
Shiba的AllenNLP集成:日本CANINE模型
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
12
±0 (10月13日〜)
软件包每周下载数
26
软件包累计下载数
24,000
最后提交
2021年6月
GitHub 创建日期
2021年6月26日
收录日
2022年7月29日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 12 |
| 2026年1月 | 12 |
| 2026年2月 | 12 |
| 2026年3月 | 12 |
| 2026年4月 | 12 |
| 2026年5月 | 12 |
| 2026年6月 | 12 |
| 2026年7月 | 12 |
| 2026年8月 | 12 |
| 2026年9月 | 12 |
| 2026年10月 | 12 |
| 2026年11月 | 12 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
在 PyPI 上的使用
PyPI 包:allennlp-shiba · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
4,725
来自日本的比例(近一年)
0.8%
依赖它的 PyPI 包
0
其中必需依赖 0
PyPI 月度下载量
以表格显示
| 月份 | 下载量(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 | 700 |
| 2021年7月 | 812 |
| 2021年8月 | 457 |
| 2021年9月 | 340 |
| 2021年10月 | 413 |
| 2021年11月 | 424 |
| 2021年12月 | 370 |
| 2022年1月 | 321 |
| 2022年2月 | 405 |
| 2022年3月 | 806 |
| 2022年4月 | 317 |
| 2022年5月 | 223 |
| 2022年6月 | 310 |
| 2022年7月 | 237 |
| 2022年8月 | 367 |
| 2022年9月 | 271 |
| 2022年10月 | 296 |
| 2022年11月 | 314 |
| 2022年12月 | 243 |
| 2023年1月 | 204 |
| 2023年2月 | 334 |
| 2023年3月 | 318 |
| 2023年4月 | 264 |
| 2023年5月 | 253 |
| 2023年6月 | 242 |
| 2023年7月 | 293 |
| 2023年8月 | 258 |
| 2023年9月 | 172 |
| 2023年10月 | 211 |
| 2023年11月 | 235 |
| 2023年12月 | 219 |
| 2024年1月 | 233 |
| 2024年2月 | 250 |
| 2024年3月 | 252 |
| 2024年4月 | 280 |
| 2024年5月 | 178 |
| 2024年6月 | 236 |
| 2024年7月 | 302 |
| 2024年8月 | 290 |
| 2024年9月 | 320 |
| 2024年10月 | 1,686 |
| 2024年11月 | 649 |
| 2024年12月 | 341 |
| 2025年1月 | 428 |
| 2025年2月 | 409 |
| 2025年3月 | 451 |
| 2025年4月 | 457 |
| 2025年5月 | 232 |
| 2025年6月 | 231 |
| 2025年7月 | 251 |
| 2025年8月 | 225 |
| 2025年9月 | 257 |
| 2025年10月 | 229 |
| 2025年11月 | 255 |
| 2025年12月 | 205 |
| 2026年1月 | 250 |
| 2026年2月 | 323 |
| 2026年3月 | 294 |
| 2026年4月 | 233 |
| 2026年5月 | 1,338 |
| 2026年6月 | 938 |
| 2026年7月 | 346 |
| 2026年8月 | 254 |
| 2026年9月 | 123 |
| 2026年10月 | 166 |
同分类的热门资源
研究领域相近的资源
- bert-base-japanese-whole-word-maskingtohoku-nlp462kJapanese BERT‑base 在 2019 年日本维基百科上预训练,使用 IPA‑dictionary 与全词掩码,12 层 768 维,32,000 词表,512 标记序列,1 M 步骤,可在 cl‑tohoku/bert‑japanese 获取,遵循 CC‑BY‑SA 许可。HF 模型共同: 表示学习・句法文本处理
- bert-base-japanese-char-v3tohoku-nlp130k日本语言 BERT‑Base(12 层,768 维,12 头)使用 Unidic 基于词级加字符级分词和全词掩码在 CC‑100 及 2023 Wikipedia 上进行预训练,产生 7,027 名词表。HF 模型共同: 表示学习・句法文本处理
- bert-base-japanese-char-v2tohoku-nlp55k一个 BERT‑base 日语模型(12 层,768-维隐藏状态,12 头),在 3000 万条维基百科句子(约 4 GB)上训练,使用 Unidic 2.1.2 词级分词,随后进行字符级分词和全词掩码,使用 512 令牌序列,256 批次,以及 1 M 训练步骤。HF 模型共同: 表示学习・句法文本处理
- bert-base-japanese-chartohoku-nlp11k一个 BERT‑base 日语模型(12 层,768 维隐藏,12 头),使用 MeCab IPA 词级分词后再进行字符级分词生成 4000 词的词表,在约 1700 万句来自日语维基百科(2.6 GB)的句子上预训练,训练代码位于 cl‑tohoku/bert‑japanese,采用 CC BY‑SA 3.0 许可证发布。HF 模型共同: 表示学习・句法文本处理
- bert-base-japanese-v2tohoku-nlp9kJapanese BERT‑base(12 层,768 隐藏,12 头)在 4 GB 的日语维基百科(≈30 M 句)上预训练,使用 Unidic 2.1.2 词级分词、WordPiece 子词分词和全词遮蔽。HF 模型共同: 表示学习・句法文本处理
- bert-base-japanesetohoku-nlp9k一个预训练于约 17 M 条日语维基百科句子(2.6 GB)的 BERT base 模型,使用 IPA 字典和 WordPiece 进行分词,拥有 12 层 / 768‑维隐藏状态 / 12 头,32 000‑token 词汇表,已在 Cloud TPUs 上训练了 1 M 步,并以 CC‑BY‑SA 3.0 许可发布。HF 模型共同: 表示学习・句法文本处理