Upload tokenizer
Browse files- special_tokens_map.json +0 -1
- tokenizer.json +65 -74
- tokenizer_config.json +0 -9
special_tokens_map.json
CHANGED
|
@@ -3,6 +3,5 @@
|
|
| 3 |
"eos_token": "([eos])",
|
| 4 |
"mask_token": "([mask])",
|
| 5 |
"pad_token": "([pad])",
|
| 6 |
-
"sep_token": " ",
|
| 7 |
"unk_token": "([unk])"
|
| 8 |
}
|
|
|
|
| 3 |
"eos_token": "([eos])",
|
| 4 |
"mask_token": "([mask])",
|
| 5 |
"pad_token": "([pad])",
|
|
|
|
| 6 |
"unk_token": "([unk])"
|
| 7 |
}
|
tokenizer.json
CHANGED
|
@@ -47,21 +47,12 @@
|
|
| 47 |
"rstrip": false,
|
| 48 |
"normalized": false,
|
| 49 |
"special": true
|
| 50 |
-
},
|
| 51 |
-
{
|
| 52 |
-
"id": 100,
|
| 53 |
-
"content": " ",
|
| 54 |
-
"single_word": false,
|
| 55 |
-
"lstrip": false,
|
| 56 |
-
"rstrip": false,
|
| 57 |
-
"normalized": false,
|
| 58 |
-
"special": true
|
| 59 |
}
|
| 60 |
],
|
| 61 |
"normalizer": null,
|
| 62 |
"pre_tokenizer": {
|
| 63 |
"type": "ByteLevel",
|
| 64 |
-
"add_prefix_space":
|
| 65 |
"trim_offsets": true,
|
| 66 |
"use_regex": true
|
| 67 |
},
|
|
@@ -179,139 +170,139 @@
|
|
| 179 |
"Ġt": 33,
|
| 180 |
"he": 34,
|
| 181 |
"Ġa": 35,
|
| 182 |
-
"
|
| 183 |
-
"
|
| 184 |
"Ġs": 38,
|
| 185 |
"Ġw": 39,
|
| 186 |
"Ġo": 40,
|
| 187 |
"re": 41,
|
| 188 |
"nd": 42,
|
| 189 |
-
"
|
| 190 |
-
"
|
| 191 |
"er": 45,
|
| 192 |
"Ġm": 46,
|
| 193 |
-
"
|
| 194 |
-
"
|
| 195 |
"Ġc": 49,
|
| 196 |
"Ġf": 50,
|
| 197 |
"at": 51,
|
| 198 |
"ed": 52,
|
| 199 |
-
"
|
| 200 |
-
"
|
| 201 |
-
"
|
| 202 |
-
"
|
| 203 |
-
"
|
| 204 |
"is": 58,
|
| 205 |
-
"
|
| 206 |
-
"
|
| 207 |
-
"
|
| 208 |
-
"
|
| 209 |
-
"
|
| 210 |
-
"
|
| 211 |
-
"
|
| 212 |
-
"
|
| 213 |
-
"
|
| 214 |
-
"
|
| 215 |
-
"
|
| 216 |
-
"
|
| 217 |
-
"
|
| 218 |
-
"
|
| 219 |
"Ġn": 73,
|
| 220 |
"Ġg": 74,
|
| 221 |
"om": 75,
|
| 222 |
"Ġbe": 76,
|
| 223 |
"Ġha": 77,
|
| 224 |
-
"
|
| 225 |
-
"
|
| 226 |
"ot": 80,
|
| 227 |
-
"
|
| 228 |
-
"
|
| 229 |
-
"
|
| 230 |
-
"
|
| 231 |
-
"
|
| 232 |
-
"
|
| 233 |
-
"
|
| 234 |
-
"
|
| 235 |
-
"
|
| 236 |
-
"
|
| 237 |
-
"
|
| 238 |
-
"
|
| 239 |
-
"
|
| 240 |
"st": 94,
|
| 241 |
-
"
|
| 242 |
-
"
|
| 243 |
"ent": 97,
|
| 244 |
"Ġre": 98,
|
| 245 |
-
"
|
| 246 |
},
|
| 247 |
"merges": [
|
| 248 |
"Ġ t",
|
| 249 |
"h e",
|
| 250 |
"Ġ a",
|
| 251 |
-
"i n",
|
| 252 |
"Ġt he",
|
|
|
|
| 253 |
"Ġ s",
|
| 254 |
"Ġ w",
|
| 255 |
"Ġ o",
|
| 256 |
"r e",
|
| 257 |
"n d",
|
| 258 |
-
"Ġ h",
|
| 259 |
"Ġ b",
|
|
|
|
| 260 |
"e r",
|
| 261 |
"Ġ m",
|
| 262 |
-
"o u",
|
| 263 |
"Ġ i",
|
|
|
|
| 264 |
"Ġ c",
|
| 265 |
"Ġ f",
|
| 266 |
"a t",
|
| 267 |
"e d",
|
|
|
|
| 268 |
"e n",
|
| 269 |
-
"o n",
|
| 270 |
-
"Ġo f",
|
| 271 |
"Ġt o",
|
| 272 |
-
"
|
|
|
|
| 273 |
"i s",
|
| 274 |
-
"in g",
|
| 275 |
"Ġ d",
|
| 276 |
-
"
|
| 277 |
"Ġt h",
|
| 278 |
-
"
|
| 279 |
"Ġ he",
|
|
|
|
|
|
|
| 280 |
"e s",
|
|
|
|
|
|
|
| 281 |
"i t",
|
| 282 |
-
"Ġ l",
|
| 283 |
-
"a s",
|
| 284 |
"a r",
|
| 285 |
-
"
|
| 286 |
"a n",
|
| 287 |
-
"Ġ in",
|
| 288 |
"Ġ n",
|
| 289 |
"Ġ g",
|
| 290 |
"o m",
|
| 291 |
"Ġb e",
|
| 292 |
"Ġh a",
|
| 293 |
-
"l e",
|
| 294 |
"Ġ e",
|
|
|
|
| 295 |
"o t",
|
|
|
|
| 296 |
"u t",
|
| 297 |
"o w",
|
| 298 |
"i c",
|
| 299 |
-
"
|
|
|
|
| 300 |
"l d",
|
| 301 |
"v e",
|
|
|
|
| 302 |
"l y",
|
| 303 |
-
"Ġi t",
|
| 304 |
-
"Ġw h",
|
| 305 |
"Ġw as",
|
| 306 |
-
"s e",
|
| 307 |
-
"Ġth at",
|
| 308 |
"i d",
|
|
|
|
| 309 |
"s t",
|
| 310 |
-
"g h",
|
| 311 |
"Ġo n",
|
|
|
|
| 312 |
"en t",
|
| 313 |
"Ġ re",
|
| 314 |
-
"
|
| 315 |
]
|
| 316 |
}
|
| 317 |
}
|
|
|
|
| 47 |
"rstrip": false,
|
| 48 |
"normalized": false,
|
| 49 |
"special": true
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 50 |
}
|
| 51 |
],
|
| 52 |
"normalizer": null,
|
| 53 |
"pre_tokenizer": {
|
| 54 |
"type": "ByteLevel",
|
| 55 |
+
"add_prefix_space": true,
|
| 56 |
"trim_offsets": true,
|
| 57 |
"use_regex": true
|
| 58 |
},
|
|
|
|
| 170 |
"Ġt": 33,
|
| 171 |
"he": 34,
|
| 172 |
"Ġa": 35,
|
| 173 |
+
"Ġthe": 36,
|
| 174 |
+
"in": 37,
|
| 175 |
"Ġs": 38,
|
| 176 |
"Ġw": 39,
|
| 177 |
"Ġo": 40,
|
| 178 |
"re": 41,
|
| 179 |
"nd": 42,
|
| 180 |
+
"Ġb": 43,
|
| 181 |
+
"Ġh": 44,
|
| 182 |
"er": 45,
|
| 183 |
"Ġm": 46,
|
| 184 |
+
"Ġi": 47,
|
| 185 |
+
"ou": 48,
|
| 186 |
"Ġc": 49,
|
| 187 |
"Ġf": 50,
|
| 188 |
"at": 51,
|
| 189 |
"ed": 52,
|
| 190 |
+
"Ġand": 53,
|
| 191 |
+
"en": 54,
|
| 192 |
+
"Ġto": 55,
|
| 193 |
+
"Ġof": 56,
|
| 194 |
+
"on": 57,
|
| 195 |
"is": 58,
|
| 196 |
+
"Ġd": 59,
|
| 197 |
+
"ing": 60,
|
| 198 |
+
"Ġth": 61,
|
| 199 |
+
"Ġp": 62,
|
| 200 |
+
"Ġhe": 63,
|
| 201 |
+
"or": 64,
|
| 202 |
+
"Ġl": 65,
|
| 203 |
+
"es": 66,
|
| 204 |
+
"Ġin": 67,
|
| 205 |
+
"ll": 68,
|
| 206 |
+
"it": 69,
|
| 207 |
+
"ar": 70,
|
| 208 |
+
"as": 71,
|
| 209 |
+
"an": 72,
|
| 210 |
"Ġn": 73,
|
| 211 |
"Ġg": 74,
|
| 212 |
"om": 75,
|
| 213 |
"Ġbe": 76,
|
| 214 |
"Ġha": 77,
|
| 215 |
+
"Ġe": 78,
|
| 216 |
+
"le": 79,
|
| 217 |
"ot": 80,
|
| 218 |
+
"Ġy": 81,
|
| 219 |
+
"ut": 82,
|
| 220 |
+
"ow": 83,
|
| 221 |
+
"ic": 84,
|
| 222 |
+
"Ġwh": 85,
|
| 223 |
+
"Ġit": 86,
|
| 224 |
+
"ld": 87,
|
| 225 |
+
"ve": 88,
|
| 226 |
+
"Ġthat": 89,
|
| 227 |
+
"ly": 90,
|
| 228 |
+
"Ġwas": 91,
|
| 229 |
+
"id": 92,
|
| 230 |
+
"se": 93,
|
| 231 |
"st": 94,
|
| 232 |
+
"Ġon": 95,
|
| 233 |
+
"gh": 96,
|
| 234 |
"ent": 97,
|
| 235 |
"Ġre": 98,
|
| 236 |
+
"Ġyou": 99
|
| 237 |
},
|
| 238 |
"merges": [
|
| 239 |
"Ġ t",
|
| 240 |
"h e",
|
| 241 |
"Ġ a",
|
|
|
|
| 242 |
"Ġt he",
|
| 243 |
+
"i n",
|
| 244 |
"Ġ s",
|
| 245 |
"Ġ w",
|
| 246 |
"Ġ o",
|
| 247 |
"r e",
|
| 248 |
"n d",
|
|
|
|
| 249 |
"Ġ b",
|
| 250 |
+
"Ġ h",
|
| 251 |
"e r",
|
| 252 |
"Ġ m",
|
|
|
|
| 253 |
"Ġ i",
|
| 254 |
+
"o u",
|
| 255 |
"Ġ c",
|
| 256 |
"Ġ f",
|
| 257 |
"a t",
|
| 258 |
"e d",
|
| 259 |
+
"Ġa nd",
|
| 260 |
"e n",
|
|
|
|
|
|
|
| 261 |
"Ġt o",
|
| 262 |
+
"Ġo f",
|
| 263 |
+
"o n",
|
| 264 |
"i s",
|
|
|
|
| 265 |
"Ġ d",
|
| 266 |
+
"in g",
|
| 267 |
"Ġt h",
|
| 268 |
+
"Ġ p",
|
| 269 |
"Ġ he",
|
| 270 |
+
"o r",
|
| 271 |
+
"Ġ l",
|
| 272 |
"e s",
|
| 273 |
+
"Ġ in",
|
| 274 |
+
"l l",
|
| 275 |
"i t",
|
|
|
|
|
|
|
| 276 |
"a r",
|
| 277 |
+
"a s",
|
| 278 |
"a n",
|
|
|
|
| 279 |
"Ġ n",
|
| 280 |
"Ġ g",
|
| 281 |
"o m",
|
| 282 |
"Ġb e",
|
| 283 |
"Ġh a",
|
|
|
|
| 284 |
"Ġ e",
|
| 285 |
+
"l e",
|
| 286 |
"o t",
|
| 287 |
+
"Ġ y",
|
| 288 |
"u t",
|
| 289 |
"o w",
|
| 290 |
"i c",
|
| 291 |
+
"Ġw h",
|
| 292 |
+
"Ġi t",
|
| 293 |
"l d",
|
| 294 |
"v e",
|
| 295 |
+
"Ġth at",
|
| 296 |
"l y",
|
|
|
|
|
|
|
| 297 |
"Ġw as",
|
|
|
|
|
|
|
| 298 |
"i d",
|
| 299 |
+
"s e",
|
| 300 |
"s t",
|
|
|
|
| 301 |
"Ġo n",
|
| 302 |
+
"g h",
|
| 303 |
"en t",
|
| 304 |
"Ġ re",
|
| 305 |
+
"Ġy ou"
|
| 306 |
]
|
| 307 |
}
|
| 308 |
}
|
tokenizer_config.json
CHANGED
|
@@ -39,14 +39,6 @@
|
|
| 39 |
"rstrip": false,
|
| 40 |
"single_word": false,
|
| 41 |
"special": true
|
| 42 |
-
},
|
| 43 |
-
"100": {
|
| 44 |
-
"content": " ",
|
| 45 |
-
"lstrip": false,
|
| 46 |
-
"normalized": false,
|
| 47 |
-
"rstrip": false,
|
| 48 |
-
"single_word": false,
|
| 49 |
-
"special": true
|
| 50 |
}
|
| 51 |
},
|
| 52 |
"bos_token": "([bos])",
|
|
@@ -55,7 +47,6 @@
|
|
| 55 |
"mask_token": "([mask])",
|
| 56 |
"model_max_length": 1000000000000000019884624838656,
|
| 57 |
"pad_token": "([pad])",
|
| 58 |
-
"sep_token": " ",
|
| 59 |
"tokenizer_class": "PreTrainedTokenizerFast",
|
| 60 |
"unk_token": "([unk])"
|
| 61 |
}
|
|
|
|
| 39 |
"rstrip": false,
|
| 40 |
"single_word": false,
|
| 41 |
"special": true
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 42 |
}
|
| 43 |
},
|
| 44 |
"bos_token": "([bos])",
|
|
|
|
| 47 |
"mask_token": "([mask])",
|
| 48 |
"model_max_length": 1000000000000000019884624838656,
|
| 49 |
"pad_token": "([pad])",
|
|
|
|
| 50 |
"tokenizer_class": "PreTrainedTokenizerFast",
|
| 51 |
"unk_token": "([unk])"
|
| 52 |
}
|