expose eosToken
This commit is contained in:
@@ -4,6 +4,51 @@ import Foundation
|
||||
import Hub
|
||||
import Tokenizers
|
||||
|
||||
/// Wrapper for `Tokenizers.Tokenizer` that provides access to config
|
||||
/// like ``eosToken``.
|
||||
public struct Tokenizer: Tokenizers.Tokenizer {
|
||||
|
||||
let tokenizer: Tokenizers.Tokenizer
|
||||
|
||||
public let eosToken: String?
|
||||
public let eosTokenId: Int?
|
||||
|
||||
internal init(tokenizer: Tokenizers.Tokenizer, tokenizerConfig: Config) {
|
||||
self.tokenizer = tokenizer
|
||||
self.eosToken = tokenizerConfig.eosToken?.stringValue
|
||||
if let eosToken {
|
||||
self.eosTokenId = tokenizer.convertTokenToId(eosToken)
|
||||
} else {
|
||||
self.eosTokenId = nil
|
||||
}
|
||||
}
|
||||
|
||||
public func tokenize(text: String) -> [String] {
|
||||
tokenizer.tokenize(text: text)
|
||||
}
|
||||
|
||||
public func encode(text: String) -> [Int] {
|
||||
tokenizer.encode(text: text)
|
||||
}
|
||||
|
||||
public func decode(tokens: [Int]) -> String {
|
||||
tokenizer.decode(tokens: tokens)
|
||||
}
|
||||
|
||||
public func convertTokenToId(_ token: String) -> Int? {
|
||||
tokenizer.convertTokenToId(token)
|
||||
}
|
||||
|
||||
public func convertIdToToken(_ id: Int) -> String? {
|
||||
tokenizer.convertIdToToken(id)
|
||||
}
|
||||
|
||||
public var unknownToken: String? { tokenizer.unknownToken }
|
||||
|
||||
public var unknownTokenId: Int? { tokenizer.unknownTokenId }
|
||||
|
||||
}
|
||||
|
||||
public func loadTokenizer(name: String) async throws -> Tokenizer {
|
||||
// from AutoTokenizer.from() -- this lets us override parts of the configuration
|
||||
let config = LanguageModelConfigurationFromHub(modelName: name)
|
||||
@@ -31,7 +76,10 @@ public func loadTokenizer(name: String) async throws -> Tokenizer {
|
||||
}
|
||||
}
|
||||
|
||||
return try PreTrainedTokenizer(tokenizerConfig: tokenizerConfig, tokenizerData: tokenizerData)
|
||||
let impl = try PreTrainedTokenizer(
|
||||
tokenizerConfig: tokenizerConfig, tokenizerData: tokenizerData)
|
||||
|
||||
return Tokenizer(tokenizer: impl, tokenizerConfig: tokenizerConfig)
|
||||
}
|
||||
|
||||
public func discardUnhandledMerges(tokenizerData: Config) -> Config {
|
||||
|
||||
Reference in New Issue
Block a user