WesleySantos commited on
Commit
f0de993
β€’
1 Parent(s): a8fe092

Upload tokenizer

Browse files
Files changed (3) hide show
  1. special_tokens_map.json +3 -4
  2. tokenizer.json +99 -108
  3. tokenizer_config.json +4 -7
special_tokens_map.json CHANGED
@@ -2,22 +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
- "pad_token": "▁***",
17
  "unk_token": {
18
  "content": "<unk>",
19
  "lstrip": false,
20
- "normalized": false,
21
  "rstrip": false,
22
  "single_word": false
23
  }
 
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
  {
@@ -27,16 +27,7 @@
27
  "single_word": false,
28
  "lstrip": false,
29
  "rstrip": false,
30
- "normalized": false,
31
- "special": true
32
- },
33
- {
34
- "id": 18610,
35
- "content": "▁***",
36
- "single_word": false,
37
- "lstrip": false,
38
- "rstrip": false,
39
- "normalized": false,
40
  "special": true
41
  }
42
  ],
@@ -93275,126 +93266,126 @@
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
  }
 
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
  },
@@ -12,23 +12,20 @@
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
- },
33
- "use_default_system_prompt": true
34
  }
 
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
+ }
 
31
  }