bpe coding的几点解析

最近在分析fairseq的源码。对其bpe coding有几点发现。

1. 对\u0120的理解,这个符号是Ġ, 意思是一个词的开头,在Unicode中这个符号对应了空格等空白符。

    参考:https://github.com/openai/gpt-2/issues/80

2. 如果修改bpe coding的分词符,需要对encoder.json就行修改。要把对应的字符加到单词表中。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值