Wu Chinese (wuu) subword embeddings

Vocab size vocab model 25 dim 50 dim 100 dim 200 dim 300 dim
10000 vocab model txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
25000 vocab model txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
50000 vocab model txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix
txt | bin
bokeh | umap | matrix

Embedding matrix plots

Training corpus sample, encoded with different BPE vocabulary sizes

Vocab sizewuuwiki sample
original 勒拉旅行当中,圆仁写个日记《入唐求法巡礼行记》,居是日本人历史浪顶早个正式旅行记,记录当时唐朝皇帝唐武宗压制佛教个“会昌灭法”事件,有交关高个史料价值,搭中国唐朝玄奘个《大唐西域记》搭意大利马可波罗个《东方见闻录》并称世界三大旅行记。
上海地铁采用非接触式ic卡车票,分为单程票和特别票种。也可使用上海公共交通卡(亦可全国公交卡联网城市个ic卡,但不可异地充资,也不能享受本地换乘优惠),计费搭普通方式一样,一个月里向坐满地铁00元接下来可享受0折优惠。 * 普通票种:自动售票机搭售票口发售个当日单程票卡。 * 特别票种: ** 纪念
从000年开始佢住在罗马并开始佢个众多写作、教书搭公开展示佢个解剖知识。佢获得了一个有经验个医生个名声搭许多病人。后来佢甚至成为罗马皇帝馬爾庫斯·奧勒里烏斯个宫廷医生。据说佢主要说希腊语,当时希腊语垃医学相对于拉丁语更有名气。000年至000年佢曾短暂个回到过故乡别迦摩。
10000 ▁ 勒拉 旅 行 当中 , 圆 仁 写个 日 记 《 入 唐 求 法 巡 礼 行 记 》, 居 是日本 人 历史浪 顶早 个 正式 旅 行 记 , 记录 当时 唐朝 皇帝 唐 武 宗 压 制 佛教 个 “ 会 昌 灭 法 ” 事件 , 有交关 高个 史 料 价值 , 搭 中国 唐朝 玄 奘 个 《 大 唐 西 域 记 》 搭 意大利 马 可 波 罗 个 《 东方 见 闻 录 》 并 称 世界 三大 旅 行 记 。
▁上海 地铁 采用 非 接触 式 ic 卡 车 票 , 分为 单 程 票 和 特别 票 种 。 也 可 使用 上海 公共 交通 卡 ( 亦 可 全国 公交 卡 联 网 城市 个 ic 卡 , 但 不 可 异 地 充 资 , 也 不 能 享 受 本地 换乘 优 惠 ), 计 费 搭 普通 方式 一样 , 一个 月 里向 坐 满 地铁 00 元 接 下来 可 享 受 0 折 优 惠 。 ▁* ▁ 普通 票 种 : 自 动 售 票 机 搭 售 票 口 发 售 个 当 日 单 程 票 卡 。 ▁* ▁ 特别 票 种 : ▁** ▁ 纪念
▁从 000 年开始 佢 住 在 罗马 并 开始 佢个 众 多 写 作 、 教 书 搭 公开 展 示 佢个 解 剖 知识 。 佢 获得 了 一个 有 经 验 个 医 生 个名 声 搭 许 多 病 人 。 后来 佢 甚至 成为 罗马 皇帝 馬 爾 庫 斯 · 奧 勒 里 烏 斯 个 宫 廷 医 生 。 据 说 佢 主要 说 希腊 语 , 当时 希腊 语 垃 医学 相对 于 拉丁 语 更 有名 气 。000 年 至 000 年 佢 曾 短 暂 个 回到 过 故 乡 别 迦 摩 。
25000 ▁ 勒拉 旅行 当中 , 圆仁 写个 日 记 《 入唐求法巡礼行记 》, 居 是日本 人 历史浪 顶早个 正式 旅行 记 , 记录 当时 唐朝 皇帝 唐 武宗 压制 佛教 个 “ 会 昌 灭 法 ” 事件 , 有交关 高个 史料 价值 , 搭中国 唐朝 玄 奘 个 《 大 唐 西域 记 》 搭意大利 马 可 波罗 个 《 东方 见 闻 录 》 并称 世界 三大 旅行 记 。
▁上海 地铁 采用 非 接触 式 ic 卡 车 票 , 分为 单程票 和 特别 票 种 。 也可 使用 上海 公共交通 卡 ( 亦 可 全国 公交卡 联 网 城市个 ic 卡 , 但 不可 异 地 充 资 , 也 不能 享受 本地 换乘 优 惠 ), 计 费 搭 普通 方式 一样 , 一个 月 里向 坐 满 地铁 00 元 接下来 可 享受 0 折 优 惠 。 ▁* ▁ 普通 票 种 : 自动 售票 机 搭 售票 口 发售 个 当日 单程票 卡 。 ▁* ▁ 特别 票 种 : ▁** ▁ 纪念
▁从 000 年开始 佢 住在 罗马 并开始 佢个 众多 写作 、 教 书搭 公开 展示 佢个 解剖 知识 。 佢 获得 了一个 有 经验 个 医生 个名 声 搭 许多 病人 。 后来 佢 甚至 成为 罗马 皇帝 馬 爾 庫 斯 · 奧 勒 里 烏 斯个 宫廷 医生 。 据说 佢 主要 说 希腊语 , 当时 希腊语 垃 医学 相对 于 拉丁语 更 有名气 。000 年至 000 年佢 曾 短暂 个 回到 过 故乡 别 迦 摩 。
50000 ▁勒拉 旅行 当中 , 圆仁 写个 日记 《 入唐求法巡礼行记 》, 居 是日本 人 历史浪 顶早个 正式 旅行 记 , 记录 当时 唐朝 皇帝 唐武宗 压制 佛教个 “ 会昌 灭 法 ” 事件 , 有交关 高个 史料价值 , 搭中国 唐朝 玄 奘 个 《 大唐 西域 记 》 搭意大利 马可 波罗 个 《 东方 见 闻 录 》 并称 世界 三大 旅行 记 。
▁上海地铁 采用 非 接触 式 ic 卡 车票 , 分为 单程票 和 特别 票种 。 也可 使用 上海公共交通 卡 ( 亦可 全国 公交卡 联网 城市个 ic 卡 , 但 不可 异 地 充 资 , 也 不能 享受 本地 换乘 优惠 ), 计 费 搭普通 方式 一样 , 一个 月 里向 坐 满 地铁 00 元 接下来 可 享受 0 折 优惠 。 ▁* ▁普通 票种 : 自动售票 机 搭 售票 口 发售 个 当日 单程票 卡 。 ▁* ▁ 特别 票种 : ▁** ▁ 纪念
▁从 000 年开始 佢 住在 罗马 并开始 佢个 众多 写作 、 教 书搭 公开 展示 佢个 解剖 知识 。 佢 获得 了一个 有 经验 个医生 个名声 搭 许多 病人 。 后来 佢 甚至 成为 罗马 皇帝 馬爾 庫 斯 · 奧 勒里 烏 斯个 宫廷 医生 。 据说 佢 主要说 希腊语 , 当时 希腊语 垃 医学 相对于 拉丁语 更 有名气 。000 年至 000 年佢 曾 短暂 个 回到 过 故乡 别 迦 摩 。