phi3_mini_tokenizer¶
- torchtune.models.phi3.phi3_mini_tokenizer(path: str, special_tokens_path: Optional[str] = None, max_seq_len: Optional[int] = None, prompt_template: Optional[Union[str, Dict[Literal['system', 'user', 'assistant', 'ipython'], Tuple[str, str]]]] = None) Phi3MiniTokenizer[source]¶
Phi-3 Mini 分词器。参考：https://hugging-face.cn/microsoft/Phi-3-mini-4k-instruct/blob/main/tokenizer_config.json
- 参数：
path (str) – SPM 分词器模型的路径。
special_tokens_path (Optional[str]) – 指向 Hugging Face 模型文件中包含所有已注册特殊 token 的
tokenizer.json的路径，或结构类似的本地 json 文件。默认为 None，使用规范的 Phi3 特殊 token。max_seq_len (Optional[int]) – 对单个消息列表进行分词后的最大序列长度，超出该长度的输入将被截断。默认为 None。
prompt_template (Optional[_TemplateType]) – 可选的指定 Prompt 模板。如果是字符串，则假定它是
PromptTemplateInterface类的 dotpath。如果是字典，则假定它是将角色映射到前缀/后缀标记的自定义 Prompt 模板。
注意
此分词器包含典型的 LM EOS 和 BOS token，例如 <s>、</s> 和 <unk>。然而，为了支持聊天补全，它还增强了特殊 token，例如 <endoftext> 和 <assistant>。
- 返回值：
SPM 分词器的实例化对象。
- 返回类型：
Phi3MiniSentencePieceBaseTokenizer
