The Encode and EncodeBatch methods methods unnecessarily require std::string instances
还没有人认领这个 Issue。
评估
- 难度
- 3/5
- 预计耗时
- 1-2 天
- 新手友好度
- 55/100
- Issue 类型
- 重构
- 描述清晰度
- 基本清楚
- 活跃度
- 冷清
- 技术栈
- cpp
调研方向
从 issue 中 revision acbdc5a2 所描述的公开 Encode 和 EncodeBatch 声明开始，然后检查整个 repository 中相关的字符串引用。审查附加的 tokenizers-cpp-0.1.1.patch，并验证 API 参数使用 string views 后，项目无需字符串复制即可构建。
由索引模型根据 Issue 内容生成。
描述
In projects that use plain C strings or std::string_view, methods like Encode and EncodeBatch construct rather large strings, which increases memory allocations and copies. If these methods are declared to take string views, like shown below, then no extra allocation and copying will be performed.
- virtual std::vector<int32_t> Encode(const std::string& text) = 0;
+ virtual std::vector<int32_t> Encode(const std::string_view& text) = 0;
Seeing how some pull requests are sitting in the queue for over a year, I won't create one, but you can apply the patch attached to this post to change all string references to string views, which will work for both, strings and string views.
The source at the release tag is broken (see another issue I created), so this patch is against the hash acbdc5a2, and can be applied with this command, assuming it runs in a directory above tokenizers-cpp-0.0.1 (otherwise remove -d tokenizers-cpp-0.0.1).
patch --unified -p1 -d tokenizers-cpp-0.0.1 --input ../patches/tokenizers-cpp-0.0.1.patch
- 主要语言
- C++
- 星标
- 512
- 派生
- 132
- PR 合并指标
- 30 天内没有已合并 PR
环境准备
我们还没有检查这个项目的环境配置文件。先看它的 README，通用步骤见我们的新手贡献指南。
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
mlc-ai/tokenizers-cpp 的其他 Issue
-
难度 2/5 1-3 小时 新手友好度 68/100
mlc-ai/tokenizers-cpp#96 · 1 个 reaction ·
-
难度 2/5 1-3 小时 新手友好度 62/100
mlc-ai/tokenizers-cpp#88 · 2 个 reaction ·
-
难度 3/5 1-2 天 新手友好度 35/100
mlc-ai/tokenizers-cpp#94 ·
-
难度 4/5 3-5 天 新手友好度 35/100
mlc-ai/tokenizers-cpp#91 ·
-
难度 5/5 一周以上 新手友好度 25/100
mlc-ai/tokenizers-cpp#89 ·
查看 mlc-ai/tokenizers-cpp 的全部 Issue
相似的 Issue
-
难度 1/5 1 小时以内 新手友好度 88/100
tenstorrent/tt-metal#58057 · 1 条评论 ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 84/100
maplibre/maplibre-native#4690 ·
维护者通常 1 天内回复
-
comp-query-execution
难度 2/5 1-3 小时 新手友好度 84/100
ClickHouse/ClickHouse#122569 ·
维护者通常 1 天内回复
-
难度 1/5 1 小时以内 新手友好度 92/100
维护者通常 1 天内回复
-
难度 1/5 1 小时以内 新手友好度 88/100