
CANINE、効率的な文字レベルトランスフォーマーのPytorch実装と事前学習済みの日本語モデル。
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
89
±0 (10月13日〜)
パッケージの週間ダウンロード数
38
パッケージの累計ダウンロード数
9,000
最終コミット
2023年11月
GitHub での作成日
2021年4月16日
掲載日
2022年6月9日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | 89 |
| 2026年1月 | 89 |
| 2026年2月 | 89 |
| 2026年3月 | 89 |
| 2026年4月 | 89 |
| 2026年5月 | 89 |
| 2026年6月 | 89 |
| 2026年7月 | 89 |
| 2026年8月 | 89 |
| 2026年9月 | 89 |
| 2026年10月 | 89 |
| 2026年11月 | 89 |
各月の最後のスナップショット。Star 数は 1,000 以上では 100 単位に丸められています。
PyPI での利用
PyPI パッケージ: shiba-model · 2026年10月までの月間値(ClickPy)
直近1年のダウンロード数
2,793
日本からの割合(直近1年)
0.7%
依存している PyPI パッケージ
1
うち必須の依存 1
PyPI の月間ダウンロード数
数値を表で見る
| 月 | ダウンロード数(月) |
|---|---|
| 2019年1月 | — |
| 2019年2月 | — |
| 2019年3月 | — |
| 2019年4月 | — |
| 2019年5月 | — |
| 2019年6月 | — |
| 2019年7月 | — |
| 2019年8月 | — |
| 2019年9月 | — |
| 2019年10月 | — |
| 2019年11月 | — |
| 2019年12月 | — |
| 2020年1月 | — |
| 2020年2月 | — |
| 2020年3月 | — |
| 2020年4月 | — |
| 2020年5月 | — |
| 2020年6月 | — |
| 2020年7月 | — |
| 2020年8月 | — |
| 2020年9月 | — |
| 2020年10月 | — |
| 2020年11月 | — |
| 2020年12月 | — |
| 2021年1月 | — |
| 2021年2月 | — |
| 2021年3月 | — |
| 2021年4月 | — |
| 2021年5月 | — |
| 2021年6月 | 314 |
| 2021年7月 | 191 |
| 2021年8月 | 176 |
| 2021年9月 | 182 |
| 2021年10月 | 124 |
| 2021年11月 | 118 |
| 2021年12月 | 90 |
| 2022年1月 | 93 |
| 2022年2月 | 98 |
| 2022年3月 | 226 |
| 2022年4月 | 88 |
| 2022年5月 | 127 |
| 2022年6月 | 102 |
| 2022年7月 | 86 |
| 2022年8月 | 84 |
| 2022年9月 | 78 |
| 2022年10月 | 95 |
| 2022年11月 | 103 |
| 2022年12月 | 70 |
| 2023年1月 | 82 |
| 2023年2月 | 78 |
| 2023年3月 | 76 |
| 2023年4月 | 85 |
| 2023年5月 | 412 |
| 2023年6月 | 146 |
| 2023年7月 | 131 |
| 2023年8月 | 127 |
| 2023年9月 | 101 |
| 2023年10月 | 86 |
| 2023年11月 | 118 |
| 2023年12月 | 90 |
| 2024年1月 | 95 |
| 2024年2月 | 106 |
| 2024年3月 | 84 |
| 2024年4月 | 107 |
| 2024年5月 | 50 |
| 2024年6月 | 84 |
| 2024年7月 | 113 |
| 2024年8月 | 101 |
| 2024年9月 | 164 |
| 2024年10月 | 210 |
| 2024年11月 | 128 |
| 2024年12月 | 139 |
| 2025年1月 | 142 |
| 2025年2月 | 143 |
| 2025年3月 | 179 |
| 2025年4月 | 181 |
| 2025年5月 | 102 |
| 2025年6月 | 82 |
| 2025年7月 | 82 |
| 2025年8月 | 116 |
| 2025年9月 | 117 |
| 2025年10月 | 85 |
| 2025年11月 | 117 |
| 2025年12月 | 130 |
| 2026年1月 | 88 |
| 2026年2月 | 97 |
| 2026年3月 | 141 |
| 2026年4月 | 106 |
| 2026年5月 | 896 |
| 2026年6月 | 724 |
| 2026年7月 | 253 |
| 2026年8月 | 81 |
| 2026年9月 | 54 |
| 2026年10月 | 106 |
同じカテゴリで人気のリソース
lukestudio-ousia727LUKE -- 知識ベース埋め込みを用いた言語理解
bert-japanesecl-tohoku551日本語テキスト用のBERTモデル。
bert-japaneseyoheikikuta497日本語テキスト用のSentencePieceを使用したBERT。
gpt2-japanesetanreinama322日本語GPT2生成モデル
japanese-dialog-transformersnttcslab247NTT株式会社が提供する日本語事前学習モデルの評価コード。
DistilBERT-base-jpBandaiNamcoResearchInc161日本語のDistilBERT事前学習モデルで、Wikipediaで訓練されました。
研究分野が近いリソース
- line-distilbert-base-japaneseline-corporation14kLINE DistilBERT Japanese は、インハウスの BERT‑base 先生を用いて 131 GB の日本語ウェブテキストで事前学習された 66 百万パラメータの DistilBERT モデルであり、JGLUE で評価され、MeCab Unidic と SentencePiece でトークナイズされ、Apache 2.0 ライセンスの下でリリースされました。HF モデル共通: 表現学習・言語モデル
LINE-DistilBERT-Japaneseline47131 GBの日本語ウェブテキストで事前学習されたDistilBERTモデル。教師モデルは、LINE内で構築されたBERT-baseです。共通: 表現学習・言語モデル- bert-base-japanese-whole-word-maskingtohoku-nlp462k2019年の日本語Wikipediaを対象に、IPA辞書と全単語マスキングを用いて事前学習されたJapanese BERT‑base、12層、768次元、32,000語語彙、512トークンシーケンス、1Mステップ、CC‑BY‑SAの下でcl‑tohoku/bert‑japaneseから入手可能。HF モデル共通: 表現学習・統語的テキスト処理
- bert-base-japanese-char-v3tohoku-nlp130kJapanese‑language BERT‑Base (12 layers, 768‑dim, 12 heads)は、Unidic‑based word‑level plus character‑level tokenizationとwhole‑word maskingをCC‑100と2023 Wikipediaで事前学習し、7,027‑token vocabularyを生成する。HF モデル共通: 表現学習・統語的テキスト処理
- bert-base-japanese-char-v2tohoku-nlp55kBERT‑base Japanese model(12層、768‑次元の hidden states、12ヘッド)を、30 M Wikipedia 文(約4 GB)で Unidic 2.1.2 を用いた単語レベルトークン化の後、文字レベルトークン化と全単語マスクを行い、512トークンのシーケンス、256バッチ、1 M トレーニングステップで訓練しました。HF モデル共通: 表現学習・統語的テキスト処理
- bert-base-japanese-chartohoku-nlp11k日本語のBERT‑baseモデル(12層、768次元の隠れレイヤー、12ヘッド)は、MeCab IPA単語レベルトークン化を経て文字レベルトークン化で4000語語彙に変換し、約1700万文(2.6 GB)の日本語Wikipediaで事前学習されました。学習コードはcl‑tohoku/bert‑japaneseにあり、CC BY‑SA 3.0 でリリースされています。HF モデル共通: 表現学習・統語的テキスト処理