mindformers.models.ChatGLM3Tokenizer

.. py:class:: mindformers.models.ChatGLM3Tokenizer(vocab_file, bos_token='', eos_token='', end_token='', mask_token='[MASK]', gmask_token='[gMASK]', pad_token='', unk_token='',*kwargs)

构造一个基于Byte-Pair-Encoding的ChatGLM3模型分词器。

参数：
    - **vocab_file** (str) - 对应词表的路径。
    - **bos_token** (Union[str, tokenizers.AddedToken], 可选) - 在预训练期间使用的序列开始的标记，可以用作序列分类标记。默认值： `"<sop>"` 。
    - **eos_token** (Union[str, tokenizers.AddedToken], 可选) - 序列结束token，标识输入输出序列的结束位置。默认值： `"</s>"` 。
    - **end_token** (Union[str, tokenizers.AddedToken], 可选) - 结束token，标识多个连续序列的最终结束位置。默认值： `"</s>"` 。
    - **mask_token** (Union[str, tokenizers.AddedToken], 可选) - 掩码token。默认值： `"[MASK]"` 。
    - **gmask_token** (Union[str, tokenizers.AddedToken], 可选) - 特殊的掩码token。默认值： `"[gMASK]"` 。
    - **pad_token** (Union[str, tokenizers.AddedToken], 可选) - 用于使tokens数组大小相同以便进行批处理的特殊标记，然后将被注意力机制或损失计算忽略。默认值： `"<pad>"` 。
    - **unk_token** (Union[str, tokenizers.AddedToken], 可选) - 不存在的token。默认值： `"<unk>"` 。
    - **kwargs** - 其它传递到Tokenizer基类的参数。

返回：
    `ChatGLM3Tokenizer` 实例。