Transformers documentation

BARThez

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

该模型于 2020-10-23 在 HF papers 上发布,并于 2020-11-27 贡献至 Hugging Face Transformers。

BARThez

BARThez 是一个专为法语任务设计的 BART 模型。与现有的法语 BERT 模型不同,BARThez 包含一个预训练的编码器-解码器,因此它也能生成文本。该模型还提供了一个多语言变体 mBARThez,它是通过在法语语料库上继续预训练多语言 BART 得到的。

您可以在 BARThez 集合中找到所有原始的 BARThez 检查点。

该模型由 moussakam 贡献。 有关更多使用示例,请参阅 BART 文档。

以下示例演示了如何使用 Pipeline、AutoModel 以及命令行来预测 <mask> 标记。

Pipeline
AutoModel
from transformers import pipeline


pipeline = pipeline(
    task="fill-mask",
    model="moussaKam/barthez",
    device=0
)
pipeline("Les plantes produisent <mask> grâce à un processus appelé photosynthèse.")

BarthezTokenizer

class transformers.BarthezTokenizer

< >

( vocab: str | dict | list | None = Nonebos_token = '<s>'eos_token = '</s>'sep_token = '</s>'cls_token = '<s>'unk_token = '<unk>'pad_token = '<pad>'mask_token = '<mask>'add_prefix_space = True**kwargs )

参数

  • bos_token (str, 可选, 默认为 "<s>") — 预训练期间使用的序列起始标记。也可用作序列分类标记。

    在构建序列时,如果使用了特殊标记,序列开头使用的并不是这个标记。实际使用的标记是 cls_token。

  • eos_token (str, 可选, 默认为 "</s>") — 序列结束标记。在构建包含特殊标记的序列时,序列结束使用的并非此标记,而是 sep_token。

    在构建包含特殊标记的序列时,序列末尾使用的并不是这个标记。 实际使用的是 sep_token。

  • sep_token (str,可选,默认为 "</s>") — 分隔符 token,用于从多个序列构建序列时,例如用于序列分类的两个序列,或用于问答的文本和问题。它也用作使用特殊 token 构建的序列的最后一个 token。
  • cls_token (str,可选,默认为 "<s>") — 用于序列分类(对整个序列进行分类,而非逐 token 分类)的分类器 token。当使用特殊 token 构建序列时,它是序列的第一个 token。
  • unk_token (str,可选,默认为 "<unk>") — 未知标记。不在词汇表中的标记无法转换为 ID,因此会被设置为该标记。
  • pad_token (str,可选,默认为 "<pad>") — 用于填充的标记,例如在对长度不同的序列进行批处理时。
  • mask_token (str, 可选,默认为 "<mask>") — 用于掩码值的标记。这是在以掩码语言建模方式训练该模型时所使用的标记,也是模型将尝试预测的标记。
  • vocab_file (str, 可选) — 包含实例化分词器所需词汇表的 SentencePiece 文件(通常具有 .spm 扩展名)。
  • vocab (str、dict 或 list,可选) — 自定义词汇表。如果未提供,则从 vocab_file 加载词汇表。
  • add_prefix_space (bool,可选,默认为 True) — 是否要在输入前添加一个初始空格。这样可以像处理其他单词一样处理开头的单词。

改编自 CamembertTokenizer 和 BartTokenizer。构建一个“快速”的 BARThez 分词器。基于 SentencePiece。

该分词器继承自 PreTrainedTokenizerFast,其中包含了大部分主要方法。有关这些方法的更多信息,请参阅该父类。

Update on GitHub