PetrochukM/PyTorch-NLP

Add BPE Text Encoder

Open

#7 建立於 2018年3月25日

在 GitHub 查看
 (3 留言) (0 反應) (0 負責人)Python (2,205 star) (262 fork)batch import
enhancementgood first issuehelp wanted

描述

Tokenizer Reference: https://github.com/eladhoffer/seq2seq.pytorch/blob/master/seq2seq/tools/tokenizer.py

貢獻者指南

技術棧
pythonpytorch
領域
machine learning
議題類型
feature
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-3 hours
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
stale
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
needs investigation
前置要求
PythonPyTorchBPE concept
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
30
研究方向
Study the linked tokenizer reference at seq2seq.pytorch to understand the BPE implementation pattern. Explore the PyTorch NLP repository for existing encoder base classes and integration points. Determine if the encoder should be a standalone module or part of the tokenizer subpackage. Open a discussion to clarify the expected API and scope.