Push model using huggingface_hub.

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "pooling_mode_cls_token": false,
+  "pooling_mode_mean_tokens": true,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

README.md

@@ -0,0 +1,336 @@
+---
+tags:
+- setfit
+- sentence-transformers
+- text-classification
+- generated_from_setfit_trainer
+widget:
+- text: 신한벽지 스케치 실크벽지 신비로운 새벽 폭106cm 1롤 15 5m 15099-1 가구/인테리어>DIY자재/용품>벽지>실크벽지
+- text: 네오디움 사각 자석 가로x세로x높이 부영 마그네트 캐취 철물 자재 부속 BYNDSB-40-25-10 가구/인테리어>DIY자재/용품>가구부속품>경첩/꺽쇠/자석철물류
+- text: 다용도 방수 알미늄 시트지 방유 주방 가구/인테리어>DIY자재/용품>시트지>타일시트지
+- text: 카우보이 도어 스윙 1개 카운터 중문 바 협소 화장실 가구/인테리어>DIY자재/용품>리모델링>중문
+- text: 피스커버 못자국 스티커 구멍 흠집 보수 가리기 가구/인테리어>DIY자재/용품>접착제/보수용품
+metrics:
+- accuracy
+pipeline_tag: text-classification
+library_name: setfit
+inference: true
+base_model: mini1013/master_domain
+model-index:
+- name: SetFit with mini1013/master_domain
+  results:
+  - task:
+      type: text-classification
+      name: Text Classification
+    dataset:
+      name: Unknown
+      type: unknown
+      split: test
+    metrics:
+    - type: accuracy
+      value: 1.0
+      name: Accuracy
+---
+
+# SetFit with mini1013/master_domain
+
+This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [mini1013/master_domain](https://huggingface.co/mini1013/master_domain) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance is used for classification.
+
+The model has been trained using an efficient few-shot learning technique that involves:
+
+1. Fine-tuning a [Sentence Transformer](https://www.sbert.net) with contrastive learning.
+2. Training a classification head with features from the fine-tuned Sentence Transformer.
+
+## Model Details
+
+### Model Description
+- **Model Type:** SetFit
+- **Sentence Transformer body:** [mini1013/master_domain](https://huggingface.co/mini1013/master_domain)
+- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
+- **Maximum Sequence Length:** 512 tokens
+- **Number of Classes:** 14 classes
+<!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit)
+- **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
+- **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)
+
+### Model Labels
+| Label | Examples                                                                                                                                                                                                                                                       |
+|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+| 6.0   | <ul><li>'스텐파이프 4M 지름 12 두께 0 9T STS304 가구/인테리어>DIY자재/용품>반제품'</li><li>'필립스2100 에그 미니 보풀제거기 충전식 강력 6중날 가구/인테리어>DIY자재/용품>반제품'</li><li>'피카소 벽지벽면용 4L 칼라메이트 7인치 도구세트 제르니 노루페인트 DP5020 가구/인테리어>DIY자재/용품>반제품'</li></ul>                                               |
+| 4.0   | <ul><li>'굽도리 걸레받이 천정 몰딩 16색 노본 6m 12m 25m 기본형 광폭 와이드굽도리 가구/인테리어>DIY자재/용품>몰딩'</li><li>'깨끗 선정리 몰딩 신형고강도 2호 1박스 100개 걸레받이 선가리개 전선몰드 바닥 전기선 쫄대 가구/인테리어>DIY자재/용품>몰딩'</li><li>'전선몰딩 사각 3호 가구/인테리어>DIY자재/용품>몰딩'</li></ul>                                             |
+| 9.0   | <ul><li>'방수벽 시트지 접착식 스티커 부엌 타일 인테리어 내화성 가구/인테리어>DIY자재/용품>시트지>타일시트지'</li><li>'토리시트 x 5M 무광 연분홍 컬러시트지 단색시트 실루엣카메오4 실루엣포트레이트 사용가능 가구/인테리어>DIY자재/용품>시트지>단색시트지'</li><li>'타일 은박 시트지 10M 대용량 주방 싱크대 가구/인테리어>DIY자재/용품>시트지>타일시트지'</li></ul>                             |
+| 13.0  | <ul><li>'영림임업 월판넬 아트월 오브제 템바보드 직각 대형 1200x2400x15T 구직각템바 주문재 영림161 1개 가구/인테리어>DIY자재/용품>패널'</li><li>'나무아트��� 벽 패널 유럽 인테리어 나무벽지 마감재 장식 3D 보드 디자인 DIY 판넬 가구/인테리어>DIY자재/용품>패널'</li><li>'투명 패널 보드 3장 세트 플라스틱 지붕 선샤인 캐노피 FRP 아크릴 야외 판넬 가구/인테리어>DIY자재/용품>패널'</li></ul>  |
+| 7.0   | <ul><li>'도배 벽지 풀 바르는 기계 시공 롤러 접착 풀칠 셀프 스테인리스 가구/인테리어>DIY자재/용품>벽지>기타벽지'</li><li>'방수 실크벽지 1mX10m 스티커 천정 인테리어 셀프도배 로제 접착식벽지 광폭합지 부분 가구/인테리어>DIY자재/용품>벽지>뮤럴벽지'</li><li>'LX하우시스 테라피 따스한화이트 1롤 5평 친환경 실크벽지 7043-01 가구/인테리어>DIY자재/용품>벽지>실크벽지'</li></ul>               |
+| 11.0  | <ul><li>'욕실천정재 화장실 천창 마감재 리빙보드-L 브라운안티화이트0 8래커 300x600mm 표준 액세서리 300X600 가구/인테리어>DIY자재/용품>타일>도기질타일'</li><li>'원형거울 스테인글라스 거울 모로코 스타일 인테리어 수제 모자이크 가구/인테리어>DIY자재/용품>타일>유리타일'</li><li>'금장 타일 육각 현관 300각 은장 주방 화장실 패턴 300X300 가구/인테리어>DIY자재/용품>타일>자기질타일'</li></ul> |
+| 3.0   | <ul><li>'목재나라 멀바우 집성목 판재 책상 식탁 원목상판 선반 가구/인테리어>DIY자재/용품>목재'</li><li>'목재나라 방킬라이 데크 천연데크 울타리 펜스 가구/인테리어>DIY자재/용품>목재'</li><li>'PB 파티클보드 목재구입 가구/인테리어>DIY자재/용품>목재'</li></ul>                                                                                       |
+| 12.0  | <ul><li>'속빈 콘크리트 블럭 시멘트 큐 공간디자인 PU 구성 요소 경량 중공 벽돌 붓는 예술 장식 가구/인테리어>DIY자재/용품>파벽돌'</li><li>'3D 돌 효과 벽지 DIY 거실 가벽 스티커 PVC벽 가정용 방수 접착 시트지 가구/인테리어>DIY자재/용품>파벽돌'</li><li>'에코스톤볼마커 4개세트 나비 4개 가구/인테리어>DIY자재/용품>파벽돌'</li></ul>                                        |
+| 0.0   | <ul><li>'접시머리 외날피스 철판피스 4x65 10개입 TYF093 가구/인테리어>DIY자재/용품>가구부속품>나사/못'</li><li>'만능 가구다리 높이조절받침대 소음방지 4개입 가구/인테리어>DIY자재/용품>가구부속품>가구바퀴'</li><li>'가구용 황동 주물 두줄 장식장다리 가구/인테리어>DIY자재/용품>가구부속품>가구다리'</li></ul>                                                        |
+| 5.0   | <ul><li>'조립식 데크 타일 초콜릿 가구/인테리어>DIY자재/용품>바닥재>마루'</li><li>'LG 데코타일 에코노 600 mm 9장 1평 1Box 엘지 테코타일 셀프시공 DTE6262-A3 3TX600X600 가구/인테리어>DIY자재/용품>바닥재>기타바닥재'</li><li>'LX하우시스 렉스코트 6 5T 기능성 시트 상업용 바닥재 솔리드 1롤 15M SPF6403 가구/인테리어>DIY자재/용품>바닥재>장판'</li></ul>           |
+| 1.0   | <ul><li>'스티커 그래픽s 커피타임 GDT-967 가구/인테리어>DIY자재/용품>데코스티커'</li><li>'오버그로우 스마일동물캐릭터 아동방 벽장식 포인트스티커 벽인테리어B 가구/인테리어>DIY자재/용품>데코스티커'</li><li>'INNOTECH 금연구역 스티커 금연 축광 야광 형광 위치표시 안전 소방 5800C01 4800C1 가구/인테리어>DIY자재/용품>데코스티커'</li></ul>                                |
+| 2.0   | <ul><li>'대림비앤코 디움 멜로우데이지 플러스 거실욕실 리모델링 가구/인테리어>DIY자재/용품>리모델링>욕실/바스'</li><li>'화이트 카우보이문 카페 스윙도어 화장실 입구 중문 가구/인테리어>DIY자재/용품>리모델링>중문'</li><li>'국산 턱없는 신주평 호차 롤러 창문로라 문바퀴 문틀교체 슬라이딩 가구/인테리어>DIY자재/용품>리모델링>창문/창호/새시'</li></ul>                                      |
+| 10.0  | <ul><li>'가죽 가구 보수 리폼 패치 수선 시트지 스티커 가구/인테리어>DIY자재/용품>접착제/보수용품'</li><li>'마루 가구 보수재 크레용 연성컬러 네오스틱 7번 가구/인테리어>DIY자재/용품>접착제/보수용품'</li><li>'가죽 보수스티커120x60 대형 쇼파 의자 셀프수리 리폼 패치 가구/인테리어>DIY자재/용품>접착제/보수용품'</li></ul>                                                  |
+| 8.0   | <ul><li>'DP 5B AL 주물손잡이 빈티지 레트로 엔틱 중문 문손잡이 전면고정 가구/인테리어>DIY자재/용품>손잡이'</li><li>'가구손잡이 싱크대 신발장 서랍장 엔틱 가구손잡이 가구/인테리어>DIY자재/용품>손잡이'</li><li>'SJB 방문손잡이 방문고리 문고리 문 손잡이 DIY AL920 가구/인테리어>DIY자재/용품>손잡이'</li></ul>                                                    |
+
+## Evaluation
+
+### Metrics
+| Label   | Accuracy |
+|:--------|:---------|
+| **all** | 1.0      |
+
+## Uses
+
+### Direct Use for Inference
+
+First install the SetFit library:
+
+```bash
+pip install setfit
+```
+
+Then you can load this model and run inference.
+
+```python
+from setfit import SetFitModel
+
+# Download from the 🤗 Hub
+model = SetFitModel.from_pretrained("mini1013/master_cate_fi0")
+# Run inference
+preds = model("다용도 방수 알미늄 시트지 방유 주방 가구/인테리어>DIY자재/용품>시트지>타일시트지")
+```
+
+<!--
+### Downstream Use
+
+*List how someone could finetune this model on their own dataset.*
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Set Metrics
+| Training set | Min | Median | Max |
+|:-------------|:----|:-------|:----|
+| Word count   | 2   | 9.0153 | 20  |
+
+| Label | Training Sample Count |
+|:------|:----------------------|
+| 0.0   | 70                    |
+| 1.0   | 70                    |
+| 2.0   | 70                    |
+| 3.0   | 70                    |
+| 4.0   | 70                    |
+| 5.0   | 70                    |
+| 6.0   | 70                    |
+| 7.0   | 70                    |
+| 8.0   | 70                    |
+| 9.0   | 70                    |
+| 10.0  | 70                    |
+| 11.0  | 70                    |
+| 12.0  | 70                    |
+| 13.0  | 70                    |
+
+### Training Hyperparameters
+- batch_size: (256, 256)
+- num_epochs: (30, 30)
+- max_steps: -1
+- sampling_strategy: oversampling
+- num_iterations: 50
+- body_learning_rate: (2e-05, 1e-05)
+- head_learning_rate: 0.01
+- loss: CosineSimilarityLoss
+- distance_metric: cosine_distance
+- margin: 0.25
+- end_to_end: False
+- use_amp: False
+- warmup_proportion: 0.1
+- l2_weight: 0.01
+- seed: 42
+- eval_max_steps: -1
+- load_best_model_at_end: False
+
+### Training Results
+| Epoch   | Step | Training Loss | Validation Loss |
+|:-------:|:----:|:-------------:|:---------------:|
+| 0.0052  | 1    | 0.4943        | -               |
+| 0.2604  | 50   | 0.497         | -               |
+| 0.5208  | 100  | 0.4938        | -               |
+| 0.7812  | 150  | 0.454         | -               |
+| 1.0417  | 200  | 0.31          | -               |
+| 1.3021  | 250  | 0.0825        | -               |
+| 1.5625  | 300  | 0.0174        | -               |
+| 1.8229  | 350  | 0.0104        | -               |
+| 2.0833  | 400  | 0.0018        | -               |
+| 2.3438  | 450  | 0.0002        | -               |
+| 2.6042  | 500  | 0.0001        | -               |
+| 2.8646  | 550  | 0.0001        | -               |
+| 3.125   | 600  | 0.0001        | -               |
+| 3.3854  | 650  | 0.0001        | -               |
+| 3.6458  | 700  | 0.0001        | -               |
+| 3.9062  | 750  | 0.0           | -               |
+| 4.1667  | 800  | 0.0           | -               |
+| 4.4271  | 850  | 0.0           | -               |
+| 4.6875  | 900  | 0.0           | -               |
+| 4.9479  | 950  | 0.0           | -               |
+| 5.2083  | 1000 | 0.0           | -               |
+| 5.4688  | 1050 | 0.0           | -               |
+| 5.7292  | 1100 | 0.0           | -               |
+| 5.9896  | 1150 | 0.0           | -               |
+| 6.25    | 1200 | 0.0           | -               |
+| 6.5104  | 1250 | 0.0           | -               |
+| 6.7708  | 1300 | 0.0           | -               |
+| 7.0312  | 1350 | 0.0           | -               |
+| 7.2917  | 1400 | 0.0           | -               |
+| 7.5521  | 1450 | 0.0           | -               |
+| 7.8125  | 1500 | 0.0           | -               |
+| 8.0729  | 1550 | 0.0           | -               |
+| 8.3333  | 1600 | 0.0           | -               |
+| 8.5938  | 1650 | 0.0           | -               |
+| 8.8542  | 1700 | 0.0           | -               |
+| 9.1146  | 1750 | 0.0           | -               |
+| 9.375   | 1800 | 0.0           | -               |
+| 9.6354  | 1850 | 0.0           | -               |
+| 9.8958  | 1900 | 0.0           | -               |
+| 10.1562 | 1950 | 0.0           | -               |
+| 10.4167 | 2000 | 0.0           | -               |
+| 10.6771 | 2050 | 0.0           | -               |
+| 10.9375 | 2100 | 0.0           | -               |
+| 11.1979 | 2150 | 0.0           | -               |
+| 11.4583 | 2200 | 0.0           | -               |
+| 11.7188 | 2250 | 0.0           | -               |
+| 11.9792 | 2300 | 0.0           | -               |
+| 12.2396 | 2350 | 0.0           | -               |
+| 12.5    | 2400 | 0.0           | -               |
+| 12.7604 | 2450 | 0.0           | -               |
+| 13.0208 | 2500 | 0.0           | -               |
+| 13.2812 | 2550 | 0.0           | -               |
+| 13.5417 | 2600 | 0.0           | -               |
+| 13.8021 | 2650 | 0.0           | -               |
+| 14.0625 | 2700 | 0.0           | -               |
+| 14.3229 | 2750 | 0.0           | -               |
+| 14.5833 | 2800 | 0.0           | -               |
+| 14.8438 | 2850 | 0.0           | -               |
+| 15.1042 | 2900 | 0.0           | -               |
+| 15.3646 | 2950 | 0.0           | -               |
+| 15.625  | 3000 | 0.0           | -               |
+| 15.8854 | 3050 | 0.0           | -               |
+| 16.1458 | 3100 | 0.0           | -               |
+| 16.4062 | 3150 | 0.0           | -               |
+| 16.6667 | 3200 | 0.0           | -               |
+| 16.9271 | 3250 | 0.0           | -               |
+| 17.1875 | 3300 | 0.0           | -               |
+| 17.4479 | 3350 | 0.0           | -               |
+| 17.7083 | 3400 | 0.0           | -               |
+| 17.9688 | 3450 | 0.0           | -               |
+| 18.2292 | 3500 | 0.0           | -               |
+| 18.4896 | 3550 | 0.0           | -               |
+| 18.75   | 3600 | 0.0           | -               |
+| 19.0104 | 3650 | 0.0           | -               |
+| 19.2708 | 3700 | 0.0           | -               |
+| 19.5312 | 3750 | 0.0           | -               |
+| 19.7917 | 3800 | 0.0           | -               |
+| 20.0521 | 3850 | 0.0           | -               |
+| 20.3125 | 3900 | 0.0           | -               |
+| 20.5729 | 3950 | 0.0           | -               |
+| 20.8333 | 4000 | 0.0           | -               |
+| 21.0938 | 4050 | 0.0           | -               |
+| 21.3542 | 4100 | 0.0           | -               |
+| 21.6146 | 4150 | 0.0           | -               |
+| 21.875  | 4200 | 0.0           | -               |
+| 22.1354 | 4250 | 0.0           | -               |
+| 22.3958 | 4300 | 0.0           | -               |
+| 22.6562 | 4350 | 0.0           | -               |
+| 22.9167 | 4400 | 0.0           | -               |
+| 23.1771 | 4450 | 0.0           | -               |
+| 23.4375 | 4500 | 0.0           | -               |
+| 23.6979 | 4550 | 0.0           | -               |
+| 23.9583 | 4600 | 0.0           | -               |
+| 24.2188 | 4650 | 0.0           | -               |
+| 24.4792 | 4700 | 0.0           | -               |
+| 24.7396 | 4750 | 0.0           | -               |
+| 25.0    | 4800 | 0.0           | -               |
+| 25.2604 | 4850 | 0.0           | -               |
+| 25.5208 | 4900 | 0.0           | -               |
+| 25.7812 | 4950 | 0.0           | -               |
+| 26.0417 | 5000 | 0.0           | -               |
+| 26.3021 | 5050 | 0.0           | -               |
+| 26.5625 | 5100 | 0.0           | -               |
+| 26.8229 | 5150 | 0.0           | -               |
+| 27.0833 | 5200 | 0.0           | -               |
+| 27.3438 | 5250 | 0.0           | -               |
+| 27.6042 | 5300 | 0.0           | -               |
+| 27.8646 | 5350 | 0.0           | -               |
+| 28.125  | 5400 | 0.0           | -               |
+| 28.3854 | 5450 | 0.0           | -               |
+| 28.6458 | 5500 | 0.0           | -               |
+| 28.9062 | 5550 | 0.0           | -               |
+| 29.1667 | 5600 | 0.0           | -               |
+| 29.4271 | 5650 | 0.0           | -               |
+| 29.6875 | 5700 | 0.0           | -               |
+| 29.9479 | 5750 | 0.0           | -               |
+
+### Framework Versions
+- Python: 3.10.12
+- SetFit: 1.1.0
+- Sentence Transformers: 3.3.1
+- Transformers: 4.44.2
+- PyTorch: 2.2.0a0+81ea7a4
+- Datasets: 3.2.0
+- Tokenizers: 0.19.1
+
+## Citation
+
+### BibTeX
+```bibtex
+@article{https://doi.org/10.48550/arxiv.2209.11055,
+    doi = {10.48550/ARXIV.2209.11055},
+    url = {https://arxiv.org/abs/2209.11055},
+    author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
+    keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
+    title = {Efficient Few-Shot Learning Without Prompts},
+    publisher = {arXiv},
+    year = {2022},
+    copyright = {Creative Commons Attribution 4.0 International}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,29 @@
+{
+  "_name_or_path": "mini1013/master_item_fi",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "BertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.44.2",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 32000
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.3.1",
+    "transformers": "4.44.2",
+    "pytorch": "2.2.0a0+81ea7a4"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

config_setfit.json

@@ -0,0 +1,4 @@
+{
+  "normalize_embeddings": false,
+  "labels": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f6e60b59d12ee8738a8dbf6c5e26957021cbfd1346940a47539589d5600776af
+size 442494816

model_head.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1c06e847cf8b4a489ff1f2ce4df21303b244d7b690a30a434225c6066fc55022
+size 87047

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 512,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "[SEP]",
+    "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
+  }
+}

tokenizer_config.json

@@ -0,0 +1,66 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "[PAD]",
+      "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": "[UNK]",
+      "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
+    }
+  },
+  "bos_token": "[CLS]",
+  "clean_up_tokenization_spaces": false,
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": false,
+  "eos_token": "[SEP]",
+  "mask_token": "[MASK]",
+  "max_length": 512,
+  "model_max_length": 512,
+  "never_split": null,
+  "pad_to_multiple_of": null,
+  "pad_token": "[PAD]",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "[SEP]",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "[UNK]"
+}