初始化项目,由ModelHub XC社区提供模型
Model: alignment-handbook/mistral-7b-sft-constitutional-ai Source: Original Platform
This commit is contained in:
704
trainer_state.json
Normal file
704
trainer_state.json
Normal file
@@ -0,0 +1,704 @@
|
||||
{
|
||||
"best_metric": null,
|
||||
"best_model_checkpoint": null,
|
||||
"epoch": 0.9986382206082615,
|
||||
"eval_steps": 500,
|
||||
"global_step": 550,
|
||||
"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": 1.6989,
|
||||
"step": 1
|
||||
},
|
||||
{
|
||||
"epoch": 0.01,
|
||||
"learning_rate": 1.8181818181818183e-06,
|
||||
"loss": 1.592,
|
||||
"step": 5
|
||||
},
|
||||
{
|
||||
"epoch": 0.02,
|
||||
"learning_rate": 3.6363636363636366e-06,
|
||||
"loss": 1.3096,
|
||||
"step": 10
|
||||
},
|
||||
{
|
||||
"epoch": 0.03,
|
||||
"learning_rate": 5.4545454545454545e-06,
|
||||
"loss": 1.1801,
|
||||
"step": 15
|
||||
},
|
||||
{
|
||||
"epoch": 0.04,
|
||||
"learning_rate": 7.272727272727273e-06,
|
||||
"loss": 1.1065,
|
||||
"step": 20
|
||||
},
|
||||
{
|
||||
"epoch": 0.05,
|
||||
"learning_rate": 9.090909090909091e-06,
|
||||
"loss": 1.0653,
|
||||
"step": 25
|
||||
},
|
||||
{
|
||||
"epoch": 0.05,
|
||||
"learning_rate": 1.0909090909090909e-05,
|
||||
"loss": 1.0523,
|
||||
"step": 30
|
||||
},
|
||||
{
|
||||
"epoch": 0.06,
|
||||
"learning_rate": 1.2727272727272728e-05,
|
||||
"loss": 1.0315,
|
||||
"step": 35
|
||||
},
|
||||
{
|
||||
"epoch": 0.07,
|
||||
"learning_rate": 1.4545454545454546e-05,
|
||||
"loss": 1.0111,
|
||||
"step": 40
|
||||
},
|
||||
{
|
||||
"epoch": 0.08,
|
||||
"learning_rate": 1.6363636363636366e-05,
|
||||
"loss": 1.0113,
|
||||
"step": 45
|
||||
},
|
||||
{
|
||||
"epoch": 0.09,
|
||||
"learning_rate": 1.8181818181818182e-05,
|
||||
"loss": 1.0169,
|
||||
"step": 50
|
||||
},
|
||||
{
|
||||
"epoch": 0.1,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.998,
|
||||
"step": 55
|
||||
},
|
||||
{
|
||||
"epoch": 0.11,
|
||||
"learning_rate": 1.9994965423831853e-05,
|
||||
"loss": 1.0046,
|
||||
"step": 60
|
||||
},
|
||||
{
|
||||
"epoch": 0.12,
|
||||
"learning_rate": 1.9979866764718846e-05,
|
||||
"loss": 1.0102,
|
||||
"step": 65
|
||||
},
|
||||
{
|
||||
"epoch": 0.13,
|
||||
"learning_rate": 1.9954719225730847e-05,
|
||||
"loss": 1.012,
|
||||
"step": 70
|
||||
},
|
||||
{
|
||||
"epoch": 0.14,
|
||||
"learning_rate": 1.9919548128307954e-05,
|
||||
"loss": 1.0108,
|
||||
"step": 75
|
||||
},
|
||||
{
|
||||
"epoch": 0.15,
|
||||
"learning_rate": 1.9874388886763944e-05,
|
||||
"loss": 0.9918,
|
||||
"step": 80
|
||||
},
|
||||
{
|
||||
"epoch": 0.15,
|
||||
"learning_rate": 1.9819286972627066e-05,
|
||||
"loss": 0.9959,
|
||||
"step": 85
|
||||
},
|
||||
{
|
||||
"epoch": 0.16,
|
||||
"learning_rate": 1.9754297868854075e-05,
|
||||
"loss": 1.0019,
|
||||
"step": 90
|
||||
},
|
||||
{
|
||||
"epoch": 0.17,
|
||||
"learning_rate": 1.9679487013963566e-05,
|
||||
"loss": 0.9897,
|
||||
"step": 95
|
||||
},
|
||||
{
|
||||
"epoch": 0.18,
|
||||
"learning_rate": 1.9594929736144978e-05,
|
||||
"loss": 1.004,
|
||||
"step": 100
|
||||
},
|
||||
{
|
||||
"epoch": 0.19,
|
||||
"learning_rate": 1.9500711177409456e-05,
|
||||
"loss": 0.9838,
|
||||
"step": 105
|
||||
},
|
||||
{
|
||||
"epoch": 0.2,
|
||||
"learning_rate": 1.9396926207859085e-05,
|
||||
"loss": 0.9717,
|
||||
"step": 110
|
||||
},
|
||||
{
|
||||
"epoch": 0.21,
|
||||
"learning_rate": 1.9283679330160726e-05,
|
||||
"loss": 0.9931,
|
||||
"step": 115
|
||||
},
|
||||
{
|
||||
"epoch": 0.22,
|
||||
"learning_rate": 1.9161084574320696e-05,
|
||||
"loss": 0.9785,
|
||||
"step": 120
|
||||
},
|
||||
{
|
||||
"epoch": 0.23,
|
||||
"learning_rate": 1.9029265382866216e-05,
|
||||
"loss": 0.9876,
|
||||
"step": 125
|
||||
},
|
||||
{
|
||||
"epoch": 0.24,
|
||||
"learning_rate": 1.8888354486549238e-05,
|
||||
"loss": 0.9785,
|
||||
"step": 130
|
||||
},
|
||||
{
|
||||
"epoch": 0.25,
|
||||
"learning_rate": 1.873849377069785e-05,
|
||||
"loss": 0.9739,
|
||||
"step": 135
|
||||
},
|
||||
{
|
||||
"epoch": 0.25,
|
||||
"learning_rate": 1.8579834132349773e-05,
|
||||
"loss": 0.9751,
|
||||
"step": 140
|
||||
},
|
||||
{
|
||||
"epoch": 0.26,
|
||||
"learning_rate": 1.8412535328311813e-05,
|
||||
"loss": 0.9923,
|
||||
"step": 145
|
||||
},
|
||||
{
|
||||
"epoch": 0.27,
|
||||
"learning_rate": 1.8236765814298328e-05,
|
||||
"loss": 0.9823,
|
||||
"step": 150
|
||||
},
|
||||
{
|
||||
"epoch": 0.28,
|
||||
"learning_rate": 1.8052702575310588e-05,
|
||||
"loss": 0.9691,
|
||||
"step": 155
|
||||
},
|
||||
{
|
||||
"epoch": 0.29,
|
||||
"learning_rate": 1.7860530947427878e-05,
|
||||
"loss": 0.98,
|
||||
"step": 160
|
||||
},
|
||||
{
|
||||
"epoch": 0.3,
|
||||
"learning_rate": 1.766044443118978e-05,
|
||||
"loss": 0.978,
|
||||
"step": 165
|
||||
},
|
||||
{
|
||||
"epoch": 0.31,
|
||||
"learning_rate": 1.745264449675755e-05,
|
||||
"loss": 0.9827,
|
||||
"step": 170
|
||||
},
|
||||
{
|
||||
"epoch": 0.32,
|
||||
"learning_rate": 1.72373403810507e-05,
|
||||
"loss": 0.9785,
|
||||
"step": 175
|
||||
},
|
||||
{
|
||||
"epoch": 0.33,
|
||||
"learning_rate": 1.7014748877063212e-05,
|
||||
"loss": 0.9826,
|
||||
"step": 180
|
||||
},
|
||||
{
|
||||
"epoch": 0.34,
|
||||
"learning_rate": 1.6785094115571323e-05,
|
||||
"loss": 0.9877,
|
||||
"step": 185
|
||||
},
|
||||
{
|
||||
"epoch": 0.34,
|
||||
"learning_rate": 1.6548607339452853e-05,
|
||||
"loss": 0.982,
|
||||
"step": 190
|
||||
},
|
||||
{
|
||||
"epoch": 0.35,
|
||||
"learning_rate": 1.6305526670845225e-05,
|
||||
"loss": 0.973,
|
||||
"step": 195
|
||||
},
|
||||
{
|
||||
"epoch": 0.36,
|
||||
"learning_rate": 1.6056096871376667e-05,
|
||||
"loss": 0.9737,
|
||||
"step": 200
|
||||
},
|
||||
{
|
||||
"epoch": 0.37,
|
||||
"learning_rate": 1.5800569095711983e-05,
|
||||
"loss": 0.9677,
|
||||
"step": 205
|
||||
},
|
||||
{
|
||||
"epoch": 0.38,
|
||||
"learning_rate": 1.5539200638661106e-05,
|
||||
"loss": 0.973,
|
||||
"step": 210
|
||||
},
|
||||
{
|
||||
"epoch": 0.39,
|
||||
"learning_rate": 1.5272254676105026e-05,
|
||||
"loss": 0.9678,
|
||||
"step": 215
|
||||
},
|
||||
{
|
||||
"epoch": 0.4,
|
||||
"learning_rate": 1.5000000000000002e-05,
|
||||
"loss": 0.9669,
|
||||
"step": 220
|
||||
},
|
||||
{
|
||||
"epoch": 0.41,
|
||||
"learning_rate": 1.472271074772683e-05,
|
||||
"loss": 0.9834,
|
||||
"step": 225
|
||||
},
|
||||
{
|
||||
"epoch": 0.42,
|
||||
"learning_rate": 1.4440666126057743e-05,
|
||||
"loss": 0.9625,
|
||||
"step": 230
|
||||
},
|
||||
{
|
||||
"epoch": 0.43,
|
||||
"learning_rate": 1.4154150130018867e-05,
|
||||
"loss": 0.9639,
|
||||
"step": 235
|
||||
},
|
||||
{
|
||||
"epoch": 0.44,
|
||||
"learning_rate": 1.3863451256931286e-05,
|
||||
"loss": 0.9643,
|
||||
"step": 240
|
||||
},
|
||||
{
|
||||
"epoch": 0.44,
|
||||
"learning_rate": 1.356886221591872e-05,
|
||||
"loss": 0.9601,
|
||||
"step": 245
|
||||
},
|
||||
{
|
||||
"epoch": 0.45,
|
||||
"learning_rate": 1.3270679633174219e-05,
|
||||
"loss": 0.953,
|
||||
"step": 250
|
||||
},
|
||||
{
|
||||
"epoch": 0.46,
|
||||
"learning_rate": 1.296920375328275e-05,
|
||||
"loss": 0.9619,
|
||||
"step": 255
|
||||
},
|
||||
{
|
||||
"epoch": 0.47,
|
||||
"learning_rate": 1.266473813690035e-05,
|
||||
"loss": 0.9701,
|
||||
"step": 260
|
||||
},
|
||||
{
|
||||
"epoch": 0.48,
|
||||
"learning_rate": 1.2357589355094275e-05,
|
||||
"loss": 0.9593,
|
||||
"step": 265
|
||||
},
|
||||
{
|
||||
"epoch": 0.49,
|
||||
"learning_rate": 1.2048066680651908e-05,
|
||||
"loss": 0.9559,
|
||||
"step": 270
|
||||
},
|
||||
{
|
||||
"epoch": 0.5,
|
||||
"learning_rate": 1.1736481776669307e-05,
|
||||
"loss": 0.9474,
|
||||
"step": 275
|
||||
},
|
||||
{
|
||||
"epoch": 0.51,
|
||||
"learning_rate": 1.1423148382732854e-05,
|
||||
"loss": 0.9705,
|
||||
"step": 280
|
||||
},
|
||||
{
|
||||
"epoch": 0.52,
|
||||
"learning_rate": 1.1108381999010111e-05,
|
||||
"loss": 0.9541,
|
||||
"step": 285
|
||||
},
|
||||
{
|
||||
"epoch": 0.53,
|
||||
"learning_rate": 1.0792499568567885e-05,
|
||||
"loss": 0.9464,
|
||||
"step": 290
|
||||
},
|
||||
{
|
||||
"epoch": 0.54,
|
||||
"learning_rate": 1.0475819158237426e-05,
|
||||
"loss": 0.9634,
|
||||
"step": 295
|
||||
},
|
||||
{
|
||||
"epoch": 0.54,
|
||||
"learning_rate": 1.015865963834808e-05,
|
||||
"loss": 0.9418,
|
||||
"step": 300
|
||||
},
|
||||
{
|
||||
"epoch": 0.55,
|
||||
"learning_rate": 9.841340361651921e-06,
|
||||
"loss": 0.9425,
|
||||
"step": 305
|
||||
},
|
||||
{
|
||||
"epoch": 0.56,
|
||||
"learning_rate": 9.524180841762577e-06,
|
||||
"loss": 0.945,
|
||||
"step": 310
|
||||
},
|
||||
{
|
||||
"epoch": 0.57,
|
||||
"learning_rate": 9.207500431432115e-06,
|
||||
"loss": 0.9463,
|
||||
"step": 315
|
||||
},
|
||||
{
|
||||
"epoch": 0.58,
|
||||
"learning_rate": 8.89161800098989e-06,
|
||||
"loss": 0.9514,
|
||||
"step": 320
|
||||
},
|
||||
{
|
||||
"epoch": 0.59,
|
||||
"learning_rate": 8.576851617267151e-06,
|
||||
"loss": 0.937,
|
||||
"step": 325
|
||||
},
|
||||
{
|
||||
"epoch": 0.6,
|
||||
"learning_rate": 8.263518223330698e-06,
|
||||
"loss": 0.9444,
|
||||
"step": 330
|
||||
},
|
||||
{
|
||||
"epoch": 0.61,
|
||||
"learning_rate": 7.951933319348095e-06,
|
||||
"loss": 0.9529,
|
||||
"step": 335
|
||||
},
|
||||
{
|
||||
"epoch": 0.62,
|
||||
"learning_rate": 7.642410644905726e-06,
|
||||
"loss": 0.9397,
|
||||
"step": 340
|
||||
},
|
||||
{
|
||||
"epoch": 0.63,
|
||||
"learning_rate": 7.335261863099652e-06,
|
||||
"loss": 0.9284,
|
||||
"step": 345
|
||||
},
|
||||
{
|
||||
"epoch": 0.64,
|
||||
"learning_rate": 7.0307962467172555e-06,
|
||||
"loss": 0.936,
|
||||
"step": 350
|
||||
},
|
||||
{
|
||||
"epoch": 0.64,
|
||||
"learning_rate": 6.729320366825785e-06,
|
||||
"loss": 0.9419,
|
||||
"step": 355
|
||||
},
|
||||
{
|
||||
"epoch": 0.65,
|
||||
"learning_rate": 6.431137784081283e-06,
|
||||
"loss": 0.9369,
|
||||
"step": 360
|
||||
},
|
||||
{
|
||||
"epoch": 0.66,
|
||||
"learning_rate": 6.136548743068713e-06,
|
||||
"loss": 0.9404,
|
||||
"step": 365
|
||||
},
|
||||
{
|
||||
"epoch": 0.67,
|
||||
"learning_rate": 5.845849869981137e-06,
|
||||
"loss": 0.9283,
|
||||
"step": 370
|
||||
},
|
||||
{
|
||||
"epoch": 0.68,
|
||||
"learning_rate": 5.559333873942259e-06,
|
||||
"loss": 0.9346,
|
||||
"step": 375
|
||||
},
|
||||
{
|
||||
"epoch": 0.69,
|
||||
"learning_rate": 5.277289252273175e-06,
|
||||
"loss": 0.927,
|
||||
"step": 380
|
||||
},
|
||||
{
|
||||
"epoch": 0.7,
|
||||
"learning_rate": 5.000000000000003e-06,
|
||||
"loss": 0.9362,
|
||||
"step": 385
|
||||
},
|
||||
{
|
||||
"epoch": 0.71,
|
||||
"learning_rate": 4.727745323894976e-06,
|
||||
"loss": 0.947,
|
||||
"step": 390
|
||||
},
|
||||
{
|
||||
"epoch": 0.72,
|
||||
"learning_rate": 4.460799361338898e-06,
|
||||
"loss": 0.9318,
|
||||
"step": 395
|
||||
},
|
||||
{
|
||||
"epoch": 0.73,
|
||||
"learning_rate": 4.19943090428802e-06,
|
||||
"loss": 0.924,
|
||||
"step": 400
|
||||
},
|
||||
{
|
||||
"epoch": 0.74,
|
||||
"learning_rate": 3.943903128623336e-06,
|
||||
"loss": 0.9372,
|
||||
"step": 405
|
||||
},
|
||||
{
|
||||
"epoch": 0.74,
|
||||
"learning_rate": 3.6944733291547784e-06,
|
||||
"loss": 0.9273,
|
||||
"step": 410
|
||||
},
|
||||
{
|
||||
"epoch": 0.75,
|
||||
"learning_rate": 3.4513926605471504e-06,
|
||||
"loss": 0.9325,
|
||||
"step": 415
|
||||
},
|
||||
{
|
||||
"epoch": 0.76,
|
||||
"learning_rate": 3.2149058844286796e-06,
|
||||
"loss": 0.9203,
|
||||
"step": 420
|
||||
},
|
||||
{
|
||||
"epoch": 0.77,
|
||||
"learning_rate": 2.9852511229367862e-06,
|
||||
"loss": 0.9248,
|
||||
"step": 425
|
||||
},
|
||||
{
|
||||
"epoch": 0.78,
|
||||
"learning_rate": 2.7626596189492983e-06,
|
||||
"loss": 0.9276,
|
||||
"step": 430
|
||||
},
|
||||
{
|
||||
"epoch": 0.79,
|
||||
"learning_rate": 2.5473555032424534e-06,
|
||||
"loss": 0.9228,
|
||||
"step": 435
|
||||
},
|
||||
{
|
||||
"epoch": 0.8,
|
||||
"learning_rate": 2.339555568810221e-06,
|
||||
"loss": 0.9284,
|
||||
"step": 440
|
||||
},
|
||||
{
|
||||
"epoch": 0.81,
|
||||
"learning_rate": 2.1394690525721275e-06,
|
||||
"loss": 0.9285,
|
||||
"step": 445
|
||||
},
|
||||
{
|
||||
"epoch": 0.82,
|
||||
"learning_rate": 1.947297424689414e-06,
|
||||
"loss": 0.9314,
|
||||
"step": 450
|
||||
},
|
||||
{
|
||||
"epoch": 0.83,
|
||||
"learning_rate": 1.7632341857016733e-06,
|
||||
"loss": 0.9163,
|
||||
"step": 455
|
||||
},
|
||||
{
|
||||
"epoch": 0.84,
|
||||
"learning_rate": 1.587464671688187e-06,
|
||||
"loss": 0.9263,
|
||||
"step": 460
|
||||
},
|
||||
{
|
||||
"epoch": 0.84,
|
||||
"learning_rate": 1.4201658676502294e-06,
|
||||
"loss": 0.9303,
|
||||
"step": 465
|
||||
},
|
||||
{
|
||||
"epoch": 0.85,
|
||||
"learning_rate": 1.2615062293021508e-06,
|
||||
"loss": 0.9202,
|
||||
"step": 470
|
||||
},
|
||||
{
|
||||
"epoch": 0.86,
|
||||
"learning_rate": 1.1116455134507665e-06,
|
||||
"loss": 0.9149,
|
||||
"step": 475
|
||||
},
|
||||
{
|
||||
"epoch": 0.87,
|
||||
"learning_rate": 9.707346171337895e-07,
|
||||
"loss": 0.9147,
|
||||
"step": 480
|
||||
},
|
||||
{
|
||||
"epoch": 0.88,
|
||||
"learning_rate": 8.389154256793042e-07,
|
||||
"loss": 0.9155,
|
||||
"step": 485
|
||||
},
|
||||
{
|
||||
"epoch": 0.89,
|
||||
"learning_rate": 7.163206698392744e-07,
|
||||
"loss": 0.9227,
|
||||
"step": 490
|
||||
},
|
||||
{
|
||||
"epoch": 0.9,
|
||||
"learning_rate": 6.030737921409169e-07,
|
||||
"loss": 0.9236,
|
||||
"step": 495
|
||||
},
|
||||
{
|
||||
"epoch": 0.91,
|
||||
"learning_rate": 4.992888225905467e-07,
|
||||
"loss": 0.9196,
|
||||
"step": 500
|
||||
},
|
||||
{
|
||||
"epoch": 0.92,
|
||||
"learning_rate": 4.0507026385502747e-07,
|
||||
"loss": 0.928,
|
||||
"step": 505
|
||||
},
|
||||
{
|
||||
"epoch": 0.93,
|
||||
"learning_rate": 3.2051298603643754e-07,
|
||||
"loss": 0.9164,
|
||||
"step": 510
|
||||
},
|
||||
{
|
||||
"epoch": 0.94,
|
||||
"learning_rate": 2.4570213114592957e-07,
|
||||
"loss": 0.9266,
|
||||
"step": 515
|
||||
},
|
||||
{
|
||||
"epoch": 0.94,
|
||||
"learning_rate": 1.8071302737293294e-07,
|
||||
"loss": 0.9243,
|
||||
"step": 520
|
||||
},
|
||||
{
|
||||
"epoch": 0.95,
|
||||
"learning_rate": 1.2561111323605714e-07,
|
||||
"loss": 0.9185,
|
||||
"step": 525
|
||||
},
|
||||
{
|
||||
"epoch": 0.96,
|
||||
"learning_rate": 8.04518716920466e-08,
|
||||
"loss": 0.9124,
|
||||
"step": 530
|
||||
},
|
||||
{
|
||||
"epoch": 0.97,
|
||||
"learning_rate": 4.528077426915412e-08,
|
||||
"loss": 0.9208,
|
||||
"step": 535
|
||||
},
|
||||
{
|
||||
"epoch": 0.98,
|
||||
"learning_rate": 2.013323528115674e-08,
|
||||
"loss": 0.9314,
|
||||
"step": 540
|
||||
},
|
||||
{
|
||||
"epoch": 0.99,
|
||||
"learning_rate": 5.034576168149175e-09,
|
||||
"loss": 0.9243,
|
||||
"step": 545
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"learning_rate": 0.0,
|
||||
"loss": 0.9241,
|
||||
"step": 550
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"eval_loss": 0.9343938231468201,
|
||||
"eval_runtime": 144.3354,
|
||||
"eval_samples_per_second": 107.479,
|
||||
"eval_steps_per_second": 1.684,
|
||||
"step": 550
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"step": 550,
|
||||
"total_flos": 460425862840320.0,
|
||||
"train_loss": 0.9703456902503967,
|
||||
"train_runtime": 5589.9273,
|
||||
"train_samples_per_second": 25.215,
|
||||
"train_steps_per_second": 0.098
|
||||
}
|
||||
],
|
||||
"logging_steps": 5,
|
||||
"max_steps": 550,
|
||||
"num_input_tokens_seen": 0,
|
||||
"num_train_epochs": 1,
|
||||
"save_steps": 100,
|
||||
"total_flos": 460425862840320.0,
|
||||
"train_batch_size": 8,
|
||||
"trial_name": null,
|
||||
"trial_params": null
|
||||
}
|
||||
Reference in New Issue
Block a user