初始化项目,由ModelHub XC社区提供模型
Model: TangQiaoYu/ToolAlpaca-7B Source: Original Platform
This commit is contained in:
35
.gitattributes
vendored
Normal file
35
.gitattributes
vendored
Normal file
@@ -0,0 +1,35 @@
|
||||
*.7z filter=lfs diff=lfs merge=lfs -text
|
||||
*.arrow filter=lfs diff=lfs merge=lfs -text
|
||||
*.bin filter=lfs diff=lfs merge=lfs -text
|
||||
*.bz2 filter=lfs diff=lfs merge=lfs -text
|
||||
*.ckpt 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
|
||||
*.mlmodel filter=lfs diff=lfs merge=lfs -text
|
||||
*.model filter=lfs diff=lfs merge=lfs -text
|
||||
*.msgpack filter=lfs diff=lfs merge=lfs -text
|
||||
*.npy filter=lfs diff=lfs merge=lfs -text
|
||||
*.npz 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
|
||||
*.pickle filter=lfs diff=lfs merge=lfs -text
|
||||
*.pkl 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
|
||||
*.safetensors filter=lfs diff=lfs merge=lfs -text
|
||||
saved_model/**/* filter=lfs diff=lfs merge=lfs -text
|
||||
*.tar.* 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
|
||||
*.wasm filter=lfs diff=lfs merge=lfs -text
|
||||
*.xz filter=lfs diff=lfs merge=lfs -text
|
||||
*.zip filter=lfs diff=lfs merge=lfs -text
|
||||
*.zst filter=lfs diff=lfs merge=lfs -text
|
||||
*tfevents* filter=lfs diff=lfs merge=lfs -text
|
||||
7
README.md
Normal file
7
README.md
Normal file
@@ -0,0 +1,7 @@
|
||||
## Introduction
|
||||
`ToolAlpaca` is a large language model demonstrating generalized tool-use alibities, trained only on 3.9k simulated tool-use instances. See [our paper](https://arxiv.org/abs/2306.05301) for more details.
|
||||
|
||||
## Links
|
||||
- Paper: https://arxiv.org/abs/2306.05301
|
||||
- Code & Data: https://github.com/tangqiaoyu/ToolAlpaca
|
||||
- ToolAlpaca-13B: https://huggingface.co/TangQiaoYu/ToolAlpaca-13B
|
||||
23
config.json
Normal file
23
config.json
Normal file
@@ -0,0 +1,23 @@
|
||||
{
|
||||
"_name_or_path": "models/vicuna-7b/",
|
||||
"architectures": [
|
||||
"LlamaForCausalLM"
|
||||
],
|
||||
"bos_token_id": 1,
|
||||
"eos_token_id": 2,
|
||||
"hidden_act": "silu",
|
||||
"hidden_size": 4096,
|
||||
"initializer_range": 0.02,
|
||||
"intermediate_size": 11008,
|
||||
"max_position_embeddings": 2048,
|
||||
"model_type": "llama",
|
||||
"num_attention_heads": 32,
|
||||
"num_hidden_layers": 32,
|
||||
"pad_token_id": 0,
|
||||
"rms_norm_eps": 1e-06,
|
||||
"tie_word_embeddings": false,
|
||||
"torch_dtype": "bfloat16",
|
||||
"transformers_version": "4.29.2",
|
||||
"use_cache": true,
|
||||
"vocab_size": 32000
|
||||
}
|
||||
7
generation_config.json
Normal file
7
generation_config.json
Normal file
@@ -0,0 +1,7 @@
|
||||
{
|
||||
"_from_model_config": true,
|
||||
"bos_token_id": 1,
|
||||
"eos_token_id": 2,
|
||||
"pad_token_id": 0,
|
||||
"transformers_version": "4.29.2"
|
||||
}
|
||||
3
pytorch_model.bin
Normal file
3
pytorch_model.bin
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:741d8f37ec327ac7074528ff1d11d522940d04b81d5ecf73d5b0bdf1bc0a4102
|
||||
size 13476942241
|
||||
24
special_tokens_map.json
Normal file
24
special_tokens_map.json
Normal file
@@ -0,0 +1,24 @@
|
||||
{
|
||||
"bos_token": {
|
||||
"content": "<s>",
|
||||
"lstrip": false,
|
||||
"normalized": true,
|
||||
"rstrip": false,
|
||||
"single_word": false
|
||||
},
|
||||
"eos_token": {
|
||||
"content": "</s>",
|
||||
"lstrip": false,
|
||||
"normalized": true,
|
||||
"rstrip": false,
|
||||
"single_word": false
|
||||
},
|
||||
"pad_token": "<unk>",
|
||||
"unk_token": {
|
||||
"content": "<unk>",
|
||||
"lstrip": false,
|
||||
"normalized": true,
|
||||
"rstrip": false,
|
||||
"single_word": false
|
||||
}
|
||||
}
|
||||
3
tokenizer.model
Normal file
3
tokenizer.model
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:9e556afd44213b6bd1be2b850ebbbd98f5481437a8021afaf58ee7fb1818d347
|
||||
size 499723
|
||||
34
tokenizer_config.json
Normal file
34
tokenizer_config.json
Normal file
@@ -0,0 +1,34 @@
|
||||
{
|
||||
"add_bos_token": true,
|
||||
"add_eos_token": false,
|
||||
"bos_token": {
|
||||
"__type": "AddedToken",
|
||||
"content": "<s>",
|
||||
"lstrip": false,
|
||||
"normalized": true,
|
||||
"rstrip": false,
|
||||
"single_word": false
|
||||
},
|
||||
"clean_up_tokenization_spaces": false,
|
||||
"eos_token": {
|
||||
"__type": "AddedToken",
|
||||
"content": "</s>",
|
||||
"lstrip": false,
|
||||
"normalized": true,
|
||||
"rstrip": false,
|
||||
"single_word": false
|
||||
},
|
||||
"model_max_length": 2048,
|
||||
"pad_token": null,
|
||||
"padding_side": "right",
|
||||
"sp_model_kwargs": {},
|
||||
"tokenizer_class": "LlamaTokenizer",
|
||||
"unk_token": {
|
||||
"__type": "AddedToken",
|
||||
"content": "<unk>",
|
||||
"lstrip": false,
|
||||
"normalized": true,
|
||||
"rstrip": false,
|
||||
"single_word": false
|
||||
}
|
||||
}
|
||||
583
trainer_state.json
Normal file
583
trainer_state.json
Normal file
@@ -0,0 +1,583 @@
|
||||
{
|
||||
"best_metric": null,
|
||||
"best_model_checkpoint": null,
|
||||
"epoch": 3.0,
|
||||
"global_step": 93,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 0.03,
|
||||
"learning_rate": 0.0,
|
||||
"loss": 0.6543,
|
||||
"step": 1
|
||||
},
|
||||
{
|
||||
"epoch": 0.06,
|
||||
"learning_rate": 1.2618595071429148e-05,
|
||||
"loss": 0.3535,
|
||||
"step": 2
|
||||
},
|
||||
{
|
||||
"epoch": 0.1,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.3599,
|
||||
"step": 3
|
||||
},
|
||||
{
|
||||
"epoch": 0.13,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2832,
|
||||
"step": 4
|
||||
},
|
||||
{
|
||||
"epoch": 0.16,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2739,
|
||||
"step": 5
|
||||
},
|
||||
{
|
||||
"epoch": 0.19,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2388,
|
||||
"step": 6
|
||||
},
|
||||
{
|
||||
"epoch": 0.23,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2554,
|
||||
"step": 7
|
||||
},
|
||||
{
|
||||
"epoch": 0.26,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2375,
|
||||
"step": 8
|
||||
},
|
||||
{
|
||||
"epoch": 0.29,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2207,
|
||||
"step": 9
|
||||
},
|
||||
{
|
||||
"epoch": 0.32,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2139,
|
||||
"step": 10
|
||||
},
|
||||
{
|
||||
"epoch": 0.35,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2019,
|
||||
"step": 11
|
||||
},
|
||||
{
|
||||
"epoch": 0.39,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1963,
|
||||
"step": 12
|
||||
},
|
||||
{
|
||||
"epoch": 0.42,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1826,
|
||||
"step": 13
|
||||
},
|
||||
{
|
||||
"epoch": 0.45,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2029,
|
||||
"step": 14
|
||||
},
|
||||
{
|
||||
"epoch": 0.48,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.186,
|
||||
"step": 15
|
||||
},
|
||||
{
|
||||
"epoch": 0.52,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.197,
|
||||
"step": 16
|
||||
},
|
||||
{
|
||||
"epoch": 0.55,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1863,
|
||||
"step": 17
|
||||
},
|
||||
{
|
||||
"epoch": 0.58,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1787,
|
||||
"step": 18
|
||||
},
|
||||
{
|
||||
"epoch": 0.61,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1902,
|
||||
"step": 19
|
||||
},
|
||||
{
|
||||
"epoch": 0.65,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1775,
|
||||
"step": 20
|
||||
},
|
||||
{
|
||||
"epoch": 0.68,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1707,
|
||||
"step": 21
|
||||
},
|
||||
{
|
||||
"epoch": 0.71,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1785,
|
||||
"step": 22
|
||||
},
|
||||
{
|
||||
"epoch": 0.74,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1836,
|
||||
"step": 23
|
||||
},
|
||||
{
|
||||
"epoch": 0.77,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1655,
|
||||
"step": 24
|
||||
},
|
||||
{
|
||||
"epoch": 0.81,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1707,
|
||||
"step": 25
|
||||
},
|
||||
{
|
||||
"epoch": 0.84,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1687,
|
||||
"step": 26
|
||||
},
|
||||
{
|
||||
"epoch": 0.87,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1765,
|
||||
"step": 27
|
||||
},
|
||||
{
|
||||
"epoch": 0.9,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1567,
|
||||
"step": 28
|
||||
},
|
||||
{
|
||||
"epoch": 0.94,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1694,
|
||||
"step": 29
|
||||
},
|
||||
{
|
||||
"epoch": 0.97,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1572,
|
||||
"step": 30
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1743,
|
||||
"step": 31
|
||||
},
|
||||
{
|
||||
"epoch": 1.03,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1055,
|
||||
"step": 32
|
||||
},
|
||||
{
|
||||
"epoch": 1.06,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1014,
|
||||
"step": 33
|
||||
},
|
||||
{
|
||||
"epoch": 1.1,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0975,
|
||||
"step": 34
|
||||
},
|
||||
{
|
||||
"epoch": 1.13,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0986,
|
||||
"step": 35
|
||||
},
|
||||
{
|
||||
"epoch": 1.16,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0856,
|
||||
"step": 36
|
||||
},
|
||||
{
|
||||
"epoch": 1.19,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0837,
|
||||
"step": 37
|
||||
},
|
||||
{
|
||||
"epoch": 1.23,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0979,
|
||||
"step": 38
|
||||
},
|
||||
{
|
||||
"epoch": 1.26,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0898,
|
||||
"step": 39
|
||||
},
|
||||
{
|
||||
"epoch": 1.29,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0828,
|
||||
"step": 40
|
||||
},
|
||||
{
|
||||
"epoch": 1.32,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0923,
|
||||
"step": 41
|
||||
},
|
||||
{
|
||||
"epoch": 1.35,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.1002,
|
||||
"step": 42
|
||||
},
|
||||
{
|
||||
"epoch": 1.39,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0935,
|
||||
"step": 43
|
||||
},
|
||||
{
|
||||
"epoch": 1.42,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0826,
|
||||
"step": 44
|
||||
},
|
||||
{
|
||||
"epoch": 1.45,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.082,
|
||||
"step": 45
|
||||
},
|
||||
{
|
||||
"epoch": 1.48,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0864,
|
||||
"step": 46
|
||||
},
|
||||
{
|
||||
"epoch": 1.52,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0906,
|
||||
"step": 47
|
||||
},
|
||||
{
|
||||
"epoch": 1.55,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0852,
|
||||
"step": 48
|
||||
},
|
||||
{
|
||||
"epoch": 1.58,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0894,
|
||||
"step": 49
|
||||
},
|
||||
{
|
||||
"epoch": 1.61,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0775,
|
||||
"step": 50
|
||||
},
|
||||
{
|
||||
"epoch": 1.65,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0885,
|
||||
"step": 51
|
||||
},
|
||||
{
|
||||
"epoch": 1.68,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0818,
|
||||
"step": 52
|
||||
},
|
||||
{
|
||||
"epoch": 1.71,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0753,
|
||||
"step": 53
|
||||
},
|
||||
{
|
||||
"epoch": 1.74,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0786,
|
||||
"step": 54
|
||||
},
|
||||
{
|
||||
"epoch": 1.77,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0797,
|
||||
"step": 55
|
||||
},
|
||||
{
|
||||
"epoch": 1.81,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0863,
|
||||
"step": 56
|
||||
},
|
||||
{
|
||||
"epoch": 1.84,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0851,
|
||||
"step": 57
|
||||
},
|
||||
{
|
||||
"epoch": 1.87,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.089,
|
||||
"step": 58
|
||||
},
|
||||
{
|
||||
"epoch": 1.9,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0887,
|
||||
"step": 59
|
||||
},
|
||||
{
|
||||
"epoch": 1.94,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0801,
|
||||
"step": 60
|
||||
},
|
||||
{
|
||||
"epoch": 1.97,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0938,
|
||||
"step": 61
|
||||
},
|
||||
{
|
||||
"epoch": 2.0,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0868,
|
||||
"step": 62
|
||||
},
|
||||
{
|
||||
"epoch": 2.03,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0435,
|
||||
"step": 63
|
||||
},
|
||||
{
|
||||
"epoch": 2.06,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0484,
|
||||
"step": 64
|
||||
},
|
||||
{
|
||||
"epoch": 2.1,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0419,
|
||||
"step": 65
|
||||
},
|
||||
{
|
||||
"epoch": 2.13,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0395,
|
||||
"step": 66
|
||||
},
|
||||
{
|
||||
"epoch": 2.16,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0421,
|
||||
"step": 67
|
||||
},
|
||||
{
|
||||
"epoch": 2.19,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0357,
|
||||
"step": 68
|
||||
},
|
||||
{
|
||||
"epoch": 2.23,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0459,
|
||||
"step": 69
|
||||
},
|
||||
{
|
||||
"epoch": 2.26,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.041,
|
||||
"step": 70
|
||||
},
|
||||
{
|
||||
"epoch": 2.29,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0411,
|
||||
"step": 71
|
||||
},
|
||||
{
|
||||
"epoch": 2.32,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0444,
|
||||
"step": 72
|
||||
},
|
||||
{
|
||||
"epoch": 2.35,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0406,
|
||||
"step": 73
|
||||
},
|
||||
{
|
||||
"epoch": 2.39,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0412,
|
||||
"step": 74
|
||||
},
|
||||
{
|
||||
"epoch": 2.42,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0448,
|
||||
"step": 75
|
||||
},
|
||||
{
|
||||
"epoch": 2.45,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0374,
|
||||
"step": 76
|
||||
},
|
||||
{
|
||||
"epoch": 2.48,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0446,
|
||||
"step": 77
|
||||
},
|
||||
{
|
||||
"epoch": 2.52,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0411,
|
||||
"step": 78
|
||||
},
|
||||
{
|
||||
"epoch": 2.55,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.041,
|
||||
"step": 79
|
||||
},
|
||||
{
|
||||
"epoch": 2.58,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0406,
|
||||
"step": 80
|
||||
},
|
||||
{
|
||||
"epoch": 2.61,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0444,
|
||||
"step": 81
|
||||
},
|
||||
{
|
||||
"epoch": 2.65,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0439,
|
||||
"step": 82
|
||||
},
|
||||
{
|
||||
"epoch": 2.68,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0433,
|
||||
"step": 83
|
||||
},
|
||||
{
|
||||
"epoch": 2.71,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0443,
|
||||
"step": 84
|
||||
},
|
||||
{
|
||||
"epoch": 2.74,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0422,
|
||||
"step": 85
|
||||
},
|
||||
{
|
||||
"epoch": 2.77,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0411,
|
||||
"step": 86
|
||||
},
|
||||
{
|
||||
"epoch": 2.81,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0463,
|
||||
"step": 87
|
||||
},
|
||||
{
|
||||
"epoch": 2.84,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0408,
|
||||
"step": 88
|
||||
},
|
||||
{
|
||||
"epoch": 2.87,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0425,
|
||||
"step": 89
|
||||
},
|
||||
{
|
||||
"epoch": 2.9,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0441,
|
||||
"step": 90
|
||||
},
|
||||
{
|
||||
"epoch": 2.94,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0441,
|
||||
"step": 91
|
||||
},
|
||||
{
|
||||
"epoch": 2.97,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0475,
|
||||
"step": 92
|
||||
},
|
||||
{
|
||||
"epoch": 3.0,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.0456,
|
||||
"step": 93
|
||||
},
|
||||
{
|
||||
"epoch": 3.0,
|
||||
"step": 93,
|
||||
"total_flos": 38440796160000.0,
|
||||
"train_loss": 0.1174569078671035,
|
||||
"train_runtime": 5368.2591,
|
||||
"train_samples_per_second": 2.2,
|
||||
"train_steps_per_second": 0.017
|
||||
}
|
||||
],
|
||||
"max_steps": 93,
|
||||
"num_train_epochs": 3,
|
||||
"total_flos": 38440796160000.0,
|
||||
"trial_name": null,
|
||||
"trial_params": null
|
||||
}
|
||||
Reference in New Issue
Block a user