PetrochukM/PyTorch-NLP

Add BPE Text Encoder

Open

#7 创建于 2018年3月25日

在 GitHub 查看
 (3 评论) (0 反应) (0 负责人)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

贡献者指南

技术栈
pythonpytorch
领域
machine learning
议题类型
feature
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-3 hours
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
stale
清晰度议题是否清楚说明期望改动、验收标准和下一步。
needs investigation
前置要求
PythonPyTorchBPE concept
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
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.