初始化项目，由ModelHub XC社区提供模型
Model: Josephgflowers/TinyLlama-Cinder-Agent-v1 Source: Original Platform
This commit is contained in:
ModelHub XC
49
.gitattributes
vendored
Normal file
49
.gitattributes
vendored
Normal file
@@ -0,0 +1,49 @@
|
|||||||
|
*.7z filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.arrow filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.bin filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.bin.* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.bz2 filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.ftz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.gz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.h5 filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.joblib filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.lfs.* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.model filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.msgpack filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.onnx filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.ot filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.parquet filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pb filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pt filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pth filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.rar filter=lfs diff=lfs merge=lfs -text
|
||||||
|
saved_model/**/* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.tar.* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.tflite filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.tgz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.xz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.zip filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.zstandard filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.tfevents* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.db* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.ark* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
**/*ckpt*data* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
**/*ckpt*.meta filter=lfs diff=lfs merge=lfs -text
|
||||||
|
**/*ckpt*.index filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.safetensors filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.ckpt filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.gguf* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.ggml filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.llamafile* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pt2 filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.mlmodel filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.npy filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.npz filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pickle filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pkl filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.tar filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.wasm filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.zst filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*tfevents* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
|
||||||
|
tokenizer.json filter=lfs diff=lfs merge=lfs -text
|
||||||
67
README.md
Normal file
67
README.md
Normal file
@@ -0,0 +1,67 @@
|
|||||||
|
---
|
||||||
|
license: mit
|
||||||
|
tags:
|
||||||
|
- generated_from_trainer
|
||||||
|
base_model: Josephgflowers/TinyLlama-Cinder-Tiny-Agent
|
||||||
|
model-index:
|
||||||
|
- name: TinyLlama-Cinder-Agent-v1
|
||||||
|
results: []
|
||||||
|
---
|
||||||
|
The goal of this Model is to build a Tinyllama model that can be used for tool usage, RAG, take system instructions, and as a general assistant.
|
||||||
|
|
||||||
|
This model is a fine-tuned version of [Josephgflowers/TinyLlama-Cinder-Tiny-Agent](https://huggingface.co/Josephgflowers/TinyLlama-Cinder-Tiny-Agent).
|
||||||
|
|
||||||
|
Special Thanks to https://nationtech.io/ for their generous sponorship in training this model.
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
This model is a fine-tuned version of [Josephgflowers/TinyLlama-3T-Cinder-v1.2](https://huggingface.co/Josephgflowers/TinyLlama-3T-Cinder-v1.2) on https://huggingface.co/datasets/Josephgflowers/agent_1.
|
||||||
|
|
||||||
|
## Model description
|
||||||
|
|
||||||
|
This models is trained for RAG, Summary, Function Calling and Tool usage. Trained off of Cinder. Cinder is a chatbot designed for chat about STEM topics, space adventure RP and storytelling.
|
||||||
|
This model does well at the IFEval (following instuctions) for its size. It is great at summary and RAG. Due to the formatting of the Glaive function calling dataset the JSON
|
||||||
|
output is not what I was expecting for doing regular JSON dumps but does follow their standard strictly.
|
||||||
|
|
||||||
|
*********************************************
|
||||||
|
10 X the original tinyllama model on GSM8K!!!
|
||||||
|
*********************************************
|
||||||
|
|
||||||
|
To do this I started with all the normal open math datasets EG Orca Math, All the Meta Math, camel AI math qa, ect and as many reasoning datasets as I could make or find.
|
||||||
|
But what really made it go the extra mile was adding in TIGER-Lab/WebInstructSub along with all of the RAG and Summary data.
|
||||||
|
So special thanks to TIGER-Lab. I found that as math perfomance improved so did the model's ability to handle extracting relevant data in RAG.
|
||||||
|
|
||||||
|
### Help Here
|
||||||
|
Like my work? Want to see more? Custom request? Message me on discord: joseph.flowers.ra Donate here: https://buymeacoffee.com/josephgflowers
|
||||||
|
|
||||||
|
See https://huggingface.co/Josephgflowers/TinyLlama-Cinder-Agent-Rag/blob/main/tinyllama_agent_cinder_txtai-rag.py
|
||||||
|
For usage example with wiki rag.
|
||||||
|
|
||||||
|
|
||||||
|
# [Open LLM Leaderboard Evaluation Results](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)
|
||||||
|
Detailed results can be found [here](https://huggingface.co/datasets/open-llm-leaderboard/details_Josephgflowers__TinyLlama-Cinder-Agent-v1)
|
||||||
|
|
||||||
|
| Metric |Value|
|
||||||
|
|---------------------------------|----:|
|
||||||
|
|Avg. |39.17|
|
||||||
|
|AI2 Reasoning Challenge (25-Shot)|34.90|
|
||||||
|
|HellaSwag (10-Shot) |53.87|
|
||||||
|
|MMLU (5-Shot) |26.89|
|
||||||
|
|TruthfulQA (0-shot) |39.08|
|
||||||
|
|Winogrande (5-shot) |59.12|
|
||||||
|
|GSM8k (5-shot) |21.15|
|
||||||
|
|
||||||
|
|
||||||
|
# [Open LLM Leaderboard Evaluation Results](https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard)
|
||||||
|
Detailed results can be found [here](https://huggingface.co/datasets/open-llm-leaderboard/details_Josephgflowers__TinyLlama-Cinder-Agent-v1)
|
||||||
|
|
||||||
|
| Metric |Value|
|
||||||
|
|-------------------|----:|
|
||||||
|
|Avg. | 5.82|
|
||||||
|
|IFEval (0-Shot) |26.70|
|
||||||
|
|BBH (3-Shot) | 3.80|
|
||||||
|
|MATH Lvl 5 (4-Shot)| 0.38|
|
||||||
|
|GPQA (0-shot) | 0.00|
|
||||||
|
|MuSR (0-shot) | 2.23|
|
||||||
|
|MMLU-PRO (5-shot) | 1.79|
|
||||||
|
|
||||||
9
all_results.json
Normal file
9
all_results.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"total_flos": 1.955920022807249e+18,
|
||||||
|
"train_loss": 0.8700304180128008,
|
||||||
|
"train_runtime": 179145.9612,
|
||||||
|
"train_samples": 153863,
|
||||||
|
"train_samples_per_second": 0.859,
|
||||||
|
"train_steps_per_second": 0.072
|
||||||
|
}
|
||||||
29
config.json
Normal file
29
config.json
Normal file
@@ -0,0 +1,29 @@
|
|||||||
|
{
|
||||||
|
"_name_or_path": "Josephgflowers/TinyLlama-Cinder-Tiny-Agent",
|
||||||
|
"architectures": [
|
||||||
|
"LlamaForCausalLM"
|
||||||
|
],
|
||||||
|
"attention_bias": false,
|
||||||
|
"attention_dropout": 0.0,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"hidden_act": "silu",
|
||||||
|
"hidden_size": 2048,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"intermediate_size": 5632,
|
||||||
|
"max_position_embeddings": 2048,
|
||||||
|
"mlp_bias": false,
|
||||||
|
"model_type": "llama",
|
||||||
|
"num_attention_heads": 32,
|
||||||
|
"num_hidden_layers": 22,
|
||||||
|
"num_key_value_heads": 4,
|
||||||
|
"pretraining_tp": 1,
|
||||||
|
"rms_norm_eps": 1e-05,
|
||||||
|
"rope_scaling": null,
|
||||||
|
"rope_theta": 10000.0,
|
||||||
|
"tie_word_embeddings": false,
|
||||||
|
"torch_dtype": "float32",
|
||||||
|
"transformers_version": "4.41.0.dev0",
|
||||||
|
"use_cache": false,
|
||||||
|
"vocab_size": 32000
|
||||||
|
}
|
||||||
1
configuration.json
Normal file
1
configuration.json
Normal file
@@ -0,0 +1 @@
|
|||||||
|
{"framework": "pytorch", "task": "text-generation", "allow_remote": true}
|
||||||
7
generation_config.json
Normal file
7
generation_config.json
Normal file
@@ -0,0 +1,7 @@
|
|||||||
|
{
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"max_length": 2048,
|
||||||
|
"pad_token_id": 0,
|
||||||
|
"transformers_version": "4.41.0.dev0"
|
||||||
|
}
|
||||||
3
model.safetensors
Normal file
3
model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:9c86cd1858d9891e7cd52ccb63a868d208a7a0731b84df044c8506a2f0a7e1fb
|
||||||
|
size 4400216536
|
||||||
30
special_tokens_map.json
Normal file
30
special_tokens_map.json
Normal file
@@ -0,0 +1,30 @@
|
|||||||
|
{
|
||||||
|
"bos_token": {
|
||||||
|
"content": "<s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"eos_token": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"pad_token": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"unk_token": {
|
||||||
|
"content": "<unk>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
}
|
||||||
|
}
|
||||||
3
tokenizer.json
Normal file
3
tokenizer.json
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:bf467c9e0f536bda271283c6ef85eb1a943e3196b621c8a912d64953b205df83
|
||||||
|
size 1842795
|
||||||
41
tokenizer_config.json
Normal file
41
tokenizer_config.json
Normal file
@@ -0,0 +1,41 @@
|
|||||||
|
{
|
||||||
|
"add_bos_token": true,
|
||||||
|
"add_eos_token": false,
|
||||||
|
"added_tokens_decoder": {
|
||||||
|
"0": {
|
||||||
|
"content": "<unk>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"1": {
|
||||||
|
"content": "<s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"2": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"chat_template": "{% for message in messages %}\n{% if message['role'] == 'user' %}\n{{ '<|user|>\n' + message['content'] + eos_token }}\n{% elif message['role'] == 'system' %}\n{{ '<|system|>\n' + message['content'] + eos_token }}\n{% elif message['role'] == 'assistant' %}\n{{ '<|assistant|>\n' + message['content'] + eos_token }}\n{% endif %}\n{% if loop.last and add_generation_prompt %}\n{{ '<|assistant|>' }}\n{% endif %}\n{% endfor %}",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"model_max_length": 2048,
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"padding_side": "right",
|
||||||
|
"sp_model_kwargs": {},
|
||||||
|
"tokenizer_class": "LlamaTokenizer",
|
||||||
|
"unk_token": "<unk>",
|
||||||
|
"use_default_system_prompt": false
|
||||||
|
}
|
||||||
9
train_results.json
Normal file
9
train_results.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"total_flos": 1.955920022807249e+18,
|
||||||
|
"train_loss": 0.8700304180128008,
|
||||||
|
"train_runtime": 179145.9612,
|
||||||
|
"train_samples": 153863,
|
||||||
|
"train_samples_per_second": 0.859,
|
||||||
|
"train_steps_per_second": 0.072
|
||||||
|
}
|
||||||
938
trainer_state.json
Normal file
938
trainer_state.json
Normal file
@@ -0,0 +1,938 @@
|
|||||||
|
{
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 1.0,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 12822,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.007799095304944627,
|
||||||
|
"grad_norm": 63896.45703125,
|
||||||
|
"learning_rate": 4.961004523475277e-05,
|
||||||
|
"loss": 0.929,
|
||||||
|
"step": 100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.015598190609889253,
|
||||||
|
"grad_norm": 79284.765625,
|
||||||
|
"learning_rate": 4.9220090469505544e-05,
|
||||||
|
"loss": 0.9281,
|
||||||
|
"step": 200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.02339728591483388,
|
||||||
|
"grad_norm": 80169.203125,
|
||||||
|
"learning_rate": 4.883013570425831e-05,
|
||||||
|
"loss": 0.9385,
|
||||||
|
"step": 300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.031196381219778507,
|
||||||
|
"grad_norm": 65649.6796875,
|
||||||
|
"learning_rate": 4.844018093901108e-05,
|
||||||
|
"loss": 0.9454,
|
||||||
|
"step": 400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.038995476524723134,
|
||||||
|
"grad_norm": 82255.6953125,
|
||||||
|
"learning_rate": 4.805022617376384e-05,
|
||||||
|
"loss": 0.9368,
|
||||||
|
"step": 500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.04679457182966776,
|
||||||
|
"grad_norm": 78376.4296875,
|
||||||
|
"learning_rate": 4.7660271408516614e-05,
|
||||||
|
"loss": 0.9318,
|
||||||
|
"step": 600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.05459366713461238,
|
||||||
|
"grad_norm": 92200.078125,
|
||||||
|
"learning_rate": 4.7270316643269384e-05,
|
||||||
|
"loss": 0.9272,
|
||||||
|
"step": 700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.06239276243955701,
|
||||||
|
"grad_norm": 88060.359375,
|
||||||
|
"learning_rate": 4.688036187802215e-05,
|
||||||
|
"loss": 0.9097,
|
||||||
|
"step": 800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.07019185774450164,
|
||||||
|
"grad_norm": 76161.1796875,
|
||||||
|
"learning_rate": 4.649040711277492e-05,
|
||||||
|
"loss": 0.9475,
|
||||||
|
"step": 900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.07799095304944627,
|
||||||
|
"grad_norm": 90524.1796875,
|
||||||
|
"learning_rate": 4.610045234752769e-05,
|
||||||
|
"loss": 0.9481,
|
||||||
|
"step": 1000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.08579004835439089,
|
||||||
|
"grad_norm": 100124.8359375,
|
||||||
|
"learning_rate": 4.571049758228046e-05,
|
||||||
|
"loss": 0.9333,
|
||||||
|
"step": 1100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.09358914365933552,
|
||||||
|
"grad_norm": 65681.7734375,
|
||||||
|
"learning_rate": 4.5320542817033225e-05,
|
||||||
|
"loss": 0.9247,
|
||||||
|
"step": 1200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.10138823896428015,
|
||||||
|
"grad_norm": 76333.234375,
|
||||||
|
"learning_rate": 4.4930588051785995e-05,
|
||||||
|
"loss": 0.9098,
|
||||||
|
"step": 1300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.10918733426922476,
|
||||||
|
"grad_norm": 77002.0703125,
|
||||||
|
"learning_rate": 4.4540633286538766e-05,
|
||||||
|
"loss": 0.9034,
|
||||||
|
"step": 1400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.1169864295741694,
|
||||||
|
"grad_norm": 72669.1875,
|
||||||
|
"learning_rate": 4.415067852129153e-05,
|
||||||
|
"loss": 0.9149,
|
||||||
|
"step": 1500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.12478552487911403,
|
||||||
|
"grad_norm": 71785.34375,
|
||||||
|
"learning_rate": 4.37607237560443e-05,
|
||||||
|
"loss": 0.9051,
|
||||||
|
"step": 1600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.13258462018405864,
|
||||||
|
"grad_norm": 72728.5859375,
|
||||||
|
"learning_rate": 4.3370768990797065e-05,
|
||||||
|
"loss": 0.9268,
|
||||||
|
"step": 1700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.14038371548900327,
|
||||||
|
"grad_norm": 69223.3203125,
|
||||||
|
"learning_rate": 4.2980814225549836e-05,
|
||||||
|
"loss": 0.9294,
|
||||||
|
"step": 1800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.1481828107939479,
|
||||||
|
"grad_norm": 62745.203125,
|
||||||
|
"learning_rate": 4.2590859460302607e-05,
|
||||||
|
"loss": 0.9038,
|
||||||
|
"step": 1900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.15598190609889254,
|
||||||
|
"grad_norm": 79897.8671875,
|
||||||
|
"learning_rate": 4.220090469505538e-05,
|
||||||
|
"loss": 0.8994,
|
||||||
|
"step": 2000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.16378100140383717,
|
||||||
|
"grad_norm": 74131.546875,
|
||||||
|
"learning_rate": 4.181094992980815e-05,
|
||||||
|
"loss": 0.9144,
|
||||||
|
"step": 2100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.17158009670878177,
|
||||||
|
"grad_norm": 67760.7109375,
|
||||||
|
"learning_rate": 4.142099516456091e-05,
|
||||||
|
"loss": 0.9285,
|
||||||
|
"step": 2200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.1793791920137264,
|
||||||
|
"grad_norm": 78868.1484375,
|
||||||
|
"learning_rate": 4.103104039931368e-05,
|
||||||
|
"loss": 0.8973,
|
||||||
|
"step": 2300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.18717828731867103,
|
||||||
|
"grad_norm": 71780.2109375,
|
||||||
|
"learning_rate": 4.064108563406645e-05,
|
||||||
|
"loss": 0.8961,
|
||||||
|
"step": 2400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.19497738262361566,
|
||||||
|
"grad_norm": 77858.109375,
|
||||||
|
"learning_rate": 4.025113086881922e-05,
|
||||||
|
"loss": 0.9171,
|
||||||
|
"step": 2500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.2027764779285603,
|
||||||
|
"grad_norm": 70062.796875,
|
||||||
|
"learning_rate": 3.986117610357199e-05,
|
||||||
|
"loss": 0.8903,
|
||||||
|
"step": 2600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.21057557323350493,
|
||||||
|
"grad_norm": 171091.046875,
|
||||||
|
"learning_rate": 3.947122133832475e-05,
|
||||||
|
"loss": 0.9061,
|
||||||
|
"step": 2700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.21837466853844953,
|
||||||
|
"grad_norm": 84371.34375,
|
||||||
|
"learning_rate": 3.908126657307752e-05,
|
||||||
|
"loss": 0.9315,
|
||||||
|
"step": 2800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.22617376384339416,
|
||||||
|
"grad_norm": 62273.2578125,
|
||||||
|
"learning_rate": 3.8691311807830294e-05,
|
||||||
|
"loss": 0.9115,
|
||||||
|
"step": 2900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.2339728591483388,
|
||||||
|
"grad_norm": 60464.15625,
|
||||||
|
"learning_rate": 3.8301357042583065e-05,
|
||||||
|
"loss": 0.8888,
|
||||||
|
"step": 3000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.24177195445328342,
|
||||||
|
"grad_norm": 67546.828125,
|
||||||
|
"learning_rate": 3.7911402277335836e-05,
|
||||||
|
"loss": 0.9031,
|
||||||
|
"step": 3100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.24957104975822805,
|
||||||
|
"grad_norm": 75904.6328125,
|
||||||
|
"learning_rate": 3.75214475120886e-05,
|
||||||
|
"loss": 0.9146,
|
||||||
|
"step": 3200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.2573701450631727,
|
||||||
|
"grad_norm": 81015.3828125,
|
||||||
|
"learning_rate": 3.713149274684137e-05,
|
||||||
|
"loss": 0.8935,
|
||||||
|
"step": 3300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.2651692403681173,
|
||||||
|
"grad_norm": 69763.3203125,
|
||||||
|
"learning_rate": 3.6741537981594134e-05,
|
||||||
|
"loss": 0.9129,
|
||||||
|
"step": 3400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.27296833567306195,
|
||||||
|
"grad_norm": 68604.5,
|
||||||
|
"learning_rate": 3.6351583216346905e-05,
|
||||||
|
"loss": 0.8834,
|
||||||
|
"step": 3500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.28076743097800655,
|
||||||
|
"grad_norm": 66758.03125,
|
||||||
|
"learning_rate": 3.596162845109967e-05,
|
||||||
|
"loss": 0.8925,
|
||||||
|
"step": 3600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.28856652628295115,
|
||||||
|
"grad_norm": 72424.8984375,
|
||||||
|
"learning_rate": 3.557167368585244e-05,
|
||||||
|
"loss": 0.915,
|
||||||
|
"step": 3700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.2963656215878958,
|
||||||
|
"grad_norm": 65904.9453125,
|
||||||
|
"learning_rate": 3.518171892060521e-05,
|
||||||
|
"loss": 0.8833,
|
||||||
|
"step": 3800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.3041647168928404,
|
||||||
|
"grad_norm": 62548.9453125,
|
||||||
|
"learning_rate": 3.479176415535798e-05,
|
||||||
|
"loss": 0.8991,
|
||||||
|
"step": 3900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.3119638121977851,
|
||||||
|
"grad_norm": 85173.90625,
|
||||||
|
"learning_rate": 3.440180939011075e-05,
|
||||||
|
"loss": 0.9111,
|
||||||
|
"step": 4000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.3197629075027297,
|
||||||
|
"grad_norm": 65947.765625,
|
||||||
|
"learning_rate": 3.4011854624863516e-05,
|
||||||
|
"loss": 0.8774,
|
||||||
|
"step": 4100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.32756200280767434,
|
||||||
|
"grad_norm": 69672.1875,
|
||||||
|
"learning_rate": 3.362189985961629e-05,
|
||||||
|
"loss": 0.8816,
|
||||||
|
"step": 4200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.33536109811261894,
|
||||||
|
"grad_norm": 68125.9609375,
|
||||||
|
"learning_rate": 3.323194509436906e-05,
|
||||||
|
"loss": 0.8784,
|
||||||
|
"step": 4300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.34316019341756354,
|
||||||
|
"grad_norm": 76767.6796875,
|
||||||
|
"learning_rate": 3.284199032912182e-05,
|
||||||
|
"loss": 0.899,
|
||||||
|
"step": 4400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.3509592887225082,
|
||||||
|
"grad_norm": 64417.96484375,
|
||||||
|
"learning_rate": 3.245203556387459e-05,
|
||||||
|
"loss": 0.8944,
|
||||||
|
"step": 4500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.3587583840274528,
|
||||||
|
"grad_norm": 62896.37109375,
|
||||||
|
"learning_rate": 3.206208079862736e-05,
|
||||||
|
"loss": 0.8745,
|
||||||
|
"step": 4600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.36655747933239746,
|
||||||
|
"grad_norm": 58443.88671875,
|
||||||
|
"learning_rate": 3.167212603338013e-05,
|
||||||
|
"loss": 0.853,
|
||||||
|
"step": 4700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.37435657463734207,
|
||||||
|
"grad_norm": 75019.8515625,
|
||||||
|
"learning_rate": 3.12821712681329e-05,
|
||||||
|
"loss": 0.8728,
|
||||||
|
"step": 4800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.38215566994228667,
|
||||||
|
"grad_norm": 82645.0078125,
|
||||||
|
"learning_rate": 3.089221650288567e-05,
|
||||||
|
"loss": 0.8617,
|
||||||
|
"step": 4900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.3899547652472313,
|
||||||
|
"grad_norm": 57014.08984375,
|
||||||
|
"learning_rate": 3.0502261737638436e-05,
|
||||||
|
"loss": 0.8566,
|
||||||
|
"step": 5000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.39775386055217593,
|
||||||
|
"grad_norm": 71623.7578125,
|
||||||
|
"learning_rate": 3.01123069723912e-05,
|
||||||
|
"loss": 0.879,
|
||||||
|
"step": 5100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4055529558571206,
|
||||||
|
"grad_norm": 75911.140625,
|
||||||
|
"learning_rate": 2.972235220714397e-05,
|
||||||
|
"loss": 0.8889,
|
||||||
|
"step": 5200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4133520511620652,
|
||||||
|
"grad_norm": 69251.0703125,
|
||||||
|
"learning_rate": 2.9332397441896742e-05,
|
||||||
|
"loss": 0.8685,
|
||||||
|
"step": 5300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.42115114646700985,
|
||||||
|
"grad_norm": 72434.6484375,
|
||||||
|
"learning_rate": 2.8942442676649513e-05,
|
||||||
|
"loss": 0.8895,
|
||||||
|
"step": 5400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.42895024177195445,
|
||||||
|
"grad_norm": 69133.78125,
|
||||||
|
"learning_rate": 2.855248791140228e-05,
|
||||||
|
"loss": 0.8845,
|
||||||
|
"step": 5500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.43674933707689906,
|
||||||
|
"grad_norm": 67216.6875,
|
||||||
|
"learning_rate": 2.8162533146155044e-05,
|
||||||
|
"loss": 0.8661,
|
||||||
|
"step": 5600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4445484323818437,
|
||||||
|
"grad_norm": 61408.3515625,
|
||||||
|
"learning_rate": 2.7772578380907815e-05,
|
||||||
|
"loss": 0.8743,
|
||||||
|
"step": 5700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4523475276867883,
|
||||||
|
"grad_norm": 66496.1640625,
|
||||||
|
"learning_rate": 2.7382623615660586e-05,
|
||||||
|
"loss": 0.8805,
|
||||||
|
"step": 5800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.460146622991733,
|
||||||
|
"grad_norm": 62693.109375,
|
||||||
|
"learning_rate": 2.6992668850413357e-05,
|
||||||
|
"loss": 0.8634,
|
||||||
|
"step": 5900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4679457182966776,
|
||||||
|
"grad_norm": 77037.4140625,
|
||||||
|
"learning_rate": 2.660271408516612e-05,
|
||||||
|
"loss": 0.8834,
|
||||||
|
"step": 6000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4757448136016222,
|
||||||
|
"grad_norm": 67157.15625,
|
||||||
|
"learning_rate": 2.6212759319918888e-05,
|
||||||
|
"loss": 0.8993,
|
||||||
|
"step": 6100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.48354390890656684,
|
||||||
|
"grad_norm": 77155.8125,
|
||||||
|
"learning_rate": 2.582280455467166e-05,
|
||||||
|
"loss": 0.854,
|
||||||
|
"step": 6200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.49134300421151145,
|
||||||
|
"grad_norm": 65097.22265625,
|
||||||
|
"learning_rate": 2.543284978942443e-05,
|
||||||
|
"loss": 0.8716,
|
||||||
|
"step": 6300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4991420995164561,
|
||||||
|
"grad_norm": 89373.515625,
|
||||||
|
"learning_rate": 2.50428950241772e-05,
|
||||||
|
"loss": 0.873,
|
||||||
|
"step": 6400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5069411948214008,
|
||||||
|
"grad_norm": 65231.74609375,
|
||||||
|
"learning_rate": 2.4652940258929964e-05,
|
||||||
|
"loss": 0.8698,
|
||||||
|
"step": 6500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5147402901263454,
|
||||||
|
"grad_norm": 60228.23828125,
|
||||||
|
"learning_rate": 2.426298549368273e-05,
|
||||||
|
"loss": 0.8374,
|
||||||
|
"step": 6600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.52253938543129,
|
||||||
|
"grad_norm": 73940.3125,
|
||||||
|
"learning_rate": 2.3873030728435502e-05,
|
||||||
|
"loss": 0.8669,
|
||||||
|
"step": 6700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5303384807362346,
|
||||||
|
"grad_norm": 80768.6953125,
|
||||||
|
"learning_rate": 2.3483075963188273e-05,
|
||||||
|
"loss": 0.8708,
|
||||||
|
"step": 6800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5381375760411792,
|
||||||
|
"grad_norm": 67096.984375,
|
||||||
|
"learning_rate": 2.309312119794104e-05,
|
||||||
|
"loss": 0.8797,
|
||||||
|
"step": 6900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5459366713461239,
|
||||||
|
"grad_norm": 56897.71875,
|
||||||
|
"learning_rate": 2.2703166432693808e-05,
|
||||||
|
"loss": 0.8728,
|
||||||
|
"step": 7000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5537357666510685,
|
||||||
|
"grad_norm": 64982.1015625,
|
||||||
|
"learning_rate": 2.2313211667446575e-05,
|
||||||
|
"loss": 0.8735,
|
||||||
|
"step": 7100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5615348619560131,
|
||||||
|
"grad_norm": 62320.35546875,
|
||||||
|
"learning_rate": 2.1923256902199346e-05,
|
||||||
|
"loss": 0.8519,
|
||||||
|
"step": 7200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5693339572609577,
|
||||||
|
"grad_norm": 74915.2578125,
|
||||||
|
"learning_rate": 2.1533302136952117e-05,
|
||||||
|
"loss": 0.849,
|
||||||
|
"step": 7300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5771330525659023,
|
||||||
|
"grad_norm": 69091.40625,
|
||||||
|
"learning_rate": 2.1143347371704884e-05,
|
||||||
|
"loss": 0.8451,
|
||||||
|
"step": 7400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.584932147870847,
|
||||||
|
"grad_norm": 75015.2109375,
|
||||||
|
"learning_rate": 2.0753392606457652e-05,
|
||||||
|
"loss": 0.8757,
|
||||||
|
"step": 7500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5927312431757916,
|
||||||
|
"grad_norm": 59275.14453125,
|
||||||
|
"learning_rate": 2.036343784121042e-05,
|
||||||
|
"loss": 0.8657,
|
||||||
|
"step": 7600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6005303384807362,
|
||||||
|
"grad_norm": 64822.92578125,
|
||||||
|
"learning_rate": 1.997348307596319e-05,
|
||||||
|
"loss": 0.8555,
|
||||||
|
"step": 7700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6083294337856808,
|
||||||
|
"grad_norm": 63732.34765625,
|
||||||
|
"learning_rate": 1.9583528310715957e-05,
|
||||||
|
"loss": 0.8415,
|
||||||
|
"step": 7800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6161285290906254,
|
||||||
|
"grad_norm": 66452.859375,
|
||||||
|
"learning_rate": 1.9193573545468728e-05,
|
||||||
|
"loss": 0.8475,
|
||||||
|
"step": 7900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6239276243955701,
|
||||||
|
"grad_norm": 69227.2890625,
|
||||||
|
"learning_rate": 1.8803618780221496e-05,
|
||||||
|
"loss": 0.8333,
|
||||||
|
"step": 8000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6317267197005147,
|
||||||
|
"grad_norm": 67040.7578125,
|
||||||
|
"learning_rate": 1.8413664014974263e-05,
|
||||||
|
"loss": 0.8317,
|
||||||
|
"step": 8100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6395258150054594,
|
||||||
|
"grad_norm": 74801.2734375,
|
||||||
|
"learning_rate": 1.8023709249727034e-05,
|
||||||
|
"loss": 0.8726,
|
||||||
|
"step": 8200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.647324910310404,
|
||||||
|
"grad_norm": 63112.703125,
|
||||||
|
"learning_rate": 1.76337544844798e-05,
|
||||||
|
"loss": 0.8442,
|
||||||
|
"step": 8300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6551240056153487,
|
||||||
|
"grad_norm": 81685.2265625,
|
||||||
|
"learning_rate": 1.724379971923257e-05,
|
||||||
|
"loss": 0.8316,
|
||||||
|
"step": 8400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6629231009202933,
|
||||||
|
"grad_norm": 69446.4921875,
|
||||||
|
"learning_rate": 1.6853844953985336e-05,
|
||||||
|
"loss": 0.8391,
|
||||||
|
"step": 8500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6707221962252379,
|
||||||
|
"grad_norm": 66903.671875,
|
||||||
|
"learning_rate": 1.6463890188738107e-05,
|
||||||
|
"loss": 0.8144,
|
||||||
|
"step": 8600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6785212915301825,
|
||||||
|
"grad_norm": 76092.6328125,
|
||||||
|
"learning_rate": 1.6073935423490877e-05,
|
||||||
|
"loss": 0.8441,
|
||||||
|
"step": 8700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6863203868351271,
|
||||||
|
"grad_norm": 71659.8515625,
|
||||||
|
"learning_rate": 1.5683980658243645e-05,
|
||||||
|
"loss": 0.8388,
|
||||||
|
"step": 8800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6941194821400718,
|
||||||
|
"grad_norm": 61097.1171875,
|
||||||
|
"learning_rate": 1.5294025892996412e-05,
|
||||||
|
"loss": 0.8383,
|
||||||
|
"step": 8900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7019185774450164,
|
||||||
|
"grad_norm": 60165.2734375,
|
||||||
|
"learning_rate": 1.4904071127749181e-05,
|
||||||
|
"loss": 0.8442,
|
||||||
|
"step": 9000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.709717672749961,
|
||||||
|
"grad_norm": 71296.1171875,
|
||||||
|
"learning_rate": 1.451411636250195e-05,
|
||||||
|
"loss": 0.8537,
|
||||||
|
"step": 9100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7175167680549056,
|
||||||
|
"grad_norm": 67209.6328125,
|
||||||
|
"learning_rate": 1.4124161597254721e-05,
|
||||||
|
"loss": 0.8575,
|
||||||
|
"step": 9200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7253158633598502,
|
||||||
|
"grad_norm": 63280.3203125,
|
||||||
|
"learning_rate": 1.3734206832007487e-05,
|
||||||
|
"loss": 0.8358,
|
||||||
|
"step": 9300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7331149586647949,
|
||||||
|
"grad_norm": 69636.6875,
|
||||||
|
"learning_rate": 1.3344252066760258e-05,
|
||||||
|
"loss": 0.8475,
|
||||||
|
"step": 9400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7409140539697395,
|
||||||
|
"grad_norm": 68302.3828125,
|
||||||
|
"learning_rate": 1.2954297301513025e-05,
|
||||||
|
"loss": 0.8305,
|
||||||
|
"step": 9500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7487131492746841,
|
||||||
|
"grad_norm": 68986.78125,
|
||||||
|
"learning_rate": 1.2564342536265794e-05,
|
||||||
|
"loss": 0.8667,
|
||||||
|
"step": 9600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7565122445796287,
|
||||||
|
"grad_norm": 69115.0546875,
|
||||||
|
"learning_rate": 1.2174387771018563e-05,
|
||||||
|
"loss": 0.8386,
|
||||||
|
"step": 9700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7643113398845733,
|
||||||
|
"grad_norm": 58786.73046875,
|
||||||
|
"learning_rate": 1.178443300577133e-05,
|
||||||
|
"loss": 0.8306,
|
||||||
|
"step": 9800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.772110435189518,
|
||||||
|
"grad_norm": 75233.265625,
|
||||||
|
"learning_rate": 1.13944782405241e-05,
|
||||||
|
"loss": 0.8611,
|
||||||
|
"step": 9900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7799095304944627,
|
||||||
|
"grad_norm": 65838.609375,
|
||||||
|
"learning_rate": 1.1004523475276867e-05,
|
||||||
|
"loss": 0.8191,
|
||||||
|
"step": 10000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7877086257994073,
|
||||||
|
"grad_norm": 55231.33984375,
|
||||||
|
"learning_rate": 1.0614568710029638e-05,
|
||||||
|
"loss": 0.8551,
|
||||||
|
"step": 10100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7955077211043519,
|
||||||
|
"grad_norm": 63516.97265625,
|
||||||
|
"learning_rate": 1.0224613944782405e-05,
|
||||||
|
"loss": 0.8685,
|
||||||
|
"step": 10200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8033068164092966,
|
||||||
|
"grad_norm": 63661.3671875,
|
||||||
|
"learning_rate": 9.834659179535174e-06,
|
||||||
|
"loss": 0.8009,
|
||||||
|
"step": 10300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8111059117142412,
|
||||||
|
"grad_norm": 71024.375,
|
||||||
|
"learning_rate": 9.444704414287943e-06,
|
||||||
|
"loss": 0.8331,
|
||||||
|
"step": 10400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8189050070191858,
|
||||||
|
"grad_norm": 80821.6640625,
|
||||||
|
"learning_rate": 9.05474964904071e-06,
|
||||||
|
"loss": 0.8344,
|
||||||
|
"step": 10500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8267041023241304,
|
||||||
|
"grad_norm": 61162.19140625,
|
||||||
|
"learning_rate": 8.66479488379348e-06,
|
||||||
|
"loss": 0.8454,
|
||||||
|
"step": 10600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.834503197629075,
|
||||||
|
"grad_norm": 64971.5390625,
|
||||||
|
"learning_rate": 8.274840118546249e-06,
|
||||||
|
"loss": 0.8247,
|
||||||
|
"step": 10700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8423022929340197,
|
||||||
|
"grad_norm": 64816.95703125,
|
||||||
|
"learning_rate": 7.884885353299018e-06,
|
||||||
|
"loss": 0.8142,
|
||||||
|
"step": 10800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8501013882389643,
|
||||||
|
"grad_norm": 60450.6875,
|
||||||
|
"learning_rate": 7.494930588051786e-06,
|
||||||
|
"loss": 0.8128,
|
||||||
|
"step": 10900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8579004835439089,
|
||||||
|
"grad_norm": 71442.4375,
|
||||||
|
"learning_rate": 7.104975822804555e-06,
|
||||||
|
"loss": 0.8166,
|
||||||
|
"step": 11000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8656995788488535,
|
||||||
|
"grad_norm": 76537.1875,
|
||||||
|
"learning_rate": 6.715021057557324e-06,
|
||||||
|
"loss": 0.852,
|
||||||
|
"step": 11100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8734986741537981,
|
||||||
|
"grad_norm": 65081.37890625,
|
||||||
|
"learning_rate": 6.325066292310092e-06,
|
||||||
|
"loss": 0.8394,
|
||||||
|
"step": 11200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8812977694587428,
|
||||||
|
"grad_norm": 73682.296875,
|
||||||
|
"learning_rate": 5.935111527062861e-06,
|
||||||
|
"loss": 0.8165,
|
||||||
|
"step": 11300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8890968647636874,
|
||||||
|
"grad_norm": 73644.78125,
|
||||||
|
"learning_rate": 5.54515676181563e-06,
|
||||||
|
"loss": 0.8312,
|
||||||
|
"step": 11400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.896895960068632,
|
||||||
|
"grad_norm": 79621.890625,
|
||||||
|
"learning_rate": 5.155201996568398e-06,
|
||||||
|
"loss": 0.8404,
|
||||||
|
"step": 11500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9046950553735766,
|
||||||
|
"grad_norm": 56045.7734375,
|
||||||
|
"learning_rate": 4.7652472313211666e-06,
|
||||||
|
"loss": 0.8295,
|
||||||
|
"step": 11600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9124941506785212,
|
||||||
|
"grad_norm": 66463.71875,
|
||||||
|
"learning_rate": 4.375292466073936e-06,
|
||||||
|
"loss": 0.8256,
|
||||||
|
"step": 11700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.920293245983466,
|
||||||
|
"grad_norm": 58425.23046875,
|
||||||
|
"learning_rate": 3.985337700826705e-06,
|
||||||
|
"loss": 0.8253,
|
||||||
|
"step": 11800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9280923412884106,
|
||||||
|
"grad_norm": 68089.9609375,
|
||||||
|
"learning_rate": 3.595382935579473e-06,
|
||||||
|
"loss": 0.8161,
|
||||||
|
"step": 11900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9358914365933552,
|
||||||
|
"grad_norm": 63161.6796875,
|
||||||
|
"learning_rate": 3.2054281703322412e-06,
|
||||||
|
"loss": 0.8322,
|
||||||
|
"step": 12000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9436905318982998,
|
||||||
|
"grad_norm": 56655.69921875,
|
||||||
|
"learning_rate": 2.8154734050850103e-06,
|
||||||
|
"loss": 0.8117,
|
||||||
|
"step": 12100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9514896272032444,
|
||||||
|
"grad_norm": 72667.96875,
|
||||||
|
"learning_rate": 2.425518639837779e-06,
|
||||||
|
"loss": 0.8181,
|
||||||
|
"step": 12200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9592887225081891,
|
||||||
|
"grad_norm": 64209.17578125,
|
||||||
|
"learning_rate": 2.0355638745905476e-06,
|
||||||
|
"loss": 0.813,
|
||||||
|
"step": 12300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9670878178131337,
|
||||||
|
"grad_norm": 68720.7109375,
|
||||||
|
"learning_rate": 1.6456091093433163e-06,
|
||||||
|
"loss": 0.8343,
|
||||||
|
"step": 12400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9748869131180783,
|
||||||
|
"grad_norm": 62702.68359375,
|
||||||
|
"learning_rate": 1.255654344096085e-06,
|
||||||
|
"loss": 0.8156,
|
||||||
|
"step": 12500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9826860084230229,
|
||||||
|
"grad_norm": 62949.0625,
|
||||||
|
"learning_rate": 8.656995788488536e-07,
|
||||||
|
"loss": 0.8343,
|
||||||
|
"step": 12600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9904851037279676,
|
||||||
|
"grad_norm": 64140.0703125,
|
||||||
|
"learning_rate": 4.757448136016222e-07,
|
||||||
|
"loss": 0.8189,
|
||||||
|
"step": 12700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9982841990329122,
|
||||||
|
"grad_norm": 72402.578125,
|
||||||
|
"learning_rate": 8.579004835439089e-08,
|
||||||
|
"loss": 0.823,
|
||||||
|
"step": 12800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"step": 12822,
|
||||||
|
"total_flos": 1.955920022807249e+18,
|
||||||
|
"train_loss": 0.8700304180128008,
|
||||||
|
"train_runtime": 179145.9612,
|
||||||
|
"train_samples_per_second": 0.859,
|
||||||
|
"train_steps_per_second": 0.072
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 100,
|
||||||
|
"max_steps": 12822,
|
||||||
|
"num_input_tokens_seen": 0,
|
||||||
|
"num_train_epochs": 1,
|
||||||
|
"save_steps": 12822,
|
||||||
|
"stateful_callbacks": {
|
||||||
|
"TrainerControl": {
|
||||||
|
"args": {
|
||||||
|
"should_epoch_stop": false,
|
||||||
|
"should_evaluate": false,
|
||||||
|
"should_log": false,
|
||||||
|
"should_save": true,
|
||||||
|
"should_training_stop": true
|
||||||
|
},
|
||||||
|
"attributes": {}
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"total_flos": 1.955920022807249e+18,
|
||||||
|
"train_batch_size": 12,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
training_args.bin
Normal file
3
training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:0c44c38eb09a6b2599756766edbc167c8760d5ab86cbaedecff96098292537cf
|
||||||
|
size 5112
|
||||||
Reference in New Issue
Block a user