作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
根据 this link , target_vocab_size:
int,要创建的词汇表的大致大小。 该声明对我来说非常模棱两可。据我所知,编码器会将每个词汇表映射到一个唯一的 ID。如果语料库有 vocab_size
会发生什么大于 target_vocab_size
?
最佳答案
Encoding is fully invertible because all out-of-vocab wordpieces are byte-encoded
SubwordTextEncoder
使用非常大的英语文本语料库,以便大多数常用词都在词汇表中。
vocab_size = 10000
tokenizer = tfds.features.text.SubwordTextEncoder.build_from_corpus(
corpus_sentences, vocab_size)
tokenizer.encode("good badwords badxyz")
关于python - target_vocab_size 在 tfds.features.text.SubwordTextEncoder.build_from_corpus 方法中究竟是什么意思?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56308612/
根据 this link , target_vocab_size: int,要创建的词汇表的大致大小。 该声明对我来说非常模棱两可。据我所知,编码器会将每个词汇表映射到一个唯一的 ID。如果语料库有
我是一名优秀的程序员,十分优秀!