qwen2_tokenizer

torchtune.models.qwen2.qwen2_tokenizer(path: str, merges_file: str = None, 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, **kwargs) → Qwen2Tokenizer

Qwen2 的分词器。

参数:

• path (str) – vocab.json 文件的路径。

• merges_file (str) – merges.txt 文件的路径。

• special_tokens_path (Optional[str]) – 从 Hugging Face 模型文件获取的 tokenizer.json 路径，其中包含所有已注册的特殊 token，或者结构类似的本地 json 文件。默认为 None，使用标准的 Qwen2 特殊 token。

• max_seq_len (Optional[int]) – 用于截断 token 的最大序列长度。默认值：None

• prompt_template (Optional[_TemplateType]) – 可选的指定提示模板。如果为字符串，则假定为 PromptTemplateInterface 类的点路径。如果为字典，则假定为自定义提示模板，将角色映射到 prepend/append 标签。默认值为 None。

返回值:

Qwen2 分词器的实例化

返回类型:

Qwen2Tokenizer