khoantap commited on
Commit
ff70ceb
β€’
1 Parent(s): 47fd028

Upload tokenizer

Browse files
added_tokens.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ {
2
+ "<pad>": 32000
3
+ }
special_tokens_map.json CHANGED
@@ -2,21 +2,22 @@
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
  }
 
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
+ "pad_token": "<unk>",
17
  "unk_token": {
18
  "content": "<unk>",
19
  "lstrip": false,
20
+ "normalized": false,
21
  "rstrip": false,
22
  "single_word": false
23
  }
tokenizer.json CHANGED
@@ -9,7 +9,7 @@
9
  "single_word": false,
10
  "lstrip": false,
11
  "rstrip": false,
12
- "normalized": true,
13
  "special": true
14
  },
15
  {
@@ -18,7 +18,7 @@
18
  "single_word": false,
19
  "lstrip": false,
20
  "rstrip": false,
21
- "normalized": true,
22
  "special": true
23
  },
24
  {
@@ -27,8 +27,17 @@
27
  "single_word": false,
28
  "lstrip": false,
29
  "rstrip": false,
30
- "normalized": true,
31
  "special": true
 
 
 
 
 
 
 
 
 
32
  }
33
  ],
34
  "normalizer": {
@@ -93266,126 +93275,126 @@
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": false,
13
  "special": true
14
  },
15
  {
 
18
  "single_word": false,
19
  "lstrip": false,
20
  "rstrip": false,
21
+ "normalized": false,
22
  "special": true
23
  },
24
  {
 
27
  "single_word": false,
28
  "lstrip": false,
29
  "rstrip": false,
30
+ "normalized": false,
31
  "special": true
32
+ },
33
+ {
34
+ "id": 32000,
35
+ "content": "<pad>",
36
+ "single_word": false,
37
+ "lstrip": false,
38
+ "rstrip": false,
39
+ "normalized": true,
40
+ "special": false
41
  }
42
  ],
43
  "normalizer": {
 
93275
  "▁livre s",
93276
  "lu b",
93277
  "l ub",
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
+ "▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁",
93392
+ "▁▁▁▁▁▁▁▁▁▁▁▁▁▁ ▁",
93393
+ "▁▁▁ ▁▁▁▁▁▁▁▁▁▁▁▁",
93394
+ "▁▁▁▁▁▁▁▁▁ ▁▁▁▁▁▁",
93395
+ "▁▁▁▁▁▁▁ ▁▁▁▁▁▁▁▁",
93396
+ "▁▁▁▁▁▁▁▁▁▁▁ ▁▁▁▁",
93397
+ "▁ ▁▁▁▁▁▁▁▁▁▁▁▁▁▁"
93398
  ]
93399
  }
93400
  }
tokenizer.model ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9e556afd44213b6bd1be2b850ebbbd98f5481437a8021afaf58ee7fb1818d347
3
+ size 499723
tokenizer_config.json CHANGED
@@ -1,9 +1,11 @@
1
  {
 
 
2
  "bos_token": {
3
  "__type": "AddedToken",
4
  "content": "<s>",
5
  "lstrip": false,
6
- "normalized": true,
7
  "rstrip": false,
8
  "single_word": false
9
  },
@@ -12,19 +14,22 @@
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
  },
 
1
  {
2
+ "add_bos_token": true,
3
+ "add_eos_token": false,
4
  "bos_token": {
5
  "__type": "AddedToken",
6
  "content": "<s>",
7
  "lstrip": false,
8
+ "normalized": false,
9
  "rstrip": false,
10
  "single_word": false
11
  },
 
14
  "__type": "AddedToken",
15
  "content": "</s>",
16
  "lstrip": false,
17
+ "normalized": false,
18
  "rstrip": false,
19
  "single_word": false
20
  },
21
+ "legacy": false,
22
+ "model_max_length": 4096,
23
  "pad_token": null,
24
+ "padding_side": "right",
25
  "sp_model_kwargs": {},
26
+ "spaces_between_special_tokens": false,
27
  "tokenizer_class": "LlamaTokenizer",
28
  "unk_token": {
29
  "__type": "AddedToken",
30
  "content": "<unk>",
31
  "lstrip": false,
32
+ "normalized": false,
33
  "rstrip": false,
34
  "single_word": false
35
  },