khoantap commited on
Commit
1dea302
β€’
1 Parent(s): bac3c56

Upload tokenizer

Browse files
Files changed (3) hide show
  1. special_tokens_map.json +3 -3
  2. tokenizer.json +99 -99
  3. tokenizer_config.json +3 -5
special_tokens_map.json CHANGED
@@ -2,21 +2,21 @@
2
  "bos_token": {
3
  "content": "<s>",
4
  "lstrip": false,
5
- "normalized": false,
6
  "rstrip": false,
7
  "single_word": false
8
  },
9
  "eos_token": {
10
  "content": "</s>",
11
  "lstrip": false,
12
- "normalized": false,
13
  "rstrip": false,
14
  "single_word": false
15
  },
16
  "unk_token": {
17
  "content": "<unk>",
18
  "lstrip": false,
19
- "normalized": false,
20
  "rstrip": false,
21
  "single_word": false
22
  }
 
2
  "bos_token": {
3
  "content": "<s>",
4
  "lstrip": false,
5
+ "normalized": true,
6
  "rstrip": false,
7
  "single_word": false
8
  },
9
  "eos_token": {
10
  "content": "</s>",
11
  "lstrip": false,
12
+ "normalized": true,
13
  "rstrip": false,
14
  "single_word": false
15
  },
16
  "unk_token": {
17
  "content": "<unk>",
18
  "lstrip": false,
19
+ "normalized": true,
20
  "rstrip": false,
21
  "single_word": false
22
  }
tokenizer.json CHANGED
@@ -9,7 +9,7 @@
9
  "single_word": false,
10
  "lstrip": false,
11
  "rstrip": false,
12
- "normalized": false,
13
  "special": true
14
  },
15
  {
@@ -18,7 +18,7 @@
18
  "single_word": false,
19
  "lstrip": false,
20
  "rstrip": false,
21
- "normalized": false,
22
  "special": true
23
  },
24
  {
@@ -27,7 +27,7 @@
27
  "single_word": false,
28
  "lstrip": false,
29
  "rstrip": false,
30
- "normalized": false,
31
  "special": true
32
  }
33
  ],
@@ -93266,126 +93266,126 @@
93266
  "▁livre s",
93267
  "lu b",
93268
  "l ub",
93269
- "▁ ▁",
93270
  "▁▁ ▁▁",
93271
- "▁▁▁ ▁",
93272
- "▁ ▁▁▁",
 
93273
  "▁▁ ▁▁▁▁▁▁",
93274
- "▁▁▁▁ ▁▁▁▁",
93275
- "▁▁▁▁▁ ▁▁▁",
93276
- "▁▁▁▁▁▁ ▁▁",
93277
- "▁▁▁ ▁▁▁▁▁",
93278
- "▁▁▁▁▁▁▁ ▁",
93279
- "▁ ▁▁▁▁▁▁▁",
93280
- "▁▁ ▁▁▁",
93281
- "▁▁▁▁ ▁",
93282
- "▁▁▁ ▁▁",
93283
- "▁ ▁▁▁▁",
93284
  "▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁▁",
 
 
 
 
 
 
 
 
 
 
93285
  "▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁",
 
 
 
 
 
 
 
 
93286
  "▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁",
 
 
 
 
 
 
 
 
 
 
 
 
 
 
93287
  "▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁",
 
 
 
 
 
 
93288
  "▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁",
 
 
 
 
 
93289
  "▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁",
 
 
 
93290
  "▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁",
 
 
 
 
93291
  "▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁",
 
 
93292
  "▁▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁",
 
 
 
 
 
 
 
93293
  "▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁",
93294
- "▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁",
93295
- "▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁",
93296
- "▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁",
93297
- "▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁",
93298
- "▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁",
93299
- "▁▁ ▁▁▁▁",
93300
- "▁▁▁▁ ▁▁",
93301
- "▁▁▁▁▁ ▁",
93302
  "▁▁▁ ▁▁▁",
93303
- "▁ ▁▁▁▁▁",
93304
- "▁▁ ▁▁��▁▁▁▁▁▁▁",
93305
- "▁▁▁▁ ▁▁▁▁▁▁▁▁",
93306
- "▁▁▁▁▁▁▁▁ ▁▁▁▁",
93307
- "▁▁▁▁▁ ▁▁▁▁▁▁▁",
93308
- "▁▁▁▁▁▁ ▁▁▁▁▁▁",
93309
- "▁▁▁▁▁▁▁▁▁▁ ▁▁",
93310
  "▁▁▁ ▁▁▁▁▁▁▁▁▁",
 
 
 
 
 
 
 
93311
  "▁▁▁▁▁▁▁▁▁ ▁▁▁",
 
 
 
 
 
93312
  "▁▁▁▁▁▁▁ ▁▁▁▁▁",
93313
- "▁▁▁▁▁▁▁▁▁▁▁ ▁",
93314
- "▁ ▁▁▁▁▁▁▁▁▁▁▁",
93315
- "▁▁ ▁▁▁▁▁▁▁▁▁▁▁",
93316
- "▁▁▁▁ ▁▁▁▁▁▁▁▁▁",
93317
- "▁▁▁▁▁▁▁▁ ▁▁▁▁▁",
93318
- "▁▁▁▁▁ ▁▁▁▁▁▁▁▁",
93319
- "▁▁▁▁▁▁ ▁▁▁▁▁▁▁",
93320
- "▁▁▁▁▁▁▁▁▁▁▁▁ ▁",
93321
- "▁▁▁▁▁▁▁▁▁▁ ▁▁▁",
93322
- "▁▁▁ ▁▁▁▁▁▁▁▁▁▁",
93323
- "▁▁▁▁▁▁▁▁▁ ▁▁▁▁",
93324
  "▁▁▁▁▁▁▁ ▁▁▁▁▁▁",
93325
- "▁▁▁▁▁▁▁▁▁▁▁ ▁▁",
93326
- "▁ ▁▁▁▁▁▁▁▁▁▁▁▁",
93327
- "▁▁ ▁▁▁▁▁▁▁▁",
93328
- "▁▁▁▁ ▁▁▁▁▁▁",
93329
- "▁▁▁▁▁▁▁▁ ▁▁",
93330
- "▁▁▁▁▁ ▁▁▁▁▁",
93331
- "▁▁▁▁▁▁ ▁▁▁▁",
93332
- "▁▁▁ ▁▁▁▁▁▁▁",
93333
- "▁▁▁▁▁▁▁▁▁ ▁",
93334
  "▁▁▁▁▁▁▁ ▁▁▁",
93335
- "▁ ▁▁▁▁▁▁▁▁▁",
93336
- "▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁",
93337
- "▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁",
93338
- "▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁",
93339
- "▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁",
93340
- "▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁",
93341
- "▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁",
93342
- "▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁",
93343
- "▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁",
93344
- "▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁",
93345
- "▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁",
93346
  "▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁",
 
 
 
 
93347
  "▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁",
93348
- "▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁",
93349
- "▁▁ ▁",
93350
  "▁ ▁▁",
93351
- "▁▁ ▁▁▁▁▁▁▁",
93352
- "▁▁▁▁ ▁▁▁▁▁",
93353
- "▁▁▁▁▁▁▁▁ ▁",
93354
- "▁▁▁▁▁ ▁▁▁▁",
93355
- "▁▁▁▁▁▁ ▁▁▁",
93356
- "▁▁▁ ▁▁▁▁▁▁",
93357
- "▁▁▁▁▁▁▁ ▁▁",
93358
  "▁ ▁▁▁▁▁▁▁▁",
93359
- "▁▁ ▁▁▁▁▁",
93360
- "▁▁▁▁ ▁▁▁",
93361
- "▁▁▁▁▁ ▁▁",
93362
- "▁▁▁▁▁▁ ▁",
93363
- "▁▁▁ ▁▁▁▁",
93364
  "▁ ▁▁▁▁▁▁",
93365
- "▁▁ ▁▁▁▁▁▁▁▁▁",
93366
- "▁▁▁▁ ▁▁▁▁▁▁▁",
93367
- "▁▁▁▁▁▁▁▁ ▁▁▁",
93368
- "▁▁▁▁▁ ▁▁▁▁▁▁",
93369
- "▁▁▁▁▁▁ ▁▁▁▁▁",
93370
- "▁▁▁▁▁▁▁▁▁▁ ▁",
93371
- "▁▁▁ ▁▁▁▁▁▁▁▁",
93372
- "▁▁▁▁▁▁▁▁▁ ▁▁",
93373
- "▁▁▁▁▁▁▁ ▁▁▁▁",
93374
  "▁ ▁▁▁▁▁▁▁▁▁▁",
93375
- "▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁",
93376
- "▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁",
93377
- "▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁",
93378
- "▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁",
93379
- "▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁",
93380
- "▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁",
93381
- "▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁",
93382
- "▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁",
93383
- "▁▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁",
93384
- "▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁",
93385
- "▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁",
93386
- "▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁",
93387
- "▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁",
93388
- "▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁▁"
93389
  ]
93390
  }
93391
  }
 
9
  "single_word": false,
10
  "lstrip": false,
11
  "rstrip": false,
12
+ "normalized": true,
13
  "special": true
14
  },
15
  {
 
18
  "single_word": false,
19
  "lstrip": false,
20
  "rstrip": false,
21
+ "normalized": true,
22
  "special": true
23
  },
24
  {
 
27
  "single_word": false,
28
  "lstrip": false,
29
  "rstrip": false,
30
+ "normalized": true,
31
  "special": true
32
  }
33
  ],
 
93266
  "▁livre s",
93267
  "lu b",
93268
  "l ub",
 
93269
  "▁▁ ▁▁",
93270
+ "▁▁ ▁▁▁▁",
93271
+ "▁▁ ▁▁▁▁▁▁▁▁",
93272
+ "▁▁ ▁▁▁▁▁",
93273
  "▁▁ ▁▁▁▁▁▁",
93274
+ "▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁",
93275
+ "▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁",
93276
+ "▁▁ ▁▁▁▁▁▁▁▁▁▁",
 
 
 
 
 
 
 
93277
  "▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁▁",
93278
+ "▁▁ ▁▁▁",
93279
+ "▁▁ ▁▁▁▁▁▁▁▁▁",
93280
+ "▁▁ ▁▁▁▁▁▁▁",
93281
+ "▁▁ ▁▁▁▁▁▁▁▁▁▁▁",
93282
+ "▁▁ ▁",
93283
+ "▁▁▁▁ ▁▁",
93284
+ "▁▁▁▁ ▁▁▁▁",
93285
+ "▁▁▁▁ ▁▁▁▁▁▁▁▁",
93286
+ "▁▁▁▁ ▁▁▁▁▁",
93287
+ "▁▁▁▁ ▁▁▁▁▁▁",
93288
  "▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁",
93289
+ "▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁",
93290
+ "▁▁▁▁ ▁▁▁",
93291
+ "▁▁▁▁ ▁▁▁▁▁▁▁▁▁",
93292
+ "▁▁▁▁ ▁▁▁▁▁▁▁",
93293
+ "▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁",
93294
+ "▁▁▁▁ ▁",
93295
+ "▁▁▁▁▁▁▁▁ ▁▁",
93296
+ "▁▁▁▁▁▁▁▁ ▁▁▁▁",
93297
  "▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁",
93298
+ "▁▁▁▁▁▁▁▁ ▁▁▁▁▁",
93299
+ "▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁",
93300
+ "▁▁▁▁▁▁▁▁ ▁▁▁",
93301
+ "▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁",
93302
+ "▁▁▁▁▁▁▁▁ ▁",
93303
+ "▁▁▁▁▁ ▁▁",
93304
+ "▁▁▁▁▁ ▁▁▁▁",
93305
+ "▁▁▁▁▁ ▁▁▁▁▁▁▁▁",
93306
+ "▁▁▁▁▁ ▁▁▁▁▁",
93307
+ "▁▁▁▁▁ ▁▁▁▁▁▁",
93308
+ "▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁",
93309
+ "▁▁▁▁▁ ▁▁▁",
93310
+ "▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁",
93311
+ "▁▁▁▁▁ ▁▁▁▁▁▁▁",
93312
  "▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁",
93313
+ "▁▁▁▁▁ ▁",
93314
+ "▁▁▁▁▁▁ ▁▁",
93315
+ "▁▁▁▁▁▁ ▁▁▁▁",
93316
+ "▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁",
93317
+ "▁▁▁▁▁▁ ▁▁▁▁▁",
93318
+ "▁▁▁▁▁▁ ▁▁▁▁▁▁",
93319
  "▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁▁",
93320
+ "▁▁▁▁▁▁ ▁▁▁",
93321
+ "▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁",
93322
+ "▁▁▁▁▁▁ ▁▁▁▁▁▁▁",
93323
+ "▁▁▁▁▁▁ ▁",
93324
+ "▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁",
93325
  "▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁",
93326
+ "▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁",
93327
+ "▁▁▁▁▁▁▁▁▁▁▁▁ ▁",
93328
+ "▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁",
93329
  "▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁",
93330
+ "▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁",
93331
+ "▁▁▁▁▁▁▁▁▁▁ ▁▁",
93332
+ "▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁",
93333
+ "▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁",
93334
  "▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁",
93335
+ "▁▁▁▁▁▁▁▁▁▁ ▁▁▁",
93336
+ "▁▁▁▁▁▁▁▁▁▁ ▁",
93337
  "▁▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁▁",
93338
+ "▁▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁",
93339
+ "▁▁▁ ▁▁",
93340
+ "▁▁▁ ▁▁▁▁",
93341
+ "▁▁▁ ▁▁▁▁▁▁▁▁",
93342
+ "▁▁▁ ▁▁▁▁▁",
93343
+ "▁▁▁ ▁▁▁▁▁▁",
93344
+ "▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁",
93345
  "▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁",
93346
+ "▁▁▁ ▁▁▁▁▁▁▁▁▁▁",
 
 
 
 
 
 
 
93347
  "▁▁▁ ▁▁▁",
 
 
 
 
 
 
 
93348
  "▁▁▁ ▁▁▁▁▁▁▁▁▁",
93349
+ "▁▁▁ ▁▁▁▁▁▁▁",
93350
+ "▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁",
93351
+ "▁▁▁ ▁",
93352
+ "▁▁▁▁▁▁▁▁▁ ▁▁",
93353
+ "▁▁▁▁▁▁▁▁▁ ▁▁▁▁",
93354
+ "▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁",
93355
+ "▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁",
93356
  "▁▁▁▁▁▁▁▁▁ ▁▁▁",
93357
+ "▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁",
93358
+ "▁▁▁▁▁▁▁▁▁ ▁",
93359
+ "▁▁▁▁▁▁▁ ▁▁",
93360
+ "▁▁▁▁▁▁▁ ▁▁▁▁",
93361
+ "▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁",
93362
  "▁▁▁▁▁▁▁ ▁▁▁▁▁",
 
 
 
 
 
 
 
 
 
 
 
93363
  "▁▁▁▁▁▁▁ ▁▁▁▁▁▁",
 
 
 
 
 
 
 
 
 
93364
  "▁▁▁▁▁▁▁ ▁▁▁",
93365
+ "▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁▁",
 
 
 
 
 
 
 
 
 
 
93366
  "▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁",
93367
+ "▁▁▁▁▁▁▁ ▁",
93368
+ "▁▁▁▁▁▁▁▁▁▁▁ ▁▁",
93369
+ "▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁",
93370
+ "▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁",
93371
  "▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁",
93372
+ "▁▁▁▁▁▁▁▁▁▁▁ ▁",
93373
+ "▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁",
93374
  "▁ ▁▁",
93375
+ "▁ ▁▁▁▁",
 
 
 
 
 
 
93376
  "▁ ▁▁▁▁▁▁▁▁",
93377
+ "▁ ▁▁▁▁▁",
 
 
 
 
93378
  "▁ ▁▁▁▁▁▁",
93379
+ "▁ ▁▁▁▁▁▁▁▁▁▁▁▁",
93380
+ "▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁",
 
 
 
 
 
 
 
93381
  "▁ ▁▁▁▁▁▁▁▁▁▁",
93382
+ "▁ ▁▁��▁▁▁▁▁▁▁▁▁▁▁",
93383
+ "▁ ▁▁▁",
93384
+ "▁ ▁▁▁▁▁▁▁▁▁",
93385
+ "▁ ▁▁▁▁▁▁▁",
93386
+ "▁ ▁▁▁▁▁▁▁▁▁▁▁",
93387
+ "▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁",
93388
+ "▁ ▁"
 
 
 
 
 
 
 
93389
  ]
93390
  }
93391
  }
tokenizer_config.json CHANGED
@@ -3,7 +3,7 @@
3
  "__type": "AddedToken",
4
  "content": "<s>",
5
  "lstrip": false,
6
- "normalized": false,
7
  "rstrip": false,
8
  "single_word": false
9
  },
@@ -12,21 +12,19 @@
12
  "__type": "AddedToken",
13
  "content": "</s>",
14
  "lstrip": false,
15
- "normalized": false,
16
  "rstrip": false,
17
  "single_word": false
18
  },
19
- "legacy": false,
20
  "model_max_length": 1000000000000000019884624838656,
21
  "pad_token": null,
22
- "padding_side": "right",
23
  "sp_model_kwargs": {},
24
  "tokenizer_class": "LlamaTokenizer",
25
  "unk_token": {
26
  "__type": "AddedToken",
27
  "content": "<unk>",
28
  "lstrip": false,
29
- "normalized": false,
30
  "rstrip": false,
31
  "single_word": false
32
  },
 
3
  "__type": "AddedToken",
4
  "content": "<s>",
5
  "lstrip": false,
6
+ "normalized": true,
7
  "rstrip": false,
8
  "single_word": false
9
  },
 
12
  "__type": "AddedToken",
13
  "content": "</s>",
14
  "lstrip": false,
15
+ "normalized": true,
16
  "rstrip": false,
17
  "single_word": false
18
  },
 
19
  "model_max_length": 1000000000000000019884624838656,
20
  "pad_token": null,
 
21
  "sp_model_kwargs": {},
22
  "tokenizer_class": "LlamaTokenizer",
23
  "unk_token": {
24
  "__type": "AddedToken",
25
  "content": "<unk>",
26
  "lstrip": false,
27
+ "normalized": true,
28
  "rstrip": false,
29
  "single_word": false
30
  },