Buckets:
Tokenizadores, listo![[tokenizers-check]]
Gran trabajo terminando este capítulo!
Luego de esta profundizacion en los tokenizadores, deberías:
- Ser capaz de entrenar un nuevo tokenizador usando un existente como plantilla
- Entender como usar los offsets para mapear las posiciones de los tokens a sus trozos de texto original
- Conocer las diferencias entre BPE, WordPiece y Unigram
- Ser capaz de mezclar y combinar los bloques provistos por la librería 🤗 Tokenizers para construir tu propio tokenizador
- Ser capaz de usar el tokenizador dentro de la librería 🤗 Transformers.
Xet Storage Details
- Size:
- 682 Bytes
- Xet hash:
- 2dbfef01721b28654dea4d56e726c810530c356190a893720733c28b033b5144
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.