初始化项目,由ModelHub XC社区提供模型
Model: PygmalionAI/metharme-1.3b Source: Original Platform
This commit is contained in:
691
trainer_state.json
Normal file
691
trainer_state.json
Normal file
@@ -0,0 +1,691 @@
|
||||
{
|
||||
"best_metric": null,
|
||||
"best_model_checkpoint": null,
|
||||
"epoch": 0.998109640831758,
|
||||
"global_step": 99,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 6.25e-07,
|
||||
"loss": 0.2195,
|
||||
"step": 1
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 1.25e-06,
|
||||
"loss": 0.2205,
|
||||
"step": 2
|
||||
},
|
||||
{
|
||||
"epoch": 0.03,
|
||||
"learning_rate": 1.8750000000000003e-06,
|
||||
"loss": 0.22,
|
||||
"step": 3
|
||||
},
|
||||
{
|
||||
"epoch": 0.04,
|
||||
"learning_rate": 2.5e-06,
|
||||
"loss": 0.2206,
|
||||
"step": 4
|
||||
},
|
||||
{
|
||||
"epoch": 0.05,
|
||||
"learning_rate": 3.125e-06,
|
||||
"loss": 0.2181,
|
||||
"step": 5
|
||||
},
|
||||
{
|
||||
"epoch": 0.06,
|
||||
"learning_rate": 3.7500000000000005e-06,
|
||||
"loss": 0.2178,
|
||||
"step": 6
|
||||
},
|
||||
{
|
||||
"epoch": 0.07,
|
||||
"learning_rate": 4.3750000000000005e-06,
|
||||
"loss": 0.218,
|
||||
"step": 7
|
||||
},
|
||||
{
|
||||
"epoch": 0.08,
|
||||
"learning_rate": 5e-06,
|
||||
"loss": 0.2159,
|
||||
"step": 8
|
||||
},
|
||||
{
|
||||
"epoch": 0.09,
|
||||
"learning_rate": 5.625e-06,
|
||||
"loss": 0.2109,
|
||||
"step": 9
|
||||
},
|
||||
{
|
||||
"epoch": 0.1,
|
||||
"learning_rate": 6.25e-06,
|
||||
"loss": 0.2079,
|
||||
"step": 10
|
||||
},
|
||||
{
|
||||
"epoch": 0.1,
|
||||
"eval_loss": 0.20295506715774536,
|
||||
"eval_runtime": 7.6664,
|
||||
"eval_samples_per_second": 124.439,
|
||||
"eval_steps_per_second": 15.653,
|
||||
"step": 10
|
||||
},
|
||||
{
|
||||
"epoch": 0.11,
|
||||
"learning_rate": 6.875e-06,
|
||||
"loss": 0.2063,
|
||||
"step": 11
|
||||
},
|
||||
{
|
||||
"epoch": 0.12,
|
||||
"learning_rate": 7.500000000000001e-06,
|
||||
"loss": 0.201,
|
||||
"step": 12
|
||||
},
|
||||
{
|
||||
"epoch": 0.13,
|
||||
"learning_rate": 8.125000000000001e-06,
|
||||
"loss": 0.2004,
|
||||
"step": 13
|
||||
},
|
||||
{
|
||||
"epoch": 0.14,
|
||||
"learning_rate": 8.750000000000001e-06,
|
||||
"loss": 0.196,
|
||||
"step": 14
|
||||
},
|
||||
{
|
||||
"epoch": 0.15,
|
||||
"learning_rate": 9.375000000000001e-06,
|
||||
"loss": 0.1929,
|
||||
"step": 15
|
||||
},
|
||||
{
|
||||
"epoch": 0.16,
|
||||
"learning_rate": 1e-05,
|
||||
"loss": 0.1892,
|
||||
"step": 16
|
||||
},
|
||||
{
|
||||
"epoch": 0.17,
|
||||
"learning_rate": 9.681174353198687e-06,
|
||||
"loss": 0.1894,
|
||||
"step": 17
|
||||
},
|
||||
{
|
||||
"epoch": 0.18,
|
||||
"learning_rate": 8.765357330018056e-06,
|
||||
"loss": 0.1845,
|
||||
"step": 18
|
||||
},
|
||||
{
|
||||
"epoch": 0.19,
|
||||
"learning_rate": 7.369343312364994e-06,
|
||||
"loss": 0.1832,
|
||||
"step": 19
|
||||
},
|
||||
{
|
||||
"epoch": 0.2,
|
||||
"learning_rate": 5.671166329088278e-06,
|
||||
"loss": 0.1823,
|
||||
"step": 20
|
||||
},
|
||||
{
|
||||
"epoch": 0.2,
|
||||
"eval_loss": 0.18013226985931396,
|
||||
"eval_runtime": 7.9493,
|
||||
"eval_samples_per_second": 120.011,
|
||||
"eval_steps_per_second": 15.096,
|
||||
"step": 20
|
||||
},
|
||||
{
|
||||
"epoch": 0.21,
|
||||
"learning_rate": 3.887395330218429e-06,
|
||||
"loss": 0.182,
|
||||
"step": 21
|
||||
},
|
||||
{
|
||||
"epoch": 0.22,
|
||||
"learning_rate": 2.245515092739488e-06,
|
||||
"loss": 0.1818,
|
||||
"step": 22
|
||||
},
|
||||
{
|
||||
"epoch": 0.23,
|
||||
"learning_rate": 9.549150281252633e-07,
|
||||
"loss": 0.1828,
|
||||
"step": 23
|
||||
},
|
||||
{
|
||||
"epoch": 0.24,
|
||||
"learning_rate": 1.801856965207338e-07,
|
||||
"loss": 0.1803,
|
||||
"step": 24
|
||||
},
|
||||
{
|
||||
"epoch": 0.25,
|
||||
"learning_rate": 2.012853002380466e-08,
|
||||
"loss": 0.181,
|
||||
"step": 25
|
||||
},
|
||||
{
|
||||
"epoch": 0.26,
|
||||
"learning_rate": 4.951556604879043e-07,
|
||||
"loss": 0.1796,
|
||||
"step": 26
|
||||
},
|
||||
{
|
||||
"epoch": 0.27,
|
||||
"learning_rate": 1.5446867550656763e-06,
|
||||
"loss": 0.1838,
|
||||
"step": 27
|
||||
},
|
||||
{
|
||||
"epoch": 0.28,
|
||||
"learning_rate": 3.0348748417303813e-06,
|
||||
"loss": 0.1815,
|
||||
"step": 28
|
||||
},
|
||||
{
|
||||
"epoch": 0.29,
|
||||
"learning_rate": 4.775675848247425e-06,
|
||||
"loss": 0.1799,
|
||||
"step": 29
|
||||
},
|
||||
{
|
||||
"epoch": 0.3,
|
||||
"learning_rate": 6.545084971874737e-06,
|
||||
"loss": 0.1816,
|
||||
"step": 30
|
||||
},
|
||||
{
|
||||
"epoch": 0.3,
|
||||
"eval_loss": 0.17906256020069122,
|
||||
"eval_runtime": 7.8801,
|
||||
"eval_samples_per_second": 121.065,
|
||||
"eval_steps_per_second": 15.228,
|
||||
"step": 30
|
||||
},
|
||||
{
|
||||
"epoch": 0.31,
|
||||
"learning_rate": 8.117449009293668e-06,
|
||||
"loss": 0.18,
|
||||
"step": 31
|
||||
},
|
||||
{
|
||||
"epoch": 0.32,
|
||||
"learning_rate": 9.292243968009332e-06,
|
||||
"loss": 0.1797,
|
||||
"step": 32
|
||||
},
|
||||
{
|
||||
"epoch": 0.33,
|
||||
"learning_rate": 9.91964794299315e-06,
|
||||
"loss": 0.1809,
|
||||
"step": 33
|
||||
},
|
||||
{
|
||||
"epoch": 0.34,
|
||||
"learning_rate": 9.91964794299315e-06,
|
||||
"loss": 0.1782,
|
||||
"step": 34
|
||||
},
|
||||
{
|
||||
"epoch": 0.35,
|
||||
"learning_rate": 9.292243968009333e-06,
|
||||
"loss": 0.1781,
|
||||
"step": 35
|
||||
},
|
||||
{
|
||||
"epoch": 0.36,
|
||||
"learning_rate": 8.11744900929367e-06,
|
||||
"loss": 0.1759,
|
||||
"step": 36
|
||||
},
|
||||
{
|
||||
"epoch": 0.37,
|
||||
"learning_rate": 6.545084971874739e-06,
|
||||
"loss": 0.1752,
|
||||
"step": 37
|
||||
},
|
||||
{
|
||||
"epoch": 0.38,
|
||||
"learning_rate": 4.775675848247427e-06,
|
||||
"loss": 0.1786,
|
||||
"step": 38
|
||||
},
|
||||
{
|
||||
"epoch": 0.39,
|
||||
"learning_rate": 3.0348748417303834e-06,
|
||||
"loss": 0.1757,
|
||||
"step": 39
|
||||
},
|
||||
{
|
||||
"epoch": 0.4,
|
||||
"learning_rate": 1.544686755065678e-06,
|
||||
"loss": 0.1755,
|
||||
"step": 40
|
||||
},
|
||||
{
|
||||
"epoch": 0.4,
|
||||
"eval_loss": 0.17424167692661285,
|
||||
"eval_runtime": 7.7899,
|
||||
"eval_samples_per_second": 122.466,
|
||||
"eval_steps_per_second": 15.405,
|
||||
"step": 40
|
||||
},
|
||||
{
|
||||
"epoch": 0.41,
|
||||
"learning_rate": 4.951556604879054e-07,
|
||||
"loss": 0.1749,
|
||||
"step": 41
|
||||
},
|
||||
{
|
||||
"epoch": 0.42,
|
||||
"learning_rate": 2.0128530023805216e-08,
|
||||
"loss": 0.1763,
|
||||
"step": 42
|
||||
},
|
||||
{
|
||||
"epoch": 0.43,
|
||||
"learning_rate": 1.8018569652073326e-07,
|
||||
"loss": 0.1761,
|
||||
"step": 43
|
||||
},
|
||||
{
|
||||
"epoch": 0.44,
|
||||
"learning_rate": 9.549150281252616e-07,
|
||||
"loss": 0.1782,
|
||||
"step": 44
|
||||
},
|
||||
{
|
||||
"epoch": 0.45,
|
||||
"learning_rate": 2.245515092739486e-06,
|
||||
"loss": 0.176,
|
||||
"step": 45
|
||||
},
|
||||
{
|
||||
"epoch": 0.46,
|
||||
"learning_rate": 3.887395330218426e-06,
|
||||
"loss": 0.1769,
|
||||
"step": 46
|
||||
},
|
||||
{
|
||||
"epoch": 0.47,
|
||||
"learning_rate": 5.671166329088275e-06,
|
||||
"loss": 0.1768,
|
||||
"step": 47
|
||||
},
|
||||
{
|
||||
"epoch": 0.48,
|
||||
"learning_rate": 7.369343312364992e-06,
|
||||
"loss": 0.1751,
|
||||
"step": 48
|
||||
},
|
||||
{
|
||||
"epoch": 0.49,
|
||||
"learning_rate": 8.765357330018054e-06,
|
||||
"loss": 0.1744,
|
||||
"step": 49
|
||||
},
|
||||
{
|
||||
"epoch": 0.5,
|
||||
"learning_rate": 9.681174353198685e-06,
|
||||
"loss": 0.1751,
|
||||
"step": 50
|
||||
},
|
||||
{
|
||||
"epoch": 0.5,
|
||||
"eval_loss": 0.17338795959949493,
|
||||
"eval_runtime": 7.6323,
|
||||
"eval_samples_per_second": 124.995,
|
||||
"eval_steps_per_second": 15.723,
|
||||
"step": 50
|
||||
},
|
||||
{
|
||||
"epoch": 0.51,
|
||||
"learning_rate": 1e-05,
|
||||
"loss": 0.1758,
|
||||
"step": 51
|
||||
},
|
||||
{
|
||||
"epoch": 0.52,
|
||||
"learning_rate": 9.68117435319869e-06,
|
||||
"loss": 0.1768,
|
||||
"step": 52
|
||||
},
|
||||
{
|
||||
"epoch": 0.53,
|
||||
"learning_rate": 8.765357330018058e-06,
|
||||
"loss": 0.1752,
|
||||
"step": 53
|
||||
},
|
||||
{
|
||||
"epoch": 0.54,
|
||||
"learning_rate": 7.369343312365004e-06,
|
||||
"loss": 0.1746,
|
||||
"step": 54
|
||||
},
|
||||
{
|
||||
"epoch": 0.55,
|
||||
"learning_rate": 5.6711663290882805e-06,
|
||||
"loss": 0.1722,
|
||||
"step": 55
|
||||
},
|
||||
{
|
||||
"epoch": 0.56,
|
||||
"learning_rate": 3.887395330218431e-06,
|
||||
"loss": 0.1735,
|
||||
"step": 56
|
||||
},
|
||||
{
|
||||
"epoch": 0.57,
|
||||
"learning_rate": 2.24551509273949e-06,
|
||||
"loss": 0.1727,
|
||||
"step": 57
|
||||
},
|
||||
{
|
||||
"epoch": 0.58,
|
||||
"learning_rate": 9.549150281252646e-07,
|
||||
"loss": 0.1713,
|
||||
"step": 58
|
||||
},
|
||||
{
|
||||
"epoch": 0.59,
|
||||
"learning_rate": 1.8018569652073214e-07,
|
||||
"loss": 0.1732,
|
||||
"step": 59
|
||||
},
|
||||
{
|
||||
"epoch": 0.6,
|
||||
"learning_rate": 2.012853002380466e-08,
|
||||
"loss": 0.1738,
|
||||
"step": 60
|
||||
},
|
||||
{
|
||||
"epoch": 0.6,
|
||||
"eval_loss": 0.1722276508808136,
|
||||
"eval_runtime": 7.8157,
|
||||
"eval_samples_per_second": 122.061,
|
||||
"eval_steps_per_second": 15.354,
|
||||
"step": 60
|
||||
},
|
||||
{
|
||||
"epoch": 0.61,
|
||||
"learning_rate": 4.951556604879032e-07,
|
||||
"loss": 0.1744,
|
||||
"step": 61
|
||||
},
|
||||
{
|
||||
"epoch": 0.63,
|
||||
"learning_rate": 1.5446867550656746e-06,
|
||||
"loss": 0.1741,
|
||||
"step": 62
|
||||
},
|
||||
{
|
||||
"epoch": 0.64,
|
||||
"learning_rate": 3.034874841730379e-06,
|
||||
"loss": 0.1749,
|
||||
"step": 63
|
||||
},
|
||||
{
|
||||
"epoch": 0.65,
|
||||
"learning_rate": 4.775675848247422e-06,
|
||||
"loss": 0.1745,
|
||||
"step": 64
|
||||
},
|
||||
{
|
||||
"epoch": 0.66,
|
||||
"learning_rate": 6.545084971874734e-06,
|
||||
"loss": 0.1751,
|
||||
"step": 65
|
||||
},
|
||||
{
|
||||
"epoch": 0.67,
|
||||
"learning_rate": 8.117449009293666e-06,
|
||||
"loss": 0.1751,
|
||||
"step": 66
|
||||
},
|
||||
{
|
||||
"epoch": 0.68,
|
||||
"learning_rate": 9.292243968009328e-06,
|
||||
"loss": 0.1757,
|
||||
"step": 67
|
||||
},
|
||||
{
|
||||
"epoch": 0.69,
|
||||
"learning_rate": 9.91964794299315e-06,
|
||||
"loss": 0.174,
|
||||
"step": 68
|
||||
},
|
||||
{
|
||||
"epoch": 0.7,
|
||||
"learning_rate": 9.91964794299315e-06,
|
||||
"loss": 0.1723,
|
||||
"step": 69
|
||||
},
|
||||
{
|
||||
"epoch": 0.71,
|
||||
"learning_rate": 9.292243968009333e-06,
|
||||
"loss": 0.1734,
|
||||
"step": 70
|
||||
},
|
||||
{
|
||||
"epoch": 0.71,
|
||||
"eval_loss": 0.17138364911079407,
|
||||
"eval_runtime": 7.8154,
|
||||
"eval_samples_per_second": 122.067,
|
||||
"eval_steps_per_second": 15.354,
|
||||
"step": 70
|
||||
},
|
||||
{
|
||||
"epoch": 0.72,
|
||||
"learning_rate": 8.117449009293671e-06,
|
||||
"loss": 0.1725,
|
||||
"step": 71
|
||||
},
|
||||
{
|
||||
"epoch": 0.73,
|
||||
"learning_rate": 6.545084971874741e-06,
|
||||
"loss": 0.1738,
|
||||
"step": 72
|
||||
},
|
||||
{
|
||||
"epoch": 0.74,
|
||||
"learning_rate": 4.77567584824743e-06,
|
||||
"loss": 0.1728,
|
||||
"step": 73
|
||||
},
|
||||
{
|
||||
"epoch": 0.75,
|
||||
"learning_rate": 3.034874841730386e-06,
|
||||
"loss": 0.1723,
|
||||
"step": 74
|
||||
},
|
||||
{
|
||||
"epoch": 0.76,
|
||||
"learning_rate": 1.5446867550656797e-06,
|
||||
"loss": 0.1757,
|
||||
"step": 75
|
||||
},
|
||||
{
|
||||
"epoch": 0.77,
|
||||
"learning_rate": 4.951556604879059e-07,
|
||||
"loss": 0.174,
|
||||
"step": 76
|
||||
},
|
||||
{
|
||||
"epoch": 0.78,
|
||||
"learning_rate": 2.0128530023805216e-08,
|
||||
"loss": 0.1739,
|
||||
"step": 77
|
||||
},
|
||||
{
|
||||
"epoch": 0.79,
|
||||
"learning_rate": 1.8018569652073214e-07,
|
||||
"loss": 0.1728,
|
||||
"step": 78
|
||||
},
|
||||
{
|
||||
"epoch": 0.8,
|
||||
"learning_rate": 9.549150281252605e-07,
|
||||
"loss": 0.1723,
|
||||
"step": 79
|
||||
},
|
||||
{
|
||||
"epoch": 0.81,
|
||||
"learning_rate": 2.2455150927394835e-06,
|
||||
"loss": 0.1727,
|
||||
"step": 80
|
||||
},
|
||||
{
|
||||
"epoch": 0.81,
|
||||
"eval_loss": 0.17097879946231842,
|
||||
"eval_runtime": 7.8584,
|
||||
"eval_samples_per_second": 121.399,
|
||||
"eval_steps_per_second": 15.27,
|
||||
"step": 80
|
||||
},
|
||||
{
|
||||
"epoch": 0.82,
|
||||
"learning_rate": 3.8873953302184244e-06,
|
||||
"loss": 0.1725,
|
||||
"step": 81
|
||||
},
|
||||
{
|
||||
"epoch": 0.83,
|
||||
"learning_rate": 5.671166329088274e-06,
|
||||
"loss": 0.1725,
|
||||
"step": 82
|
||||
},
|
||||
{
|
||||
"epoch": 0.84,
|
||||
"learning_rate": 7.369343312364989e-06,
|
||||
"loss": 0.1728,
|
||||
"step": 83
|
||||
},
|
||||
{
|
||||
"epoch": 0.85,
|
||||
"learning_rate": 8.765357330018051e-06,
|
||||
"loss": 0.1724,
|
||||
"step": 84
|
||||
},
|
||||
{
|
||||
"epoch": 0.86,
|
||||
"learning_rate": 9.681174353198685e-06,
|
||||
"loss": 0.171,
|
||||
"step": 85
|
||||
},
|
||||
{
|
||||
"epoch": 0.87,
|
||||
"learning_rate": 1e-05,
|
||||
"loss": 0.1717,
|
||||
"step": 86
|
||||
},
|
||||
{
|
||||
"epoch": 0.88,
|
||||
"learning_rate": 9.681174353198689e-06,
|
||||
"loss": 0.174,
|
||||
"step": 87
|
||||
},
|
||||
{
|
||||
"epoch": 0.89,
|
||||
"learning_rate": 8.76535733001807e-06,
|
||||
"loss": 0.1716,
|
||||
"step": 88
|
||||
},
|
||||
{
|
||||
"epoch": 0.9,
|
||||
"learning_rate": 7.369343312364998e-06,
|
||||
"loss": 0.1715,
|
||||
"step": 89
|
||||
},
|
||||
{
|
||||
"epoch": 0.91,
|
||||
"learning_rate": 5.671166329088282e-06,
|
||||
"loss": 0.1712,
|
||||
"step": 90
|
||||
},
|
||||
{
|
||||
"epoch": 0.91,
|
||||
"eval_loss": 0.17013530433177948,
|
||||
"eval_runtime": 7.7133,
|
||||
"eval_samples_per_second": 123.683,
|
||||
"eval_steps_per_second": 15.558,
|
||||
"step": 90
|
||||
},
|
||||
{
|
||||
"epoch": 0.92,
|
||||
"learning_rate": 3.887395330218433e-06,
|
||||
"loss": 0.1729,
|
||||
"step": 91
|
||||
},
|
||||
{
|
||||
"epoch": 0.93,
|
||||
"learning_rate": 2.245515092739507e-06,
|
||||
"loss": 0.1731,
|
||||
"step": 92
|
||||
},
|
||||
{
|
||||
"epoch": 0.94,
|
||||
"learning_rate": 9.549150281252557e-07,
|
||||
"loss": 0.1726,
|
||||
"step": 93
|
||||
},
|
||||
{
|
||||
"epoch": 0.95,
|
||||
"learning_rate": 1.8018569652073492e-07,
|
||||
"loss": 0.1724,
|
||||
"step": 94
|
||||
},
|
||||
{
|
||||
"epoch": 0.96,
|
||||
"learning_rate": 2.0128530023804104e-08,
|
||||
"loss": 0.1695,
|
||||
"step": 95
|
||||
},
|
||||
{
|
||||
"epoch": 0.97,
|
||||
"learning_rate": 4.951556604879021e-07,
|
||||
"loss": 0.1711,
|
||||
"step": 96
|
||||
},
|
||||
{
|
||||
"epoch": 0.98,
|
||||
"learning_rate": 1.5446867550656852e-06,
|
||||
"loss": 0.1726,
|
||||
"step": 97
|
||||
},
|
||||
{
|
||||
"epoch": 0.99,
|
||||
"learning_rate": 3.034874841730377e-06,
|
||||
"loss": 0.1722,
|
||||
"step": 98
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"learning_rate": 4.7756758482474195e-06,
|
||||
"loss": 0.171,
|
||||
"step": 99
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"step": 99,
|
||||
"total_flos": 6.416685198968095e+18,
|
||||
"train_loss": 0.18111299429879044,
|
||||
"train_runtime": 16732.1456,
|
||||
"train_samples_per_second": 48.562,
|
||||
"train_steps_per_second": 0.006
|
||||
}
|
||||
],
|
||||
"max_steps": 99,
|
||||
"num_train_epochs": 1,
|
||||
"total_flos": 6.416685198968095e+18,
|
||||
"trial_name": null,
|
||||
"trial_params": null
|
||||
}
|
||||
Reference in New Issue
Block a user