我遵循本教程如何使用 Transformers 和 Tokenizers 从头开始训练新的语言模型。
在 Section 2. Train a tokenizer 中,通过我自己的越南文本数据进行训练后,我查看生成的 .vocab 文件,所有的标记都变成了这样:
"ĠÄij":268,"nh":269,"ủ":270,"Ãł":271,"Ġch":272,"iá»":273,"á":274,"Ġl":275,"Ġb":276,"Æ°":277,"Ġh":278,"ế":279,
有什么办法解决这个问题吗?