam_Latn",
|
| 1889 |
+
"ban_Latn",
|
| 1890 |
+
"bel_Cyrl",
|
| 1891 |
+
"bem_Latn",
|
| 1892 |
+
"ben_Beng",
|
| 1893 |
+
"bho_Deva",
|
| 1894 |
+
"bjn_Arab",
|
| 1895 |
+
"bjn_Latn",
|
| 1896 |
+
"bod_Tibt",
|
| 1897 |
+
"bos_Latn",
|
| 1898 |
+
"bug_Latn",
|
| 1899 |
+
"bul_Cyrl",
|
| 1900 |
+
"cat_Latn",
|
| 1901 |
+
"ceb_Latn",
|
| 1902 |
+
"ces_Latn",
|
| 1903 |
+
"cjk_Latn",
|
| 1904 |
+
"ckb_Arab",
|
| 1905 |
+
"crh_Latn",
|
| 1906 |
+
"cym_Latn",
|
| 1907 |
+
"dan_Latn",
|
| 1908 |
+
"deu_Latn",
|
| 1909 |
+
"dik_Latn",
|
| 1910 |
+
"dyu_Latn",
|
| 1911 |
+
"dzo_Tibt",
|
| 1912 |
+
"ell_Grek",
|
| 1913 |
+
"eng_Latn",
|
| 1914 |
+
"epo_Latn",
|
| 1915 |
+
"est_Latn",
|
| 1916 |
+
"eus_Latn",
|
| 1917 |
+
"ewe_Latn",
|
| 1918 |
+
"fao_Latn",
|
| 1919 |
+
"pes_Arab",
|
| 1920 |
+
"fij_Latn",
|
| 1921 |
+
"fin_Latn",
|
| 1922 |
+
"fon_Latn",
|
| 1923 |
+
"fra_Latn",
|
| 1924 |
+
"fur_Latn",
|
| 1925 |
+
"fuv_Latn",
|
| 1926 |
+
"gla_Latn",
|
| 1927 |
+
"gle_Latn",
|
| 1928 |
+
"glg_Latn",
|
| 1929 |
+
"grn_Latn",
|
| 1930 |
+
"guj_Gujr",
|
| 1931 |
+
"hat_Latn",
|
| 1932 |
+
"hau_Latn",
|
| 1933 |
+
"heb_Hebr",
|
| 1934 |
+
"hin_Deva",
|
| 1935 |
+
"hne_Deva",
|
| 1936 |
+
"hrv_Latn",
|
| 1937 |
+
"hun_Latn",
|
| 1938 |
+
"hye_Armn",
|
| 1939 |
+
"ibo_Latn",
|
| 1940 |
+
"ilo_Latn",
|
| 1941 |
+
"ind_Latn",
|
| 1942 |
+
"isl_Latn",
|
| 1943 |
+
"ita_Latn",
|
| 1944 |
+
"jav_Latn",
|
| 1945 |
+
"jpn_Jpan",
|
| 1946 |
+
"kab_Latn",
|
| 1947 |
+
"kac_Latn",
|
| 1948 |
+
"kam_Latn",
|
| 1949 |
+
"kan_Knda",
|
| 1950 |
+
"kas_Arab",
|
| 1951 |
+
"kas_Deva",
|
| 1952 |
+
"kat_Geor",
|
| 1953 |
+
"knc_Arab",
|
| 1954 |
+
"knc_Latn",
|
| 1955 |
+
"kaz_Cyrl",
|
| 1956 |
+
"kbp_Latn",
|
| 1957 |
+
"kea_Latn",
|
| 1958 |
+
"khm_Khmr",
|
| 1959 |
+
"kik_Latn",
|
| 1960 |
+
"kin_Latn",
|
| 1961 |
+
"kir_Cyrl",
|
| 1962 |
+
"kmb_Latn",
|
| 1963 |
+
"kon_Latn",
|
| 1964 |
+
"kor_Hang",
|
| 1965 |
+
"kmr_Latn",
|
| 1966 |
+
"lao_Laoo",
|
| 1967 |
+
"lvs_Latn",
|
| 1968 |
+
"lij_Latn",
|
| 1969 |
+
"lim_Latn",
|
| 1970 |
+
"lin_Latn",
|
| 1971 |
+
"lit_Latn",
|
| 1972 |
+
"lmo_Latn",
|
| 1973 |
+
"ltg_Latn",
|
| 1974 |
+
"ltz_Latn",
|
| 1975 |
+
"lua_Latn",
|
| 1976 |
+
"lug_Latn",
|
| 1977 |
+
"luo_Latn",
|
| 1978 |
+
"lus_Latn",
|
| 1979 |
+
"mag_Deva",
|
| 1980 |
+
"mai_Deva",
|
| 1981 |
+
"mal_Mlym",
|
| 1982 |
+
"mar_Deva",
|
| 1983 |
+
"min_Latn",
|
| 1984 |
+
"mkd_Cyrl",
|
| 1985 |
+
"plt_Latn",
|
| 1986 |
+
"mlt_Latn",
|
| 1987 |
+
"mni_Beng",
|
| 1988 |
+
"khk_Cyrl",
|
| 1989 |
+
"mos_Latn",
|
| 1990 |
+
"mri_Latn",
|
| 1991 |
+
"zsm_Latn",
|
| 1992 |
+
"mya_Mymr",
|
| 1993 |
+
"nld_Latn",
|
| 1994 |
+
"nno_Latn",
|
| 1995 |
+
"nob_Latn",
|
| 1996 |
+
"npi_Deva",
|
| 1997 |
+
"nso_Latn",
|
| 1998 |
+
"nus_Latn",
|
| 1999 |
+
"nya_Latn",
|
| 2000 |
+
"oci_Latn",
|
| 2001 |
+
"gaz_Latn",
|
| 2002 |
+
"ory_Orya",
|
| 2003 |
+
"pag_Latn",
|
| 2004 |
+
"pan_Guru",
|
| 2005 |
+
"pap_Latn",
|
| 2006 |
+
"pol_Latn",
|
| 2007 |
+
"por_Latn",
|
| 2008 |
+
"prs_Arab",
|
| 2009 |
+
"pbt_Arab",
|
| 2010 |
+
"quy_Latn",
|
| 2011 |
+
"ron_Latn",
|
| 2012 |
+
"run_Latn",
|
| 2013 |
+
"rus_Cyrl",
|
| 2014 |
+
"sag_Latn",
|
| 2015 |
+
"san_Deva",
|
| 2016 |
+
"sat_Beng",
|
| 2017 |
+
"scn_Latn",
|
| 2018 |
+
"shn_Mymr",
|
| 2019 |
+
"sin_Sinh",
|
| 2020 |
+
"slk_Latn",
|
| 2021 |
+
"slv_Latn",
|
| 2022 |
+
"smo_Latn",
|
| 2023 |
+
"sna_Latn",
|
| 2024 |
+
"snd_Arab",
|
| 2025 |
+
"som_Latn",
|
| 2026 |
+
"sot_Latn",
|
| 2027 |
+
"spa_Latn",
|
| 2028 |
+
"als_Latn",
|
| 2029 |
+
"srd_Latn",
|
| 2030 |
+
"srp_Cyrl",
|
| 2031 |
+
"ssw_Latn",
|
| 2032 |
+
"sun_Latn",
|
| 2033 |
+
"swe_Latn",
|
| 2034 |
+
"swh_Latn",
|
| 2035 |
+
"szl_Latn",
|
| 2036 |
+
"tam_Taml",
|
| 2037 |
+
"tat_Cyrl",
|
| 2038 |
+
"tel_Telu",
|
| 2039 |
+
"tgk_Cyrl",
|
| 2040 |
+
"tgl_Latn",
|
| 2041 |
+
"tha_Thai",
|
| 2042 |
+
"tir_Ethi",
|
| 2043 |
+
"taq_Latn",
|
| 2044 |
+
"taq_Tfng",
|
| 2045 |
+
"tpi_Latn",
|
| 2046 |
+
"tsn_Latn",
|
| 2047 |
+
"tso_Latn",
|
| 2048 |
+
"tuk_Latn",
|
| 2049 |
+
"tum_Latn",
|
| 2050 |
+
"tur_Latn",
|
| 2051 |
+
"twi_Latn",
|
| 2052 |
+
"tzm_Tfng",
|
| 2053 |
+
"uig_Arab",
|
| 2054 |
+
"ukr_Cyrl",
|
| 2055 |
+
"umb_Latn",
|
| 2056 |
+
"urd_Arab",
|
| 2057 |
+
"uzn_Latn",
|
| 2058 |
+
"vec_Latn",
|
| 2059 |
+
"vie_Latn",
|
| 2060 |
+
"war_Latn",
|
| 2061 |
+
"wol_Latn",
|
| 2062 |
+
"xho_Latn",
|
| 2063 |
+
"ydd_Hebr",
|
| 2064 |
+
"yor_Latn",
|
| 2065 |
+
"yue_Hant",
|
| 2066 |
+
"zho_Hans",
|
| 2067 |
+
"zho_Hant",
|
| 2068 |
+
"zul_Latn",
|
| 2069 |
+
"<mask>"
|
| 2070 |
],
|
| 2071 |
"bos_token": "<s>",
|
| 2072 |
"clean_up_tokenization_spaces": true,
|