facebookresearch/fairseq

Add tokens to extend embeddings during fine-tuning

Open

#2.632 aberto em 18 de set. de 2020

Ver no GitHub
 (13 comments) (0 reactions) (0 assignees)Python (6.224 forks)batch import
enhancementhelp wantedneeds triage

Métricas do repositório

Stars
 (29.107 stars)
Métricas de merge de PR
 (Nenhuma PRs mesclada em 30d)

Description

🚀 Feature Request

Like add_tokens() in huggingface/transformers (link), this will allow fine-tuning add new embeddings of tokens, which will not be sperated.

Motivation

Some NLG tasks may have non-terminals, which are expected not to be separated by subwords.

Guia do colaborador

Direção de pesquisa
Estude a implementação do 'add tokens' na biblioteca transformers do Hugging Face e identifique onde a tokenização e o embedding são tratados no fairseq (por exemplo, em Dictionary e TransformerModel). Proponha um método para adicionar novos tokens e estender a matriz de embedding de acordo.
Pilha de tecnologia
pythonpytorch
Domain
machine learning
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
Meio dia
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
PythonPyTorchTokenizers
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
40