初始化项目,由ModelHub XC社区提供模型
Model: CLMBR/full-transformer-0 Source: Original Platform
This commit is contained in:
28
checkpoint-76320/config.json
Normal file
28
checkpoint-76320/config.json
Normal file
@@ -0,0 +1,28 @@
|
||||
{
|
||||
"_remove_final_layer_norm": false,
|
||||
"activation_function": "relu",
|
||||
"architectures": [
|
||||
"OPTForCausalLM"
|
||||
],
|
||||
"attention_dropout": 0.0,
|
||||
"bos_token_id": 2,
|
||||
"do_layer_norm_before": true,
|
||||
"dropout": 0.1,
|
||||
"enable_bias": true,
|
||||
"eos_token_id": 2,
|
||||
"ffn_dim": 768,
|
||||
"hidden_size": 768,
|
||||
"init_std": 0.02,
|
||||
"layer_norm_elementwise_affine": true,
|
||||
"layerdrop": 0.0,
|
||||
"max_position_embeddings": 512,
|
||||
"model_type": "opt",
|
||||
"num_attention_heads": 8,
|
||||
"num_hidden_layers": 8,
|
||||
"pad_token_id": 1,
|
||||
"torch_dtype": "float32",
|
||||
"transformers_version": "4.33.3",
|
||||
"use_cache": true,
|
||||
"vocab_size": 50002,
|
||||
"word_embed_proj_dim": 768
|
||||
}
|
||||
7
checkpoint-76320/generation_config.json
Normal file
7
checkpoint-76320/generation_config.json
Normal file
@@ -0,0 +1,7 @@
|
||||
{
|
||||
"_from_model_config": true,
|
||||
"bos_token_id": 2,
|
||||
"eos_token_id": 2,
|
||||
"pad_token_id": 1,
|
||||
"transformers_version": "4.33.3"
|
||||
}
|
||||
3
checkpoint-76320/optimizer.pt
Normal file
3
checkpoint-76320/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:be260cdcbfc4864274ec1a0293b311ef79685aabeeb93ecb47940f78cbcbbc2a
|
||||
size 537476677
|
||||
3
checkpoint-76320/pytorch_model.bin
Normal file
3
checkpoint-76320/pytorch_model.bin
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:edfa683494591d0d810f17ca455d7af1dc908d4fa71d4e0ca12eba7af3d2cb7e
|
||||
size 268727709
|
||||
3
checkpoint-76320/rng_state.pth
Normal file
3
checkpoint-76320/rng_state.pth
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:974214fc97f66918b032ada131eedb24fa0b3ab82b503f7e238e033cca0c8ae3
|
||||
size 14511
|
||||
3
checkpoint-76320/scheduler.pt
Normal file
3
checkpoint-76320/scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:91c685de8742b0a031fde56caa4358e1d4e52a84e30d313df4ab0aaf839b1a8f
|
||||
size 627
|
||||
5
checkpoint-76320/special_tokens_map.json
Normal file
5
checkpoint-76320/special_tokens_map.json
Normal file
@@ -0,0 +1,5 @@
|
||||
{
|
||||
"eos_token": "<eos>",
|
||||
"pad_token": "<pad>",
|
||||
"unk_token": "<unk>"
|
||||
}
|
||||
50055
checkpoint-76320/tokenizer.json
Normal file
50055
checkpoint-76320/tokenizer.json
Normal file
File diff suppressed because it is too large
Load Diff
12
checkpoint-76320/tokenizer_config.json
Normal file
12
checkpoint-76320/tokenizer_config.json
Normal file
@@ -0,0 +1,12 @@
|
||||
{
|
||||
"clean_up_tokenization_spaces": true,
|
||||
"eos_token": "<eos>",
|
||||
"max_length": null,
|
||||
"model_max_length": 512,
|
||||
"pad_to_multiple_of": null,
|
||||
"pad_token": "<pad>",
|
||||
"pad_token_type_id": 0,
|
||||
"padding_side": "right",
|
||||
"tokenizer_class": "PreTrainedTokenizerFast",
|
||||
"unk_token": "<unk>"
|
||||
}
|
||||
927
checkpoint-76320/trainer_state.json
Normal file
927
checkpoint-76320/trainer_state.json
Normal file
@@ -0,0 +1,927 @@
|
||||
{
|
||||
"best_metric": 4.198204517364502,
|
||||
"best_model_checkpoint": "/mmfs1/gscratch/stf/abhinavp/corpus-filtering/outputs/full2/transformer/0/checkpoints/checkpoint-76320",
|
||||
"epoch": 0.025000606015738065,
|
||||
"eval_steps": 10,
|
||||
"global_step": 76320,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.999998362119627e-05,
|
||||
"loss": 11.0453,
|
||||
"step": 1
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.999161405248948e-05,
|
||||
"loss": 6.8203,
|
||||
"step": 512
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.998322810497896e-05,
|
||||
"loss": 6.1803,
|
||||
"step": 1024
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.997484215746844e-05,
|
||||
"loss": 5.976,
|
||||
"step": 1536
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.996645620995792e-05,
|
||||
"loss": 5.8136,
|
||||
"step": 2048
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.99580702624474e-05,
|
||||
"loss": 5.7055,
|
||||
"step": 2560
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.994968431493688e-05,
|
||||
"loss": 5.6058,
|
||||
"step": 3072
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.994129836742636e-05,
|
||||
"loss": 5.5376,
|
||||
"step": 3584
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.993291241991584e-05,
|
||||
"loss": 5.4512,
|
||||
"step": 4096
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.992452647240532e-05,
|
||||
"loss": 5.403,
|
||||
"step": 4608
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.99161405248948e-05,
|
||||
"loss": 5.3536,
|
||||
"step": 5120
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.990775457738428e-05,
|
||||
"loss": 5.33,
|
||||
"step": 5632
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.989938500867749e-05,
|
||||
"loss": 5.2746,
|
||||
"step": 6144
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.989099906116697e-05,
|
||||
"loss": 5.211,
|
||||
"step": 6656
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.988261311365645e-05,
|
||||
"loss": 5.1872,
|
||||
"step": 7168
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.987422716614593e-05,
|
||||
"loss": 5.1491,
|
||||
"step": 7680
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.986584121863541e-05,
|
||||
"loss": 5.1193,
|
||||
"step": 8192
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.985745527112489e-05,
|
||||
"loss": 5.0928,
|
||||
"step": 8704
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.984906932361437e-05,
|
||||
"loss": 5.0671,
|
||||
"step": 9216
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.984068337610385e-05,
|
||||
"loss": 5.0268,
|
||||
"step": 9728
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.983229742859333e-05,
|
||||
"loss": 5.0218,
|
||||
"step": 10240
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.9823927859886547e-05,
|
||||
"loss": 4.986,
|
||||
"step": 10752
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.9815541912376026e-05,
|
||||
"loss": 4.9659,
|
||||
"step": 11264
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.9807155964865506e-05,
|
||||
"loss": 4.9377,
|
||||
"step": 11776
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.9798770017354986e-05,
|
||||
"loss": 4.9353,
|
||||
"step": 12288
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.9790400448648195e-05,
|
||||
"loss": 4.9084,
|
||||
"step": 12800
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.9782014501137675e-05,
|
||||
"loss": 4.8814,
|
||||
"step": 13312
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.9773628553627155e-05,
|
||||
"loss": 4.8641,
|
||||
"step": 13824
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.9765242606116635e-05,
|
||||
"loss": 4.8465,
|
||||
"step": 14336
|
||||
},
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 4.9756873037409844e-05,
|
||||
"loss": 4.8346,
|
||||
"step": 14848
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9748487089899324e-05,
|
||||
"loss": 4.8112,
|
||||
"step": 15360
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9740117521192533e-05,
|
||||
"loss": 4.8046,
|
||||
"step": 15872
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9731731573682013e-05,
|
||||
"loss": 4.7911,
|
||||
"step": 16384
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.97233456261715e-05,
|
||||
"loss": 4.7771,
|
||||
"step": 16896
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.971495967866098e-05,
|
||||
"loss": 4.7744,
|
||||
"step": 17408
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.970657373115046e-05,
|
||||
"loss": 4.7607,
|
||||
"step": 17920
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.969818778363994e-05,
|
||||
"loss": 4.7448,
|
||||
"step": 18432
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.968980183612942e-05,
|
||||
"loss": 4.7186,
|
||||
"step": 18944
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.96814158886189e-05,
|
||||
"loss": 4.714,
|
||||
"step": 19456
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.967304631991211e-05,
|
||||
"loss": 4.6948,
|
||||
"step": 19968
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.966466037240159e-05,
|
||||
"loss": 4.6941,
|
||||
"step": 20480
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.965627442489107e-05,
|
||||
"loss": 4.6788,
|
||||
"step": 20992
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.964788847738054e-05,
|
||||
"loss": 4.6731,
|
||||
"step": 21504
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.963950252987002e-05,
|
||||
"loss": 4.656,
|
||||
"step": 22016
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.963113296116324e-05,
|
||||
"loss": 4.6628,
|
||||
"step": 22528
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.962274701365272e-05,
|
||||
"loss": 4.6451,
|
||||
"step": 23040
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.96143610661422e-05,
|
||||
"loss": 4.6473,
|
||||
"step": 23552
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.960597511863168e-05,
|
||||
"loss": 4.6369,
|
||||
"step": 24064
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.959758917112116e-05,
|
||||
"loss": 4.609,
|
||||
"step": 24576
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.95892359812181e-05,
|
||||
"loss": 4.602,
|
||||
"step": 25088
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.958085003370758e-05,
|
||||
"loss": 4.616,
|
||||
"step": 25600
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.957246408619706e-05,
|
||||
"loss": 4.6008,
|
||||
"step": 26112
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.956407813868654e-05,
|
||||
"loss": 4.5844,
|
||||
"step": 26624
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9555692191176016e-05,
|
||||
"loss": 4.5682,
|
||||
"step": 27136
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9547306243665496e-05,
|
||||
"loss": 4.5748,
|
||||
"step": 27648
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9538920296154976e-05,
|
||||
"loss": 4.5575,
|
||||
"step": 28160
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9530534348644456e-05,
|
||||
"loss": 4.5697,
|
||||
"step": 28672
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.952216477993767e-05,
|
||||
"loss": 4.5357,
|
||||
"step": 29184
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.951377883242715e-05,
|
||||
"loss": 4.5472,
|
||||
"step": 29696
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.950539288491663e-05,
|
||||
"loss": 4.5447,
|
||||
"step": 30208
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.949700693740611e-05,
|
||||
"loss": 4.5208,
|
||||
"step": 30720
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.948863736869932e-05,
|
||||
"loss": 4.5379,
|
||||
"step": 31232
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.94802514211888e-05,
|
||||
"loss": 4.5087,
|
||||
"step": 31744
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.947186547367828e-05,
|
||||
"loss": 4.5105,
|
||||
"step": 32256
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.946347952616776e-05,
|
||||
"loss": 4.4967,
|
||||
"step": 32768
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.945510995746097e-05,
|
||||
"loss": 4.513,
|
||||
"step": 33280
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.944672400995045e-05,
|
||||
"loss": 4.486,
|
||||
"step": 33792
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.943833806243993e-05,
|
||||
"loss": 4.4883,
|
||||
"step": 34304
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.942995211492941e-05,
|
||||
"loss": 4.4747,
|
||||
"step": 34816
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.942156616741889e-05,
|
||||
"loss": 4.4701,
|
||||
"step": 35328
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9413196598712105e-05,
|
||||
"loss": 4.4835,
|
||||
"step": 35840
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.940482703000532e-05,
|
||||
"loss": 4.4759,
|
||||
"step": 36352
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9396441082494794e-05,
|
||||
"loss": 4.4659,
|
||||
"step": 36864
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9388055134984274e-05,
|
||||
"loss": 4.4653,
|
||||
"step": 37376
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9379669187473754e-05,
|
||||
"loss": 4.4719,
|
||||
"step": 37888
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.9371283239963234e-05,
|
||||
"loss": 4.446,
|
||||
"step": 38400
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.936291367125644e-05,
|
||||
"loss": 4.4601,
|
||||
"step": 38912
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.935452772374592e-05,
|
||||
"loss": 4.4346,
|
||||
"step": 39424
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.93461417762354e-05,
|
||||
"loss": 4.4338,
|
||||
"step": 39936
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.933775582872488e-05,
|
||||
"loss": 4.4317,
|
||||
"step": 40448
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.932936988121436e-05,
|
||||
"loss": 4.4345,
|
||||
"step": 40960
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.932098393370384e-05,
|
||||
"loss": 4.4255,
|
||||
"step": 41472
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.931259798619332e-05,
|
||||
"loss": 4.4334,
|
||||
"step": 41984
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.930421203868281e-05,
|
||||
"loss": 4.418,
|
||||
"step": 42496
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.929584246997602e-05,
|
||||
"loss": 4.3969,
|
||||
"step": 43008
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.92874565224655e-05,
|
||||
"loss": 4.3995,
|
||||
"step": 43520
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.927907057495498e-05,
|
||||
"loss": 4.411,
|
||||
"step": 44032
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.927070100624819e-05,
|
||||
"loss": 4.3954,
|
||||
"step": 44544
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.92623314375414e-05,
|
||||
"loss": 4.3944,
|
||||
"step": 45056
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 4.925394549003088e-05,
|
||||
"loss": 4.3981,
|
||||
"step": 45568
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.924555954252036e-05,
|
||||
"loss": 4.3813,
|
||||
"step": 46080
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.923717359500984e-05,
|
||||
"loss": 4.3868,
|
||||
"step": 46592
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.9228804026303046e-05,
|
||||
"loss": 4.3807,
|
||||
"step": 47104
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.922041807879253e-05,
|
||||
"loss": 4.3858,
|
||||
"step": 47616
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.921203213128201e-05,
|
||||
"loss": 4.3832,
|
||||
"step": 48128
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.920364618377149e-05,
|
||||
"loss": 4.3773,
|
||||
"step": 48640
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.919526023626097e-05,
|
||||
"loss": 4.3577,
|
||||
"step": 49152
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.918687428875045e-05,
|
||||
"loss": 4.3646,
|
||||
"step": 49664
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.917848834123993e-05,
|
||||
"loss": 4.3568,
|
||||
"step": 50176
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.917010239372941e-05,
|
||||
"loss": 4.3604,
|
||||
"step": 50688
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.916171644621889e-05,
|
||||
"loss": 4.3648,
|
||||
"step": 51200
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.915333049870837e-05,
|
||||
"loss": 4.3437,
|
||||
"step": 51712
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.914494455119785e-05,
|
||||
"loss": 4.3483,
|
||||
"step": 52224
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.913657498249106e-05,
|
||||
"loss": 4.3495,
|
||||
"step": 52736
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.912818903498054e-05,
|
||||
"loss": 4.3432,
|
||||
"step": 53248
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.911980308747002e-05,
|
||||
"loss": 4.3316,
|
||||
"step": 53760
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.91114171399595e-05,
|
||||
"loss": 4.335,
|
||||
"step": 54272
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.910303119244898e-05,
|
||||
"loss": 4.322,
|
||||
"step": 54784
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.909464524493846e-05,
|
||||
"loss": 4.3218,
|
||||
"step": 55296
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.908627567623168e-05,
|
||||
"loss": 4.3195,
|
||||
"step": 55808
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.907788972872115e-05,
|
||||
"loss": 4.3196,
|
||||
"step": 56320
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.906950378121063e-05,
|
||||
"loss": 4.314,
|
||||
"step": 56832
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.906111783370011e-05,
|
||||
"loss": 4.3183,
|
||||
"step": 57344
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.905273188618959e-05,
|
||||
"loss": 4.3097,
|
||||
"step": 57856
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.904434593867907e-05,
|
||||
"loss": 4.3127,
|
||||
"step": 58368
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.903595999116855e-05,
|
||||
"loss": 4.3213,
|
||||
"step": 58880
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.902759042246176e-05,
|
||||
"loss": 4.3152,
|
||||
"step": 59392
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.901920447495124e-05,
|
||||
"loss": 4.3094,
|
||||
"step": 59904
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.901081852744072e-05,
|
||||
"loss": 4.2991,
|
||||
"step": 60416
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.90024325799302e-05,
|
||||
"loss": 4.2987,
|
||||
"step": 60928
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8994046632419686e-05,
|
||||
"loss": 4.2997,
|
||||
"step": 61440
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8985660684909166e-05,
|
||||
"loss": 4.2858,
|
||||
"step": 61952
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8977291116202375e-05,
|
||||
"loss": 4.2887,
|
||||
"step": 62464
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8968905168691855e-05,
|
||||
"loss": 4.2851,
|
||||
"step": 62976
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8960519221181335e-05,
|
||||
"loss": 4.2893,
|
||||
"step": 63488
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8952133273670815e-05,
|
||||
"loss": 4.2801,
|
||||
"step": 64000
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8943747326160294e-05,
|
||||
"loss": 4.2895,
|
||||
"step": 64512
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8935377757453504e-05,
|
||||
"loss": 4.2816,
|
||||
"step": 65024
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8926991809942984e-05,
|
||||
"loss": 4.2735,
|
||||
"step": 65536
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8918605862432463e-05,
|
||||
"loss": 4.2684,
|
||||
"step": 66048
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8910219914921943e-05,
|
||||
"loss": 4.2846,
|
||||
"step": 66560
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8901833967411423e-05,
|
||||
"loss": 4.2742,
|
||||
"step": 67072
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.88934480199009e-05,
|
||||
"loss": 4.2679,
|
||||
"step": 67584
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.888506207239038e-05,
|
||||
"loss": 4.2691,
|
||||
"step": 68096
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.88766925036836e-05,
|
||||
"loss": 4.2702,
|
||||
"step": 68608
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.886830655617308e-05,
|
||||
"loss": 4.2672,
|
||||
"step": 69120
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.885992060866256e-05,
|
||||
"loss": 4.2696,
|
||||
"step": 69632
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.885155103995577e-05,
|
||||
"loss": 4.2588,
|
||||
"step": 70144
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.884316509244525e-05,
|
||||
"loss": 4.2571,
|
||||
"step": 70656
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.883477914493473e-05,
|
||||
"loss": 4.2581,
|
||||
"step": 71168
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.882639319742421e-05,
|
||||
"loss": 4.25,
|
||||
"step": 71680
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.881800724991369e-05,
|
||||
"loss": 4.2452,
|
||||
"step": 72192
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.880962130240316e-05,
|
||||
"loss": 4.245,
|
||||
"step": 72704
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.880123535489264e-05,
|
||||
"loss": 4.2489,
|
||||
"step": 73216
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.879286578618586e-05,
|
||||
"loss": 4.2394,
|
||||
"step": 73728
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.878447983867534e-05,
|
||||
"loss": 4.2489,
|
||||
"step": 74240
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.877609389116482e-05,
|
||||
"loss": 4.2412,
|
||||
"step": 74752
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.87677079436543e-05,
|
||||
"loss": 4.2424,
|
||||
"step": 75264
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.875933837494751e-05,
|
||||
"loss": 4.2462,
|
||||
"step": 75776
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 4.8750952427436986e-05,
|
||||
"loss": 4.2278,
|
||||
"step": 76288
|
||||
},
|
||||
{
|
||||
"epoch": 0.03,
|
||||
"eval_loss": 4.198204517364502,
|
||||
"eval_runtime": 302.7571,
|
||||
"eval_samples_per_second": 1260.387,
|
||||
"eval_steps_per_second": 39.388,
|
||||
"step": 76320
|
||||
}
|
||||
],
|
||||
"logging_steps": 512,
|
||||
"max_steps": 3052726,
|
||||
"num_train_epochs": 9223372036854775807,
|
||||
"save_steps": 10,
|
||||
"total_flos": 5.311679277613363e+16,
|
||||
"trial_name": null,
|
||||
"trial_params": null
|
||||
}
|
||||
3
checkpoint-76320/training_args.bin
Normal file
3
checkpoint-76320/training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:0a2d6788fd9369a2b4e934b339d0fce1f4181b4e9a12be3f8b0c048743bfd510
|
||||
size 4219
|
||||
Reference in New Issue
Block a user