averoo commited on
Commit
9a98583
·
verified ·
1 Parent(s): c54815f

Upload folder using huggingface_hub

Browse files
.gitattributes CHANGED
@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ tokenizer.json filter=lfs diff=lfs merge=lfs -text
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": true,
4
+ "pooling_mode_mean_tokens": false,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
2_Dense/config.json ADDED
@@ -0,0 +1 @@
 
 
1
+ {"in_features": 768, "out_features": 768, "bias": true, "activation_function": "torch.nn.modules.activation.Tanh"}
2_Dense/model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:0bc35b253cd21ee40b652c3fd3d35c6f6d2aec059b8608feb1938292e9e33455
3
+ size 2362528
README.md ADDED
@@ -0,0 +1,370 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ tags:
3
+ - sentence-transformers
4
+ - sentence-similarity
5
+ - feature-extraction
6
+ - generated_from_trainer
7
+ - dataset_size:3793
8
+ - loss:MultipleNegativesRankingLoss
9
+ base_model: sentence-transformers/LaBSE
10
+ widget:
11
+ - source_sentence: Ол маска ыттаммын, Өксөкү уйатын түгэҕин дьөлө хаһан, күн ыраахтааҕы,
12
+ эн кыыскын мин түһэрбитим.
13
+ sentences:
14
+ - Со слов старожила Борогонского наслега Вилюйского улуса О.Т. Мальцева было записано
15
+ несколько преданий о заселении здешних мест якутами.
16
+ - Взобравшись на то дерево, насквозь пробил низ гнезда и, о великий царь, дочь твою
17
+ выкрав, спустился вниз я.
18
+ - В те времена настоящее имя Оногоччута было Болторуу.
19
+ - source_sentence: Ону кэпсииллэр этэ, абааһыга хотторбут, диэн.
20
+ sentences:
21
+ - Рассказывали, что его победил абаасы (злой дух).
22
+ - Он камлал.
23
+ - Смотрит — на ладони кожа содрана до костей и блестит.
24
+ - source_sentence: Баай Батыгыраан күҥҥэ көрбүт соҕотох уолун бэйэтин аатынан Дьөгүөр
25
+ диэн ааттаабыт.
26
+ sentences:
27
+ - Видимо, поэтому и в старину, когда еще местности называли по их местоположению,
28
+ именовали это озеро «Оргоот кюёлэ», как и соответствовало действительности.
29
+ - 'Наш человек сильно расстроился, не находил себе места, не знал, куда податься,
30
+ и всплакнул со словами: «Даже такой великий богатырь ничего не смог сделать, ничего
31
+ не смог достичь, а я …», и сняв шапку, немножко постоял, в мыслях простился с
32
+ богатырем.'
33
+ - Баай Батыгыраан любимому сыну дал свое имя — Джегор.
34
+ - source_sentence: 'Уол: «Үһүс уобуруччу түстэ!», — диэтэ.'
35
+ sentences:
36
+ - Веревка натянулась, а руку начало жечь огнем.
37
+ - 'Парень сообщил: «Третий обруч упал!».'
38
+ - Там богатая семья Василия Докторова (Ногнооуйук) встретила Манчары с почетом.
39
+ - source_sentence: Ас бастыҥын аһаппыттар.
40
+ sentences:
41
+ - Семь бед — один ответ!" — сказал Тортойо, скинул свое пальтишко и приготовился
42
+ к драке.
43
+ - — Ничего нового не рассказывает, говорит, что живут хорошо. Рассказал о том, что
44
+ волки напали на их табуны, потому нанесли большие убытки.
45
+ - Его накормили лучшей едой.
46
+ pipeline_tag: sentence-similarity
47
+ library_name: sentence-transformers
48
+ ---
49
+
50
+ # SentenceTransformer based on sentence-transformers/LaBSE
51
+
52
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/LaBSE](https://huggingface.co/sentence-transformers/LaBSE). It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
53
+
54
+ ## Model Details
55
+
56
+ ### Model Description
57
+ - **Model Type:** Sentence Transformer
58
+ - **Base model:** [sentence-transformers/LaBSE](https://huggingface.co/sentence-transformers/LaBSE) <!-- at revision 836121a0533e5664b21c7aacc5d22951f2b8b25b -->
59
+ - **Maximum Sequence Length:** 256 tokens
60
+ - **Output Dimensionality:** 768 dimensions
61
+ - **Similarity Function:** Cosine Similarity
62
+ <!-- - **Training Dataset:** Unknown -->
63
+ <!-- - **Language:** Unknown -->
64
+ <!-- - **License:** Unknown -->
65
+
66
+ ### Model Sources
67
+
68
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
69
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
70
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
71
+
72
+ ### Full Model Architecture
73
+
74
+ ```
75
+ SentenceTransformer(
76
+ (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel
77
+ (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
78
+ (2): Dense({'in_features': 768, 'out_features': 768, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
79
+ (3): Normalize()
80
+ )
81
+ ```
82
+
83
+ ## Usage
84
+
85
+ ### Direct Usage (Sentence Transformers)
86
+
87
+ First install the Sentence Transformers library:
88
+
89
+ ```bash
90
+ pip install -U sentence-transformers
91
+ ```
92
+
93
+ Then you can load this model and run inference.
94
+ ```python
95
+ from sentence_transformers import SentenceTransformer
96
+
97
+ # Download from the 🤗 Hub
98
+ model = SentenceTransformer("sentence_transformers_model_id")
99
+ # Run inference
100
+ sentences = [
101
+ 'Ас бастыҥын аһаппыттар.',
102
+ 'Его накормили лучшей едой.',
103
+ 'Семь бед — один ответ!" — сказал Тортойо, скинул свое пальтишко и приготовился к драке.',
104
+ ]
105
+ embeddings = model.encode(sentences)
106
+ print(embeddings.shape)
107
+ # [3, 768]
108
+
109
+ # Get the similarity scores for the embeddings
110
+ similarities = model.similarity(embeddings, embeddings)
111
+ print(similarities.shape)
112
+ # [3, 3]
113
+ ```
114
+
115
+ <!--
116
+ ### Direct Usage (Transformers)
117
+
118
+ <details><summary>Click to see the direct usage in Transformers</summary>
119
+
120
+ </details>
121
+ -->
122
+
123
+ <!--
124
+ ### Downstream Usage (Sentence Transformers)
125
+
126
+ You can finetune this model on your own dataset.
127
+
128
+ <details><summary>Click to expand</summary>
129
+
130
+ </details>
131
+ -->
132
+
133
+ <!--
134
+ ### Out-of-Scope Use
135
+
136
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
137
+ -->
138
+
139
+ <!--
140
+ ## Bias, Risks and Limitations
141
+
142
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
143
+ -->
144
+
145
+ <!--
146
+ ### Recommendations
147
+
148
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
149
+ -->
150
+
151
+ ## Training Details
152
+
153
+ ### Training Dataset
154
+
155
+ #### Unnamed Dataset
156
+
157
+ * Size: 3,793 training samples
158
+ * Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>label</code>
159
+ * Approximate statistics based on the first 1000 samples:
160
+ | | sentence_0 | sentence_1 | label |
161
+ |:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:--------------------------------------------------------------|
162
+ | type | string | string | float |
163
+ | details | <ul><li>min: 5 tokens</li><li>mean: 40.87 tokens</li><li>max: 235 tokens</li></ul> | <ul><li>min: 4 tokens</li><li>mean: 28.84 tokens</li><li>max: 180 tokens</li></ul> | <ul><li>min: 1.0</li><li>mean: 1.0</li><li>max: 1.0</li></ul> |
164
+ * Samples:
165
+ | sentence_0 | sentence_1 | label |
166
+ |:------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------|:-----------------|
167
+ | <code>Уолаттар кыттыһан бултуур буолбуттара.</code> | <code>Вот почему так много было разбросано шкур белок.</code> | <code>1.0</code> |
168
+ | <code>Кини Бүлүү баһыттан Ботуобуйа диэкиттэн кэлэн олоҕурбут.</code> | <code>Он пришел с устья Вилюйска, со стороны Ботуобуйа и обосновался здесь.</code> | <code>1.0</code> |
169
+ | <code>Үөһэ таҕыстар тахсан, кыркаҕа биллибэт, кырымаҕа көстүбэт кыырай маҥан халлааҥҥа кырдаайы кыыл саҕа буолуор диэри тахсыбыта.</code> | <code>Забиралась птица вверх так высоко, пока не стала подобна мошке на белом небосводе.</code> | <code>1.0</code> |
170
+ * Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
171
+ ```json
172
+ {
173
+ "scale": 20.0,
174
+ "similarity_fct": "cos_sim"
175
+ }
176
+ ```
177
+
178
+ ### Training Hyperparameters
179
+ #### Non-Default Hyperparameters
180
+
181
+ - `eval_strategy`: steps
182
+ - `per_device_train_batch_size`: 10
183
+ - `per_device_eval_batch_size`: 10
184
+ - `num_train_epochs`: 2
185
+ - `fp16`: True
186
+ - `multi_dataset_batch_sampler`: round_robin
187
+
188
+ #### All Hyperparameters
189
+ <details><summary>Click to expand</summary>
190
+
191
+ - `overwrite_output_dir`: False
192
+ - `do_predict`: False
193
+ - `eval_strategy`: steps
194
+ - `prediction_loss_only`: True
195
+ - `per_device_train_batch_size`: 10
196
+ - `per_device_eval_batch_size`: 10
197
+ - `per_gpu_train_batch_size`: None
198
+ - `per_gpu_eval_batch_size`: None
199
+ - `gradient_accumulation_steps`: 1
200
+ - `eval_accumulation_steps`: None
201
+ - `torch_empty_cache_steps`: None
202
+ - `learning_rate`: 5e-05
203
+ - `weight_decay`: 0.0
204
+ - `adam_beta1`: 0.9
205
+ - `adam_beta2`: 0.999
206
+ - `adam_epsilon`: 1e-08
207
+ - `max_grad_norm`: 1
208
+ - `num_train_epochs`: 2
209
+ - `max_steps`: -1
210
+ - `lr_scheduler_type`: linear
211
+ - `lr_scheduler_kwargs`: {}
212
+ - `warmup_ratio`: 0.0
213
+ - `warmup_steps`: 0
214
+ - `log_level`: passive
215
+ - `log_level_replica`: warning
216
+ - `log_on_each_node`: True
217
+ - `logging_nan_inf_filter`: True
218
+ - `save_safetensors`: True
219
+ - `save_on_each_node`: False
220
+ - `save_only_model`: False
221
+ - `restore_callback_states_from_checkpoint`: False
222
+ - `no_cuda`: False
223
+ - `use_cpu`: False
224
+ - `use_mps_device`: False
225
+ - `seed`: 42
226
+ - `data_seed`: None
227
+ - `jit_mode_eval`: False
228
+ - `use_ipex`: False
229
+ - `bf16`: False
230
+ - `fp16`: True
231
+ - `fp16_opt_level`: O1
232
+ - `half_precision_backend`: auto
233
+ - `bf16_full_eval`: False
234
+ - `fp16_full_eval`: False
235
+ - `tf32`: None
236
+ - `local_rank`: 0
237
+ - `ddp_backend`: None
238
+ - `tpu_num_cores`: None
239
+ - `tpu_metrics_debug`: False
240
+ - `debug`: []
241
+ - `dataloader_drop_last`: False
242
+ - `dataloader_num_workers`: 0
243
+ - `dataloader_prefetch_factor`: None
244
+ - `past_index`: -1
245
+ - `disable_tqdm`: False
246
+ - `remove_unused_columns`: True
247
+ - `label_names`: None
248
+ - `load_best_model_at_end`: False
249
+ - `ignore_data_skip`: False
250
+ - `fsdp`: []
251
+ - `fsdp_min_num_params`: 0
252
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
253
+ - `fsdp_transformer_layer_cls_to_wrap`: None
254
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
255
+ - `deepspeed`: None
256
+ - `label_smoothing_factor`: 0.0
257
+ - `optim`: adamw_torch
258
+ - `optim_args`: None
259
+ - `adafactor`: False
260
+ - `group_by_length`: False
261
+ - `length_column_name`: length
262
+ - `ddp_find_unused_parameters`: None
263
+ - `ddp_bucket_cap_mb`: None
264
+ - `ddp_broadcast_buffers`: False
265
+ - `dataloader_pin_memory`: True
266
+ - `dataloader_persistent_workers`: False
267
+ - `skip_memory_metrics`: True
268
+ - `use_legacy_prediction_loop`: False
269
+ - `push_to_hub`: False
270
+ - `resume_from_checkpoint`: None
271
+ - `hub_model_id`: None
272
+ - `hub_strategy`: every_save
273
+ - `hub_private_repo`: None
274
+ - `hub_always_push`: False
275
+ - `gradient_checkpointing`: False
276
+ - `gradient_checkpointing_kwargs`: None
277
+ - `include_inputs_for_metrics`: False
278
+ - `include_for_metrics`: []
279
+ - `eval_do_concat_batches`: True
280
+ - `fp16_backend`: auto
281
+ - `push_to_hub_model_id`: None
282
+ - `push_to_hub_organization`: None
283
+ - `mp_parameters`:
284
+ - `auto_find_batch_size`: False
285
+ - `full_determinism`: False
286
+ - `torchdynamo`: None
287
+ - `ray_scope`: last
288
+ - `ddp_timeout`: 1800
289
+ - `torch_compile`: False
290
+ - `torch_compile_backend`: None
291
+ - `torch_compile_mode`: None
292
+ - `include_tokens_per_second`: False
293
+ - `include_num_input_tokens_seen`: False
294
+ - `neftune_noise_alpha`: None
295
+ - `optim_target_modules`: None
296
+ - `batch_eval_metrics`: False
297
+ - `eval_on_start`: False
298
+ - `use_liger_kernel`: False
299
+ - `eval_use_gather_object`: False
300
+ - `average_tokens_across_devices`: False
301
+ - `prompts`: None
302
+ - `batch_sampler`: batch_sampler
303
+ - `multi_dataset_batch_sampler`: round_robin
304
+
305
+ </details>
306
+
307
+ ### Training Logs
308
+ | Epoch | Step |
309
+ |:------:|:----:|
310
+ | 0.2632 | 100 |
311
+ | 0.5263 | 200 |
312
+ | 0.7895 | 300 |
313
+ | 1.0 | 380 |
314
+
315
+
316
+ ### Framework Versions
317
+ - Python: 3.11.11
318
+ - Sentence Transformers: 4.1.0
319
+ - Transformers: 4.52.4
320
+ - PyTorch: 2.7.1+cu126
321
+ - Accelerate: 1.8.1
322
+ - Datasets: 3.6.0
323
+ - Tokenizers: 0.21.1
324
+
325
+ ## Citation
326
+
327
+ ### BibTeX
328
+
329
+ #### Sentence Transformers
330
+ ```bibtex
331
+ @inproceedings{reimers-2019-sentence-bert,
332
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
333
+ author = "Reimers, Nils and Gurevych, Iryna",
334
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
335
+ month = "11",
336
+ year = "2019",
337
+ publisher = "Association for Computational Linguistics",
338
+ url = "https://arxiv.org/abs/1908.10084",
339
+ }
340
+ ```
341
+
342
+ #### MultipleNegativesRankingLoss
343
+ ```bibtex
344
+ @misc{henderson2017efficient,
345
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
346
+ author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
347
+ year={2017},
348
+ eprint={1705.00652},
349
+ archivePrefix={arXiv},
350
+ primaryClass={cs.CL}
351
+ }
352
+ ```
353
+
354
+ <!--
355
+ ## Glossary
356
+
357
+ *Clearly define terms in order to be accessible across audiences.*
358
+ -->
359
+
360
+ <!--
361
+ ## Model Card Authors
362
+
363
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
364
+ -->
365
+
366
+ <!--
367
+ ## Model Card Contact
368
+
369
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
370
+ -->
config.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "BertModel"
4
+ ],
5
+ "attention_probs_dropout_prob": 0.1,
6
+ "classifier_dropout": null,
7
+ "directionality": "bidi",
8
+ "gradient_checkpointing": false,
9
+ "hidden_act": "gelu",
10
+ "hidden_dropout_prob": 0.1,
11
+ "hidden_size": 768,
12
+ "initializer_range": 0.02,
13
+ "intermediate_size": 3072,
14
+ "layer_norm_eps": 1e-12,
15
+ "max_position_embeddings": 512,
16
+ "model_type": "bert",
17
+ "num_attention_heads": 12,
18
+ "num_hidden_layers": 12,
19
+ "pad_token_id": 0,
20
+ "pooler_fc_size": 768,
21
+ "pooler_num_attention_heads": 12,
22
+ "pooler_num_fc_layers": 3,
23
+ "pooler_size_per_head": 128,
24
+ "pooler_type": "first_token_transform",
25
+ "position_embedding_type": "absolute",
26
+ "torch_dtype": "float32",
27
+ "transformers_version": "4.52.4",
28
+ "type_vocab_size": 2,
29
+ "use_cache": true,
30
+ "vocab_size": 501153
31
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "4.1.0",
4
+ "transformers": "4.52.4",
5
+ "pytorch": "2.7.1+cu126"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": "cosine"
10
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:27f5b64f9e65b7a991e5e3270a55436a4087c337dff1bfcb9cacca63632c676f
3
+ size 1883730160
modules.json ADDED
@@ -0,0 +1,26 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ },
14
+ {
15
+ "idx": 2,
16
+ "name": "2",
17
+ "path": "2_Dense",
18
+ "type": "sentence_transformers.models.Dense"
19
+ },
20
+ {
21
+ "idx": 3,
22
+ "name": "3",
23
+ "path": "3_Normalize",
24
+ "type": "sentence_transformers.models.Normalize"
25
+ }
26
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 256,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,37 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "cls_token": {
3
+ "content": "[CLS]",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "mask_token": {
10
+ "content": "[MASK]",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "pad_token": {
17
+ "content": "[PAD]",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "sep_token": {
24
+ "content": "[SEP]",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "unk_token": {
31
+ "content": "[UNK]",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ }
37
+ }
tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:92262b29204f8fdc169a63f9005a0e311a16262cef4d96ecfe2a7ed638662ed3
3
+ size 13632172
tokenizer_config.json ADDED
@@ -0,0 +1,59 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "[PAD]",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "100": {
12
+ "content": "[UNK]",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "101": {
20
+ "content": "[CLS]",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "102": {
28
+ "content": "[SEP]",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "103": {
36
+ "content": "[MASK]",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "clean_up_tokenization_spaces": false,
45
+ "cls_token": "[CLS]",
46
+ "do_basic_tokenize": true,
47
+ "do_lower_case": false,
48
+ "extra_special_tokens": {},
49
+ "full_tokenizer_file": null,
50
+ "mask_token": "[MASK]",
51
+ "model_max_length": 256,
52
+ "never_split": null,
53
+ "pad_token": "[PAD]",
54
+ "sep_token": "[SEP]",
55
+ "strip_accents": null,
56
+ "tokenize_chinese_chars": true,
57
+ "tokenizer_class": "BertTokenizer",
58
+ "unk_token": "[UNK]"
59
+ }
vocab.txt ADDED
The diff for this file is too large to render. See raw diff