初始化项目,由ModelHub XC社区提供模型
Model: HuggingFaceH4/mistral-7b-grok Source: Original Platform
This commit is contained in:
698
trainer_state.json
Normal file
698
trainer_state.json
Normal file
@@ -0,0 +1,698 @@
|
||||
{
|
||||
"best_metric": null,
|
||||
"best_model_checkpoint": null,
|
||||
"epoch": 0.9986257443884563,
|
||||
"eval_steps": 500,
|
||||
"global_step": 545,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 0.0,
|
||||
"learning_rate": 3.6363636363636366e-07,
|
||||
"loss": 1.7361,
|
||||
"step": 1
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 1.8181818181818183e-06,
|
||||
"loss": 1.597,
|
||||
"step": 5
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 3.6363636363636366e-06,
|
||||
"loss": 1.2948,
|
||||
"step": 10
|
||||
},
|
||||
{
|
||||
"epoch": 0.03,
|
||||
"learning_rate": 5.4545454545454545e-06,
|
||||
"loss": 1.1706,
|
||||
"step": 15
|
||||
},
|
||||
{
|
||||
"epoch": 0.04,
|
||||
"learning_rate": 7.272727272727273e-06,
|
||||
"loss": 1.1151,
|
||||
"step": 20
|
||||
},
|
||||
{
|
||||
"epoch": 0.05,
|
||||
"learning_rate": 9.090909090909091e-06,
|
||||
"loss": 1.0596,
|
||||
"step": 25
|
||||
},
|
||||
{
|
||||
"epoch": 0.05,
|
||||
"learning_rate": 1.0909090909090909e-05,
|
||||
"loss": 1.0556,
|
||||
"step": 30
|
||||
},
|
||||
{
|
||||
"epoch": 0.06,
|
||||
"learning_rate": 1.2727272727272728e-05,
|
||||
"loss": 1.0255,
|
||||
"step": 35
|
||||
},
|
||||
{
|
||||
"epoch": 0.07,
|
||||
"learning_rate": 1.4545454545454546e-05,
|
||||
"loss": 1.0134,
|
||||
"step": 40
|
||||
},
|
||||
{
|
||||
"epoch": 0.08,
|
||||
"learning_rate": 1.6363636363636366e-05,
|
||||
"loss": 1.0155,
|
||||
"step": 45
|
||||
},
|
||||
{
|
||||
"epoch": 0.09,
|
||||
"learning_rate": 1.8181818181818182e-05,
|
||||
"loss": 1.0141,
|
||||
"step": 50
|
||||
},
|
||||
{
|
||||
"epoch": 0.1,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 1.0085,
|
||||
"step": 55
|
||||
},
|
||||
{
|
||||
"epoch": 0.11,
|
||||
"learning_rate": 1.999486216200688e-05,
|
||||
"loss": 0.9965,
|
||||
"step": 60
|
||||
},
|
||||
{
|
||||
"epoch": 0.12,
|
||||
"learning_rate": 1.9979453927503366e-05,
|
||||
"loss": 0.9977,
|
||||
"step": 65
|
||||
},
|
||||
{
|
||||
"epoch": 0.13,
|
||||
"learning_rate": 1.9953791129491985e-05,
|
||||
"loss": 1.0026,
|
||||
"step": 70
|
||||
},
|
||||
{
|
||||
"epoch": 0.14,
|
||||
"learning_rate": 1.991790013823246e-05,
|
||||
"loss": 0.9994,
|
||||
"step": 75
|
||||
},
|
||||
{
|
||||
"epoch": 0.15,
|
||||
"learning_rate": 1.9871817834144506e-05,
|
||||
"loss": 0.9864,
|
||||
"step": 80
|
||||
},
|
||||
{
|
||||
"epoch": 0.16,
|
||||
"learning_rate": 1.9815591569910654e-05,
|
||||
"loss": 1.0066,
|
||||
"step": 85
|
||||
},
|
||||
{
|
||||
"epoch": 0.16,
|
||||
"learning_rate": 1.9749279121818235e-05,
|
||||
"loss": 0.9878,
|
||||
"step": 90
|
||||
},
|
||||
{
|
||||
"epoch": 0.17,
|
||||
"learning_rate": 1.9672948630390296e-05,
|
||||
"loss": 0.989,
|
||||
"step": 95
|
||||
},
|
||||
{
|
||||
"epoch": 0.18,
|
||||
"learning_rate": 1.9586678530366607e-05,
|
||||
"loss": 0.9942,
|
||||
"step": 100
|
||||
},
|
||||
{
|
||||
"epoch": 0.19,
|
||||
"learning_rate": 1.949055747010669e-05,
|
||||
"loss": 1.0028,
|
||||
"step": 105
|
||||
},
|
||||
{
|
||||
"epoch": 0.2,
|
||||
"learning_rate": 1.9384684220497605e-05,
|
||||
"loss": 0.9865,
|
||||
"step": 110
|
||||
},
|
||||
{
|
||||
"epoch": 0.21,
|
||||
"learning_rate": 1.926916757346022e-05,
|
||||
"loss": 0.9907,
|
||||
"step": 115
|
||||
},
|
||||
{
|
||||
"epoch": 0.22,
|
||||
"learning_rate": 1.9144126230158127e-05,
|
||||
"loss": 0.984,
|
||||
"step": 120
|
||||
},
|
||||
{
|
||||
"epoch": 0.23,
|
||||
"learning_rate": 1.900968867902419e-05,
|
||||
"loss": 0.9891,
|
||||
"step": 125
|
||||
},
|
||||
{
|
||||
"epoch": 0.24,
|
||||
"learning_rate": 1.8865993063730003e-05,
|
||||
"loss": 0.9858,
|
||||
"step": 130
|
||||
},
|
||||
{
|
||||
"epoch": 0.25,
|
||||
"learning_rate": 1.8713187041233896e-05,
|
||||
"loss": 0.9872,
|
||||
"step": 135
|
||||
},
|
||||
{
|
||||
"epoch": 0.26,
|
||||
"learning_rate": 1.8551427630053464e-05,
|
||||
"loss": 0.9844,
|
||||
"step": 140
|
||||
},
|
||||
{
|
||||
"epoch": 0.27,
|
||||
"learning_rate": 1.8380881048918406e-05,
|
||||
"loss": 0.9842,
|
||||
"step": 145
|
||||
},
|
||||
{
|
||||
"epoch": 0.27,
|
||||
"learning_rate": 1.820172254596956e-05,
|
||||
"loss": 0.984,
|
||||
"step": 150
|
||||
},
|
||||
{
|
||||
"epoch": 0.28,
|
||||
"learning_rate": 1.8014136218679566e-05,
|
||||
"loss": 0.9975,
|
||||
"step": 155
|
||||
},
|
||||
{
|
||||
"epoch": 0.29,
|
||||
"learning_rate": 1.78183148246803e-05,
|
||||
"loss": 0.9799,
|
||||
"step": 160
|
||||
},
|
||||
{
|
||||
"epoch": 0.3,
|
||||
"learning_rate": 1.7614459583691346e-05,
|
||||
"loss": 0.9936,
|
||||
"step": 165
|
||||
},
|
||||
{
|
||||
"epoch": 0.31,
|
||||
"learning_rate": 1.7402779970753156e-05,
|
||||
"loss": 0.9711,
|
||||
"step": 170
|
||||
},
|
||||
{
|
||||
"epoch": 0.32,
|
||||
"learning_rate": 1.7183493500977277e-05,
|
||||
"loss": 0.9767,
|
||||
"step": 175
|
||||
},
|
||||
{
|
||||
"epoch": 0.33,
|
||||
"learning_rate": 1.6956825506034866e-05,
|
||||
"loss": 0.9754,
|
||||
"step": 180
|
||||
},
|
||||
{
|
||||
"epoch": 0.34,
|
||||
"learning_rate": 1.672300890261317e-05,
|
||||
"loss": 0.9858,
|
||||
"step": 185
|
||||
},
|
||||
{
|
||||
"epoch": 0.35,
|
||||
"learning_rate": 1.6482283953077887e-05,
|
||||
"loss": 0.9779,
|
||||
"step": 190
|
||||
},
|
||||
{
|
||||
"epoch": 0.36,
|
||||
"learning_rate": 1.6234898018587336e-05,
|
||||
"loss": 0.9868,
|
||||
"step": 195
|
||||
},
|
||||
{
|
||||
"epoch": 0.37,
|
||||
"learning_rate": 1.598110530491216e-05,
|
||||
"loss": 0.9786,
|
||||
"step": 200
|
||||
},
|
||||
{
|
||||
"epoch": 0.38,
|
||||
"learning_rate": 1.5721166601221697e-05,
|
||||
"loss": 0.9665,
|
||||
"step": 205
|
||||
},
|
||||
{
|
||||
"epoch": 0.38,
|
||||
"learning_rate": 1.5455349012105488e-05,
|
||||
"loss": 0.9734,
|
||||
"step": 210
|
||||
},
|
||||
{
|
||||
"epoch": 0.39,
|
||||
"learning_rate": 1.5183925683105254e-05,
|
||||
"loss": 0.961,
|
||||
"step": 215
|
||||
},
|
||||
{
|
||||
"epoch": 0.4,
|
||||
"learning_rate": 1.4907175520039381e-05,
|
||||
"loss": 0.9664,
|
||||
"step": 220
|
||||
},
|
||||
{
|
||||
"epoch": 0.41,
|
||||
"learning_rate": 1.4625382902408356e-05,
|
||||
"loss": 0.9566,
|
||||
"step": 225
|
||||
},
|
||||
{
|
||||
"epoch": 0.42,
|
||||
"learning_rate": 1.4338837391175582e-05,
|
||||
"loss": 0.9733,
|
||||
"step": 230
|
||||
},
|
||||
{
|
||||
"epoch": 0.43,
|
||||
"learning_rate": 1.4047833431223938e-05,
|
||||
"loss": 0.9753,
|
||||
"step": 235
|
||||
},
|
||||
{
|
||||
"epoch": 0.44,
|
||||
"learning_rate": 1.3752670048793744e-05,
|
||||
"loss": 0.9666,
|
||||
"step": 240
|
||||
},
|
||||
{
|
||||
"epoch": 0.45,
|
||||
"learning_rate": 1.3453650544213078e-05,
|
||||
"loss": 0.9485,
|
||||
"step": 245
|
||||
},
|
||||
{
|
||||
"epoch": 0.46,
|
||||
"learning_rate": 1.315108218023621e-05,
|
||||
"loss": 0.9666,
|
||||
"step": 250
|
||||
},
|
||||
{
|
||||
"epoch": 0.47,
|
||||
"learning_rate": 1.2845275866310325e-05,
|
||||
"loss": 0.9539,
|
||||
"step": 255
|
||||
},
|
||||
{
|
||||
"epoch": 0.48,
|
||||
"learning_rate": 1.2536545839095074e-05,
|
||||
"loss": 0.9516,
|
||||
"step": 260
|
||||
},
|
||||
{
|
||||
"epoch": 0.49,
|
||||
"learning_rate": 1.2225209339563144e-05,
|
||||
"loss": 0.9611,
|
||||
"step": 265
|
||||
},
|
||||
{
|
||||
"epoch": 0.49,
|
||||
"learning_rate": 1.1911586287013726e-05,
|
||||
"loss": 0.964,
|
||||
"step": 270
|
||||
},
|
||||
{
|
||||
"epoch": 0.5,
|
||||
"learning_rate": 1.1595998950333794e-05,
|
||||
"loss": 0.9584,
|
||||
"step": 275
|
||||
},
|
||||
{
|
||||
"epoch": 0.51,
|
||||
"learning_rate": 1.1278771616845061e-05,
|
||||
"loss": 0.9472,
|
||||
"step": 280
|
||||
},
|
||||
{
|
||||
"epoch": 0.52,
|
||||
"learning_rate": 1.0960230259076819e-05,
|
||||
"loss": 0.9521,
|
||||
"step": 285
|
||||
},
|
||||
{
|
||||
"epoch": 0.53,
|
||||
"learning_rate": 1.064070219980713e-05,
|
||||
"loss": 0.9426,
|
||||
"step": 290
|
||||
},
|
||||
{
|
||||
"epoch": 0.54,
|
||||
"learning_rate": 1.0320515775716556e-05,
|
||||
"loss": 0.9434,
|
||||
"step": 295
|
||||
},
|
||||
{
|
||||
"epoch": 0.55,
|
||||
"learning_rate": 1e-05,
|
||||
"loss": 0.9592,
|
||||
"step": 300
|
||||
},
|
||||
{
|
||||
"epoch": 0.56,
|
||||
"learning_rate": 9.67948422428345e-06,
|
||||
"loss": 0.9556,
|
||||
"step": 305
|
||||
},
|
||||
{
|
||||
"epoch": 0.57,
|
||||
"learning_rate": 9.359297800192873e-06,
|
||||
"loss": 0.9445,
|
||||
"step": 310
|
||||
},
|
||||
{
|
||||
"epoch": 0.58,
|
||||
"learning_rate": 9.039769740923183e-06,
|
||||
"loss": 0.9506,
|
||||
"step": 315
|
||||
},
|
||||
{
|
||||
"epoch": 0.59,
|
||||
"learning_rate": 8.721228383154939e-06,
|
||||
"loss": 0.9342,
|
||||
"step": 320
|
||||
},
|
||||
{
|
||||
"epoch": 0.6,
|
||||
"learning_rate": 8.404001049666211e-06,
|
||||
"loss": 0.9377,
|
||||
"step": 325
|
||||
},
|
||||
{
|
||||
"epoch": 0.6,
|
||||
"learning_rate": 8.08841371298628e-06,
|
||||
"loss": 0.9539,
|
||||
"step": 330
|
||||
},
|
||||
{
|
||||
"epoch": 0.61,
|
||||
"learning_rate": 7.774790660436857e-06,
|
||||
"loss": 0.9461,
|
||||
"step": 335
|
||||
},
|
||||
{
|
||||
"epoch": 0.62,
|
||||
"learning_rate": 7.463454160904928e-06,
|
||||
"loss": 0.9457,
|
||||
"step": 340
|
||||
},
|
||||
{
|
||||
"epoch": 0.63,
|
||||
"learning_rate": 7.154724133689677e-06,
|
||||
"loss": 0.9402,
|
||||
"step": 345
|
||||
},
|
||||
{
|
||||
"epoch": 0.64,
|
||||
"learning_rate": 6.848917819763794e-06,
|
||||
"loss": 0.9472,
|
||||
"step": 350
|
||||
},
|
||||
{
|
||||
"epoch": 0.65,
|
||||
"learning_rate": 6.546349455786926e-06,
|
||||
"loss": 0.9309,
|
||||
"step": 355
|
||||
},
|
||||
{
|
||||
"epoch": 0.66,
|
||||
"learning_rate": 6.24732995120626e-06,
|
||||
"loss": 0.9274,
|
||||
"step": 360
|
||||
},
|
||||
{
|
||||
"epoch": 0.67,
|
||||
"learning_rate": 5.952166568776062e-06,
|
||||
"loss": 0.9432,
|
||||
"step": 365
|
||||
},
|
||||
{
|
||||
"epoch": 0.68,
|
||||
"learning_rate": 5.66116260882442e-06,
|
||||
"loss": 0.9349,
|
||||
"step": 370
|
||||
},
|
||||
{
|
||||
"epoch": 0.69,
|
||||
"learning_rate": 5.37461709759165e-06,
|
||||
"loss": 0.9517,
|
||||
"step": 375
|
||||
},
|
||||
{
|
||||
"epoch": 0.7,
|
||||
"learning_rate": 5.092824479960625e-06,
|
||||
"loss": 0.9277,
|
||||
"step": 380
|
||||
},
|
||||
{
|
||||
"epoch": 0.71,
|
||||
"learning_rate": 4.81607431689475e-06,
|
||||
"loss": 0.9399,
|
||||
"step": 385
|
||||
},
|
||||
{
|
||||
"epoch": 0.71,
|
||||
"learning_rate": 4.544650987894514e-06,
|
||||
"loss": 0.9413,
|
||||
"step": 390
|
||||
},
|
||||
{
|
||||
"epoch": 0.72,
|
||||
"learning_rate": 4.278833398778306e-06,
|
||||
"loss": 0.9442,
|
||||
"step": 395
|
||||
},
|
||||
{
|
||||
"epoch": 0.73,
|
||||
"learning_rate": 4.01889469508784e-06,
|
||||
"loss": 0.9457,
|
||||
"step": 400
|
||||
},
|
||||
{
|
||||
"epoch": 0.74,
|
||||
"learning_rate": 3.7651019814126656e-06,
|
||||
"loss": 0.929,
|
||||
"step": 405
|
||||
},
|
||||
{
|
||||
"epoch": 0.75,
|
||||
"learning_rate": 3.5177160469221184e-06,
|
||||
"loss": 0.9365,
|
||||
"step": 410
|
||||
},
|
||||
{
|
||||
"epoch": 0.76,
|
||||
"learning_rate": 3.2769910973868314e-06,
|
||||
"loss": 0.9393,
|
||||
"step": 415
|
||||
},
|
||||
{
|
||||
"epoch": 0.77,
|
||||
"learning_rate": 3.0431744939651365e-06,
|
||||
"loss": 0.9292,
|
||||
"step": 420
|
||||
},
|
||||
{
|
||||
"epoch": 0.78,
|
||||
"learning_rate": 2.8165064990227255e-06,
|
||||
"loss": 0.9208,
|
||||
"step": 425
|
||||
},
|
||||
{
|
||||
"epoch": 0.79,
|
||||
"learning_rate": 2.597220029246846e-06,
|
||||
"loss": 0.9307,
|
||||
"step": 430
|
||||
},
|
||||
{
|
||||
"epoch": 0.8,
|
||||
"learning_rate": 2.3855404163086558e-06,
|
||||
"loss": 0.9311,
|
||||
"step": 435
|
||||
},
|
||||
{
|
||||
"epoch": 0.81,
|
||||
"learning_rate": 2.1816851753197023e-06,
|
||||
"loss": 0.9253,
|
||||
"step": 440
|
||||
},
|
||||
{
|
||||
"epoch": 0.82,
|
||||
"learning_rate": 1.9858637813204352e-06,
|
||||
"loss": 0.9221,
|
||||
"step": 445
|
||||
},
|
||||
{
|
||||
"epoch": 0.82,
|
||||
"learning_rate": 1.7982774540304404e-06,
|
||||
"loss": 0.9256,
|
||||
"step": 450
|
||||
},
|
||||
{
|
||||
"epoch": 0.83,
|
||||
"learning_rate": 1.6191189510815942e-06,
|
||||
"loss": 0.9384,
|
||||
"step": 455
|
||||
},
|
||||
{
|
||||
"epoch": 0.84,
|
||||
"learning_rate": 1.4485723699465392e-06,
|
||||
"loss": 0.9402,
|
||||
"step": 460
|
||||
},
|
||||
{
|
||||
"epoch": 0.85,
|
||||
"learning_rate": 1.286812958766106e-06,
|
||||
"loss": 0.9339,
|
||||
"step": 465
|
||||
},
|
||||
{
|
||||
"epoch": 0.86,
|
||||
"learning_rate": 1.134006936269999e-06,
|
||||
"loss": 0.9241,
|
||||
"step": 470
|
||||
},
|
||||
{
|
||||
"epoch": 0.87,
|
||||
"learning_rate": 9.903113209758098e-07,
|
||||
"loss": 0.9247,
|
||||
"step": 475
|
||||
},
|
||||
{
|
||||
"epoch": 0.88,
|
||||
"learning_rate": 8.558737698418762e-07,
|
||||
"loss": 0.9238,
|
||||
"step": 480
|
||||
},
|
||||
{
|
||||
"epoch": 0.89,
|
||||
"learning_rate": 7.308324265397837e-07,
|
||||
"loss": 0.9252,
|
||||
"step": 485
|
||||
},
|
||||
{
|
||||
"epoch": 0.9,
|
||||
"learning_rate": 6.153157795023956e-07,
|
||||
"loss": 0.9266,
|
||||
"step": 490
|
||||
},
|
||||
{
|
||||
"epoch": 0.91,
|
||||
"learning_rate": 5.094425298933136e-07,
|
||||
"loss": 0.931,
|
||||
"step": 495
|
||||
},
|
||||
{
|
||||
"epoch": 0.92,
|
||||
"learning_rate": 4.133214696333943e-07,
|
||||
"loss": 0.9207,
|
||||
"step": 500
|
||||
},
|
||||
{
|
||||
"epoch": 0.93,
|
||||
"learning_rate": 3.2705136960970554e-07,
|
||||
"loss": 0.9194,
|
||||
"step": 505
|
||||
},
|
||||
{
|
||||
"epoch": 0.93,
|
||||
"learning_rate": 2.507208781817638e-07,
|
||||
"loss": 0.9219,
|
||||
"step": 510
|
||||
},
|
||||
{
|
||||
"epoch": 0.94,
|
||||
"learning_rate": 1.844084300893456e-07,
|
||||
"loss": 0.923,
|
||||
"step": 515
|
||||
},
|
||||
{
|
||||
"epoch": 0.95,
|
||||
"learning_rate": 1.2818216585549824e-07,
|
||||
"loss": 0.9317,
|
||||
"step": 520
|
||||
},
|
||||
{
|
||||
"epoch": 0.96,
|
||||
"learning_rate": 8.209986176753947e-08,
|
||||
"loss": 0.9299,
|
||||
"step": 525
|
||||
},
|
||||
{
|
||||
"epoch": 0.97,
|
||||
"learning_rate": 4.6208870508017703e-08,
|
||||
"loss": 0.9231,
|
||||
"step": 530
|
||||
},
|
||||
{
|
||||
"epoch": 0.98,
|
||||
"learning_rate": 2.054607249663665e-08,
|
||||
"loss": 0.9343,
|
||||
"step": 535
|
||||
},
|
||||
{
|
||||
"epoch": 0.99,
|
||||
"learning_rate": 5.137837993121064e-09,
|
||||
"loss": 0.9226,
|
||||
"step": 540
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"learning_rate": 0.0,
|
||||
"loss": 0.9326,
|
||||
"step": 545
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"eval_loss": 0.934799313545227,
|
||||
"eval_runtime": 143.5923,
|
||||
"eval_samples_per_second": 108.007,
|
||||
"eval_steps_per_second": 1.692,
|
||||
"step": 545
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"step": 545,
|
||||
"total_flos": 456238269726720.0,
|
||||
"train_loss": 0.9725383741046311,
|
||||
"train_runtime": 5277.8235,
|
||||
"train_samples_per_second": 26.46,
|
||||
"train_steps_per_second": 0.103
|
||||
}
|
||||
],
|
||||
"logging_steps": 5,
|
||||
"max_steps": 545,
|
||||
"num_input_tokens_seen": 0,
|
||||
"num_train_epochs": 1,
|
||||
"save_steps": 55,
|
||||
"total_flos": 456238269726720.0,
|
||||
"train_batch_size": 8,
|
||||
"trial_name": null,
|
||||
"trial_params": null
|
||||
}
|
||||
Reference in New Issue
Block a user