Upload tokenizer_v3.json with huggingface_hub
Browse files- tokenizer_v3.json +141 -0
tokenizer_v3.json
ADDED
|
@@ -0,0 +1,141 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"chars": [
|
| 3 |
+
"\t",
|
| 4 |
+
"\n",
|
| 5 |
+
" ",
|
| 6 |
+
"!",
|
| 7 |
+
"\"",
|
| 8 |
+
"#",
|
| 9 |
+
"$",
|
| 10 |
+
"%",
|
| 11 |
+
"&",
|
| 12 |
+
"'",
|
| 13 |
+
"(",
|
| 14 |
+
")",
|
| 15 |
+
"*",
|
| 16 |
+
"+",
|
| 17 |
+
",",
|
| 18 |
+
"-",
|
| 19 |
+
".",
|
| 20 |
+
"/",
|
| 21 |
+
"0",
|
| 22 |
+
"1",
|
| 23 |
+
"2",
|
| 24 |
+
"3",
|
| 25 |
+
"4",
|
| 26 |
+
"5",
|
| 27 |
+
"6",
|
| 28 |
+
"7",
|
| 29 |
+
"8",
|
| 30 |
+
"9",
|
| 31 |
+
":",
|
| 32 |
+
";",
|
| 33 |
+
"<",
|
| 34 |
+
"=",
|
| 35 |
+
">",
|
| 36 |
+
"?",
|
| 37 |
+
"@",
|
| 38 |
+
"A",
|
| 39 |
+
"B",
|
| 40 |
+
"C",
|
| 41 |
+
"D",
|
| 42 |
+
"E",
|
| 43 |
+
"F",
|
| 44 |
+
"G",
|
| 45 |
+
"H",
|
| 46 |
+
"I",
|
| 47 |
+
"J",
|
| 48 |
+
"K",
|
| 49 |
+
"L",
|
| 50 |
+
"M",
|
| 51 |
+
"N",
|
| 52 |
+
"O",
|
| 53 |
+
"P",
|
| 54 |
+
"Q",
|
| 55 |
+
"R",
|
| 56 |
+
"S",
|
| 57 |
+
"T",
|
| 58 |
+
"U",
|
| 59 |
+
"V",
|
| 60 |
+
"W",
|
| 61 |
+
"X",
|
| 62 |
+
"Y",
|
| 63 |
+
"Z",
|
| 64 |
+
"[",
|
| 65 |
+
"\\",
|
| 66 |
+
"]",
|
| 67 |
+
"^",
|
| 68 |
+
"_",
|
| 69 |
+
"`",
|
| 70 |
+
"a",
|
| 71 |
+
"b",
|
| 72 |
+
"c",
|
| 73 |
+
"d",
|
| 74 |
+
"e",
|
| 75 |
+
"f",
|
| 76 |
+
"g",
|
| 77 |
+
"h",
|
| 78 |
+
"i",
|
| 79 |
+
"j",
|
| 80 |
+
"k",
|
| 81 |
+
"l",
|
| 82 |
+
"m",
|
| 83 |
+
"n",
|
| 84 |
+
"o",
|
| 85 |
+
"p",
|
| 86 |
+
"q",
|
| 87 |
+
"r",
|
| 88 |
+
"s",
|
| 89 |
+
"t",
|
| 90 |
+
"u",
|
| 91 |
+
"v",
|
| 92 |
+
"w",
|
| 93 |
+
"x",
|
| 94 |
+
"y",
|
| 95 |
+
"z",
|
| 96 |
+
"{",
|
| 97 |
+
"|",
|
| 98 |
+
"}",
|
| 99 |
+
"~",
|
| 100 |
+
"«",
|
| 101 |
+
"»",
|
| 102 |
+
"¿",
|
| 103 |
+
"À",
|
| 104 |
+
"Â",
|
| 105 |
+
"Ä",
|
| 106 |
+
"Æ",
|
| 107 |
+
"Ç",
|
| 108 |
+
"È",
|
| 109 |
+
"É",
|
| 110 |
+
"Ê",
|
| 111 |
+
"Ë",
|
| 112 |
+
"Î",
|
| 113 |
+
"Ï",
|
| 114 |
+
"Ô",
|
| 115 |
+
"Ù",
|
| 116 |
+
"Û",
|
| 117 |
+
"Ü",
|
| 118 |
+
"ß",
|
| 119 |
+
"à",
|
| 120 |
+
"â",
|
| 121 |
+
"ä",
|
| 122 |
+
"æ",
|
| 123 |
+
"ç",
|
| 124 |
+
"è",
|
| 125 |
+
"é",
|
| 126 |
+
"ê",
|
| 127 |
+
"ë",
|
| 128 |
+
"î",
|
| 129 |
+
"ï",
|
| 130 |
+
"ñ",
|
| 131 |
+
"ô",
|
| 132 |
+
"ù",
|
| 133 |
+
"û",
|
| 134 |
+
"ü",
|
| 135 |
+
"ÿ",
|
| 136 |
+
"Œ",
|
| 137 |
+
"œ",
|
| 138 |
+
"Ÿ"
|
| 139 |
+
],
|
| 140 |
+
"vocab_size": 136
|
| 141 |
+
}
|