初始化项目,由ModelHub XC社区提供模型
Model: anjajar/adult_goldfish_large 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
|
||||||
54
README.md
Normal file
54
README.md
Normal file
@@ -0,0 +1,54 @@
|
|||||||
|
---
|
||||||
|
library_name: transformers
|
||||||
|
base_model: gpt_base_config.json
|
||||||
|
tags:
|
||||||
|
- generated_from_trainer
|
||||||
|
model-index:
|
||||||
|
- name: adult_goldfish_large
|
||||||
|
results: []
|
||||||
|
---
|
||||||
|
|
||||||
|
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
|
||||||
|
should probably proofread and complete it, then remove this comment. -->
|
||||||
|
|
||||||
|
# adult_goldfish_large
|
||||||
|
|
||||||
|
This model is a fine-tuned version of [gpt_base_config.json](https://huggingface.co/gpt_base_config.json) on the None dataset.
|
||||||
|
|
||||||
|
## Model description
|
||||||
|
|
||||||
|
More information needed
|
||||||
|
|
||||||
|
## Intended uses & limitations
|
||||||
|
|
||||||
|
More information needed
|
||||||
|
|
||||||
|
## Training and evaluation data
|
||||||
|
|
||||||
|
More information needed
|
||||||
|
|
||||||
|
## Training procedure
|
||||||
|
|
||||||
|
### Training hyperparameters
|
||||||
|
|
||||||
|
The following hyperparameters were used during training:
|
||||||
|
- learning_rate: 0.0001
|
||||||
|
- train_batch_size: 8
|
||||||
|
- eval_batch_size: 8
|
||||||
|
- seed: 43
|
||||||
|
- optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-06 and optimizer_args=No additional optimizer arguments
|
||||||
|
- lr_scheduler_type: linear
|
||||||
|
- lr_scheduler_warmup_steps: 370
|
||||||
|
- num_epochs: 10
|
||||||
|
- mixed_precision_training: Native AMP
|
||||||
|
|
||||||
|
### Training results
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
### Framework versions
|
||||||
|
|
||||||
|
- Transformers 4.57.3
|
||||||
|
- Pytorch 2.9.1+cu128
|
||||||
|
- Datasets 4.4.1
|
||||||
|
- Tokenizers 0.22.1
|
||||||
34
config.json
Normal file
34
config.json
Normal file
@@ -0,0 +1,34 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 50000,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 50001,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 512,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": 3072,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 512,
|
||||||
|
"pad_token_id": 50002,
|
||||||
|
"prefix": "[CLS]",
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.57.3",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 51200
|
||||||
|
}
|
||||||
7
generation_config.json
Normal file
7
generation_config.json
Normal file
@@ -0,0 +1,7 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 50000,
|
||||||
|
"eos_token_id": 50001,
|
||||||
|
"pad_token_id": 50002,
|
||||||
|
"transformers_version": "4.57.3"
|
||||||
|
}
|
||||||
34
last-checkpoint/config.json
Normal file
34
last-checkpoint/config.json
Normal file
@@ -0,0 +1,34 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 50000,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 50001,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 512,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": 3072,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 512,
|
||||||
|
"pad_token_id": 50002,
|
||||||
|
"prefix": "[CLS]",
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.57.3",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 51200
|
||||||
|
}
|
||||||
7
last-checkpoint/generation_config.json
Normal file
7
last-checkpoint/generation_config.json
Normal file
@@ -0,0 +1,7 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 50000,
|
||||||
|
"eos_token_id": 50001,
|
||||||
|
"pad_token_id": 50002,
|
||||||
|
"transformers_version": "4.57.3"
|
||||||
|
}
|
||||||
3
last-checkpoint/model.safetensors
Normal file
3
last-checkpoint/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:fb3d3396a132f4a78e350746d4186b1a095eaaea96bbc23a0422e55181b31b1e
|
||||||
|
size 499098240
|
||||||
3
last-checkpoint/optimizer.pt
Normal file
3
last-checkpoint/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:c0b4374f235452239f4900e15b5b311fca430b1970372e77795aaab935db1ee0
|
||||||
|
size 998292875
|
||||||
3
last-checkpoint/rng_state.pth
Normal file
3
last-checkpoint/rng_state.pth
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:9349403ec90c5e180f9b7a2ec446b09b0a12d92eac09c60b37ad32d42e3f384d
|
||||||
|
size 14645
|
||||||
3
last-checkpoint/scaler.pt
Normal file
3
last-checkpoint/scaler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:6fb57b215d887cf5d583e4ac0020930879d08c3daa915840c9052228240799f6
|
||||||
|
size 1383
|
||||||
3
last-checkpoint/scheduler.pt
Normal file
3
last-checkpoint/scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:cbfbb4113c1dd614b42285e357529f1915132b2b5d5e676016ff2b3051ef7df0
|
||||||
|
size 1465
|
||||||
1243
last-checkpoint/special_tokens_map.json
Normal file
1243
last-checkpoint/special_tokens_map.json
Normal file
File diff suppressed because it is too large
Load Diff
210940
last-checkpoint/tokenizer.json
Normal file
210940
last-checkpoint/tokenizer.json
Normal file
File diff suppressed because one or more lines are too long
10829
last-checkpoint/tokenizer_config.json
Normal file
10829
last-checkpoint/tokenizer_config.json
Normal file
File diff suppressed because it is too large
Load Diff
895
last-checkpoint/trainer_state.json
Normal file
895
last-checkpoint/trainer_state.json
Normal file
@@ -0,0 +1,895 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": null,
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 10.0,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 37040,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.08099352051835854,
|
||||||
|
"grad_norm": 1.2232078313827515,
|
||||||
|
"learning_rate": 8.08108108108108e-05,
|
||||||
|
"loss": 8.4372,
|
||||||
|
"step": 300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.16198704103671707,
|
||||||
|
"grad_norm": 1.2085011005401611,
|
||||||
|
"learning_rate": 9.9375511317153e-05,
|
||||||
|
"loss": 7.116,
|
||||||
|
"step": 600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.24298056155507558,
|
||||||
|
"grad_norm": 0.9084240794181824,
|
||||||
|
"learning_rate": 9.855740387237524e-05,
|
||||||
|
"loss": 6.8316,
|
||||||
|
"step": 900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.32397408207343414,
|
||||||
|
"grad_norm": 0.9802172780036926,
|
||||||
|
"learning_rate": 9.77392964275975e-05,
|
||||||
|
"loss": 6.6389,
|
||||||
|
"step": 1200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.40496760259179265,
|
||||||
|
"grad_norm": 1.2083544731140137,
|
||||||
|
"learning_rate": 9.692118898281974e-05,
|
||||||
|
"loss": 6.5172,
|
||||||
|
"step": 1500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.48596112311015116,
|
||||||
|
"grad_norm": 1.1617285013198853,
|
||||||
|
"learning_rate": 9.610308153804201e-05,
|
||||||
|
"loss": 6.3892,
|
||||||
|
"step": 1800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5669546436285097,
|
||||||
|
"grad_norm": 1.1057401895523071,
|
||||||
|
"learning_rate": 9.528497409326425e-05,
|
||||||
|
"loss": 6.2733,
|
||||||
|
"step": 2100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6479481641468683,
|
||||||
|
"grad_norm": 1.1652714014053345,
|
||||||
|
"learning_rate": 9.446686664848651e-05,
|
||||||
|
"loss": 6.1542,
|
||||||
|
"step": 2400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7289416846652268,
|
||||||
|
"grad_norm": 1.1327797174453735,
|
||||||
|
"learning_rate": 9.364875920370875e-05,
|
||||||
|
"loss": 6.0642,
|
||||||
|
"step": 2700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8099352051835853,
|
||||||
|
"grad_norm": 1.1129639148712158,
|
||||||
|
"learning_rate": 9.283065175893101e-05,
|
||||||
|
"loss": 5.9595,
|
||||||
|
"step": 3000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8909287257019438,
|
||||||
|
"grad_norm": 1.1772035360336304,
|
||||||
|
"learning_rate": 9.201254431415327e-05,
|
||||||
|
"loss": 5.8886,
|
||||||
|
"step": 3300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9719222462203023,
|
||||||
|
"grad_norm": 1.1345826387405396,
|
||||||
|
"learning_rate": 9.119443686937551e-05,
|
||||||
|
"loss": 5.8212,
|
||||||
|
"step": 3600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0529157667386608,
|
||||||
|
"grad_norm": 1.1569806337356567,
|
||||||
|
"learning_rate": 9.037632942459777e-05,
|
||||||
|
"loss": 5.6998,
|
||||||
|
"step": 3900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.1339092872570196,
|
||||||
|
"grad_norm": 1.2677946090698242,
|
||||||
|
"learning_rate": 8.955822197982002e-05,
|
||||||
|
"loss": 5.6339,
|
||||||
|
"step": 4200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.214902807775378,
|
||||||
|
"grad_norm": 1.2447303533554077,
|
||||||
|
"learning_rate": 8.874011453504228e-05,
|
||||||
|
"loss": 5.6141,
|
||||||
|
"step": 4500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.2958963282937366,
|
||||||
|
"grad_norm": 1.2059963941574097,
|
||||||
|
"learning_rate": 8.792200709026452e-05,
|
||||||
|
"loss": 5.5655,
|
||||||
|
"step": 4800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.376889848812095,
|
||||||
|
"grad_norm": 1.2978270053863525,
|
||||||
|
"learning_rate": 8.710389964548678e-05,
|
||||||
|
"loss": 5.5272,
|
||||||
|
"step": 5100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.4578833693304536,
|
||||||
|
"grad_norm": 1.2664310932159424,
|
||||||
|
"learning_rate": 8.628579220070902e-05,
|
||||||
|
"loss": 5.476,
|
||||||
|
"step": 5400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.538876889848812,
|
||||||
|
"grad_norm": 1.2178924083709717,
|
||||||
|
"learning_rate": 8.546768475593129e-05,
|
||||||
|
"loss": 5.4346,
|
||||||
|
"step": 5700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.6198704103671706,
|
||||||
|
"grad_norm": 1.266420841217041,
|
||||||
|
"learning_rate": 8.464957731115354e-05,
|
||||||
|
"loss": 5.4054,
|
||||||
|
"step": 6000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.7008639308855291,
|
||||||
|
"grad_norm": 1.23899507522583,
|
||||||
|
"learning_rate": 8.383146986637579e-05,
|
||||||
|
"loss": 5.3561,
|
||||||
|
"step": 6300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.7818574514038876,
|
||||||
|
"grad_norm": 1.3659826517105103,
|
||||||
|
"learning_rate": 8.301336242159804e-05,
|
||||||
|
"loss": 5.3211,
|
||||||
|
"step": 6600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.8628509719222461,
|
||||||
|
"grad_norm": 1.2756917476654053,
|
||||||
|
"learning_rate": 8.219525497682029e-05,
|
||||||
|
"loss": 5.2925,
|
||||||
|
"step": 6900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.9438444924406046,
|
||||||
|
"grad_norm": 1.329283356666565,
|
||||||
|
"learning_rate": 8.137714753204254e-05,
|
||||||
|
"loss": 5.2797,
|
||||||
|
"step": 7200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.024838012958963,
|
||||||
|
"grad_norm": 1.422574758529663,
|
||||||
|
"learning_rate": 8.05590400872648e-05,
|
||||||
|
"loss": 5.1991,
|
||||||
|
"step": 7500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.1058315334773217,
|
||||||
|
"grad_norm": 1.2917046546936035,
|
||||||
|
"learning_rate": 7.974093264248705e-05,
|
||||||
|
"loss": 5.0749,
|
||||||
|
"step": 7800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.18682505399568,
|
||||||
|
"grad_norm": 1.3476394414901733,
|
||||||
|
"learning_rate": 7.89228251977093e-05,
|
||||||
|
"loss": 5.0792,
|
||||||
|
"step": 8100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.267818574514039,
|
||||||
|
"grad_norm": 1.3360469341278076,
|
||||||
|
"learning_rate": 7.810471775293156e-05,
|
||||||
|
"loss": 5.0675,
|
||||||
|
"step": 8400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.3488120950323976,
|
||||||
|
"grad_norm": 1.4274685382843018,
|
||||||
|
"learning_rate": 7.72866103081538e-05,
|
||||||
|
"loss": 5.0484,
|
||||||
|
"step": 8700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.429805615550756,
|
||||||
|
"grad_norm": 1.3693740367889404,
|
||||||
|
"learning_rate": 7.646850286337606e-05,
|
||||||
|
"loss": 5.0288,
|
||||||
|
"step": 9000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.5107991360691146,
|
||||||
|
"grad_norm": 1.4013055562973022,
|
||||||
|
"learning_rate": 7.56503954185983e-05,
|
||||||
|
"loss": 5.0148,
|
||||||
|
"step": 9300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.591792656587473,
|
||||||
|
"grad_norm": 1.374281406402588,
|
||||||
|
"learning_rate": 7.483228797382058e-05,
|
||||||
|
"loss": 4.9978,
|
||||||
|
"step": 9600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.6727861771058317,
|
||||||
|
"grad_norm": 1.4153590202331543,
|
||||||
|
"learning_rate": 7.401418052904282e-05,
|
||||||
|
"loss": 4.9705,
|
||||||
|
"step": 9900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.75377969762419,
|
||||||
|
"grad_norm": 1.3654042482376099,
|
||||||
|
"learning_rate": 7.319607308426508e-05,
|
||||||
|
"loss": 4.9599,
|
||||||
|
"step": 10200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.8347732181425487,
|
||||||
|
"grad_norm": 1.3114956617355347,
|
||||||
|
"learning_rate": 7.237796563948732e-05,
|
||||||
|
"loss": 4.9379,
|
||||||
|
"step": 10500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.915766738660907,
|
||||||
|
"grad_norm": 1.4419208765029907,
|
||||||
|
"learning_rate": 7.155985819470958e-05,
|
||||||
|
"loss": 4.9319,
|
||||||
|
"step": 10800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.9967602591792657,
|
||||||
|
"grad_norm": 1.3786503076553345,
|
||||||
|
"learning_rate": 7.074175074993182e-05,
|
||||||
|
"loss": 4.894,
|
||||||
|
"step": 11100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.077753779697624,
|
||||||
|
"grad_norm": 1.406146764755249,
|
||||||
|
"learning_rate": 6.992364330515409e-05,
|
||||||
|
"loss": 4.731,
|
||||||
|
"step": 11400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.1587473002159827,
|
||||||
|
"grad_norm": 1.4777101278305054,
|
||||||
|
"learning_rate": 6.910553586037633e-05,
|
||||||
|
"loss": 4.723,
|
||||||
|
"step": 11700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.239740820734341,
|
||||||
|
"grad_norm": 1.5643523931503296,
|
||||||
|
"learning_rate": 6.828742841559859e-05,
|
||||||
|
"loss": 4.7243,
|
||||||
|
"step": 12000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.3207343412526997,
|
||||||
|
"grad_norm": 1.4379490613937378,
|
||||||
|
"learning_rate": 6.746932097082083e-05,
|
||||||
|
"loss": 4.7216,
|
||||||
|
"step": 12300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.4017278617710582,
|
||||||
|
"grad_norm": 1.5200529098510742,
|
||||||
|
"learning_rate": 6.665121352604309e-05,
|
||||||
|
"loss": 4.7187,
|
||||||
|
"step": 12600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.4827213822894167,
|
||||||
|
"grad_norm": 1.573749303817749,
|
||||||
|
"learning_rate": 6.583310608126535e-05,
|
||||||
|
"loss": 4.7152,
|
||||||
|
"step": 12900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.5637149028077753,
|
||||||
|
"grad_norm": 1.555275559425354,
|
||||||
|
"learning_rate": 6.50149986364876e-05,
|
||||||
|
"loss": 4.6872,
|
||||||
|
"step": 13200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.6447084233261338,
|
||||||
|
"grad_norm": 1.5814576148986816,
|
||||||
|
"learning_rate": 6.419689119170985e-05,
|
||||||
|
"loss": 4.678,
|
||||||
|
"step": 13500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.7257019438444923,
|
||||||
|
"grad_norm": 1.4575761556625366,
|
||||||
|
"learning_rate": 6.33787837469321e-05,
|
||||||
|
"loss": 4.6898,
|
||||||
|
"step": 13800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.806695464362851,
|
||||||
|
"grad_norm": 1.4241302013397217,
|
||||||
|
"learning_rate": 6.256067630215436e-05,
|
||||||
|
"loss": 4.6746,
|
||||||
|
"step": 14100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.8876889848812093,
|
||||||
|
"grad_norm": 1.4637110233306885,
|
||||||
|
"learning_rate": 6.17425688573766e-05,
|
||||||
|
"loss": 4.6634,
|
||||||
|
"step": 14400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.968682505399568,
|
||||||
|
"grad_norm": 1.5187498331069946,
|
||||||
|
"learning_rate": 6.092446141259885e-05,
|
||||||
|
"loss": 4.6632,
|
||||||
|
"step": 14700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.049676025917926,
|
||||||
|
"grad_norm": 1.6040258407592773,
|
||||||
|
"learning_rate": 6.010635396782111e-05,
|
||||||
|
"loss": 4.557,
|
||||||
|
"step": 15000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.130669546436285,
|
||||||
|
"grad_norm": 1.6472535133361816,
|
||||||
|
"learning_rate": 5.9288246523043365e-05,
|
||||||
|
"loss": 4.4817,
|
||||||
|
"step": 15300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.211663066954643,
|
||||||
|
"grad_norm": 1.6630454063415527,
|
||||||
|
"learning_rate": 5.8470139078265615e-05,
|
||||||
|
"loss": 4.4911,
|
||||||
|
"step": 15600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.292656587473002,
|
||||||
|
"grad_norm": 1.5368226766586304,
|
||||||
|
"learning_rate": 5.765203163348787e-05,
|
||||||
|
"loss": 4.4818,
|
||||||
|
"step": 15900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.37365010799136,
|
||||||
|
"grad_norm": 1.6154084205627441,
|
||||||
|
"learning_rate": 5.683392418871012e-05,
|
||||||
|
"loss": 4.4715,
|
||||||
|
"step": 16200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.454643628509719,
|
||||||
|
"grad_norm": 1.5402164459228516,
|
||||||
|
"learning_rate": 5.601581674393237e-05,
|
||||||
|
"loss": 4.4817,
|
||||||
|
"step": 16500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.535637149028078,
|
||||||
|
"grad_norm": 1.6153959035873413,
|
||||||
|
"learning_rate": 5.519770929915462e-05,
|
||||||
|
"loss": 4.4711,
|
||||||
|
"step": 16800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.616630669546437,
|
||||||
|
"grad_norm": 1.5631442070007324,
|
||||||
|
"learning_rate": 5.4379601854376885e-05,
|
||||||
|
"loss": 4.463,
|
||||||
|
"step": 17100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.697624190064795,
|
||||||
|
"grad_norm": 1.620991587638855,
|
||||||
|
"learning_rate": 5.3561494409599135e-05,
|
||||||
|
"loss": 4.4621,
|
||||||
|
"step": 17400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.778617710583154,
|
||||||
|
"grad_norm": 1.742760181427002,
|
||||||
|
"learning_rate": 5.2743386964821385e-05,
|
||||||
|
"loss": 4.46,
|
||||||
|
"step": 17700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.859611231101512,
|
||||||
|
"grad_norm": 1.6621677875518799,
|
||||||
|
"learning_rate": 5.1925279520043635e-05,
|
||||||
|
"loss": 4.4725,
|
||||||
|
"step": 18000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.940604751619871,
|
||||||
|
"grad_norm": 1.553416132926941,
|
||||||
|
"learning_rate": 5.1107172075265885e-05,
|
||||||
|
"loss": 4.4523,
|
||||||
|
"step": 18300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.021598272138229,
|
||||||
|
"grad_norm": 1.6929900646209717,
|
||||||
|
"learning_rate": 5.0289064630488135e-05,
|
||||||
|
"loss": 4.402,
|
||||||
|
"step": 18600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.102591792656588,
|
||||||
|
"grad_norm": 1.6716270446777344,
|
||||||
|
"learning_rate": 4.947095718571039e-05,
|
||||||
|
"loss": 4.2694,
|
||||||
|
"step": 18900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.183585313174946,
|
||||||
|
"grad_norm": 1.7076847553253174,
|
||||||
|
"learning_rate": 4.865284974093264e-05,
|
||||||
|
"loss": 4.2792,
|
||||||
|
"step": 19200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.264578833693305,
|
||||||
|
"grad_norm": 1.6706926822662354,
|
||||||
|
"learning_rate": 4.78347422961549e-05,
|
||||||
|
"loss": 4.2939,
|
||||||
|
"step": 19500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.345572354211663,
|
||||||
|
"grad_norm": 1.7526054382324219,
|
||||||
|
"learning_rate": 4.701663485137715e-05,
|
||||||
|
"loss": 4.2971,
|
||||||
|
"step": 19800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.426565874730022,
|
||||||
|
"grad_norm": 1.7769668102264404,
|
||||||
|
"learning_rate": 4.61985274065994e-05,
|
||||||
|
"loss": 4.2927,
|
||||||
|
"step": 20100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.50755939524838,
|
||||||
|
"grad_norm": 1.736707091331482,
|
||||||
|
"learning_rate": 4.5380419961821655e-05,
|
||||||
|
"loss": 4.3044,
|
||||||
|
"step": 20400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.588552915766739,
|
||||||
|
"grad_norm": 1.7048243284225464,
|
||||||
|
"learning_rate": 4.4562312517043905e-05,
|
||||||
|
"loss": 4.2971,
|
||||||
|
"step": 20700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.669546436285097,
|
||||||
|
"grad_norm": 1.7873897552490234,
|
||||||
|
"learning_rate": 4.374420507226616e-05,
|
||||||
|
"loss": 4.2918,
|
||||||
|
"step": 21000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.750539956803456,
|
||||||
|
"grad_norm": 1.6965153217315674,
|
||||||
|
"learning_rate": 4.292609762748841e-05,
|
||||||
|
"loss": 4.279,
|
||||||
|
"step": 21300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.831533477321814,
|
||||||
|
"grad_norm": 1.6777267456054688,
|
||||||
|
"learning_rate": 4.210799018271067e-05,
|
||||||
|
"loss": 4.3005,
|
||||||
|
"step": 21600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.912526997840173,
|
||||||
|
"grad_norm": 1.7366621494293213,
|
||||||
|
"learning_rate": 4.128988273793292e-05,
|
||||||
|
"loss": 4.288,
|
||||||
|
"step": 21900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.993520518358531,
|
||||||
|
"grad_norm": 1.6858952045440674,
|
||||||
|
"learning_rate": 4.047177529315517e-05,
|
||||||
|
"loss": 4.3032,
|
||||||
|
"step": 22200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.07451403887689,
|
||||||
|
"grad_norm": 1.755344033241272,
|
||||||
|
"learning_rate": 3.9653667848377425e-05,
|
||||||
|
"loss": 4.1395,
|
||||||
|
"step": 22500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.155507559395248,
|
||||||
|
"grad_norm": 1.8167041540145874,
|
||||||
|
"learning_rate": 3.8835560403599675e-05,
|
||||||
|
"loss": 4.1397,
|
||||||
|
"step": 22800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.236501079913607,
|
||||||
|
"grad_norm": 1.777757167816162,
|
||||||
|
"learning_rate": 3.8017452958821925e-05,
|
||||||
|
"loss": 4.1328,
|
||||||
|
"step": 23100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.317494600431965,
|
||||||
|
"grad_norm": 1.8104006052017212,
|
||||||
|
"learning_rate": 3.719934551404418e-05,
|
||||||
|
"loss": 4.1485,
|
||||||
|
"step": 23400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.398488120950324,
|
||||||
|
"grad_norm": 2.2477872371673584,
|
||||||
|
"learning_rate": 3.638123806926643e-05,
|
||||||
|
"loss": 4.1426,
|
||||||
|
"step": 23700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.479481641468682,
|
||||||
|
"grad_norm": 1.884135365486145,
|
||||||
|
"learning_rate": 3.556313062448868e-05,
|
||||||
|
"loss": 4.1408,
|
||||||
|
"step": 24000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.560475161987041,
|
||||||
|
"grad_norm": 1.9256831407546997,
|
||||||
|
"learning_rate": 3.474502317971094e-05,
|
||||||
|
"loss": 4.1442,
|
||||||
|
"step": 24300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.6414686825053995,
|
||||||
|
"grad_norm": 1.838258981704712,
|
||||||
|
"learning_rate": 3.392691573493319e-05,
|
||||||
|
"loss": 4.146,
|
||||||
|
"step": 24600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.722462203023758,
|
||||||
|
"grad_norm": 1.8604072332382202,
|
||||||
|
"learning_rate": 3.310880829015544e-05,
|
||||||
|
"loss": 4.1371,
|
||||||
|
"step": 24900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.8034557235421165,
|
||||||
|
"grad_norm": 1.8495209217071533,
|
||||||
|
"learning_rate": 3.2290700845377695e-05,
|
||||||
|
"loss": 4.1388,
|
||||||
|
"step": 25200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.884449244060475,
|
||||||
|
"grad_norm": 1.8702112436294556,
|
||||||
|
"learning_rate": 3.1472593400599945e-05,
|
||||||
|
"loss": 4.1355,
|
||||||
|
"step": 25500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.9654427645788335,
|
||||||
|
"grad_norm": 1.8808040618896484,
|
||||||
|
"learning_rate": 3.06544859558222e-05,
|
||||||
|
"loss": 4.1427,
|
||||||
|
"step": 25800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.046436285097192,
|
||||||
|
"grad_norm": 1.8303903341293335,
|
||||||
|
"learning_rate": 2.9836378511044448e-05,
|
||||||
|
"loss": 4.0723,
|
||||||
|
"step": 26100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.1274298056155505,
|
||||||
|
"grad_norm": 1.9697943925857544,
|
||||||
|
"learning_rate": 2.9018271066266705e-05,
|
||||||
|
"loss": 3.9898,
|
||||||
|
"step": 26400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.208423326133909,
|
||||||
|
"grad_norm": 1.998304843902588,
|
||||||
|
"learning_rate": 2.8200163621488955e-05,
|
||||||
|
"loss": 3.997,
|
||||||
|
"step": 26700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.2894168466522675,
|
||||||
|
"grad_norm": 1.962162971496582,
|
||||||
|
"learning_rate": 2.7382056176711208e-05,
|
||||||
|
"loss": 4.009,
|
||||||
|
"step": 27000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.370410367170626,
|
||||||
|
"grad_norm": 1.8969253301620483,
|
||||||
|
"learning_rate": 2.6563948731933465e-05,
|
||||||
|
"loss": 4.0181,
|
||||||
|
"step": 27300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.4514038876889845,
|
||||||
|
"grad_norm": 1.9282795190811157,
|
||||||
|
"learning_rate": 2.5745841287155715e-05,
|
||||||
|
"loss": 4.015,
|
||||||
|
"step": 27600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.532397408207343,
|
||||||
|
"grad_norm": 1.9588371515274048,
|
||||||
|
"learning_rate": 2.4927733842377968e-05,
|
||||||
|
"loss": 4.0216,
|
||||||
|
"step": 27900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.613390928725702,
|
||||||
|
"grad_norm": 2.0260281562805176,
|
||||||
|
"learning_rate": 2.4109626397600218e-05,
|
||||||
|
"loss": 4.0161,
|
||||||
|
"step": 28200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.69438444924406,
|
||||||
|
"grad_norm": 1.9617438316345215,
|
||||||
|
"learning_rate": 2.329151895282247e-05,
|
||||||
|
"loss": 4.0177,
|
||||||
|
"step": 28500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.775377969762419,
|
||||||
|
"grad_norm": 1.9317694902420044,
|
||||||
|
"learning_rate": 2.2473411508044725e-05,
|
||||||
|
"loss": 4.0203,
|
||||||
|
"step": 28800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.856371490280777,
|
||||||
|
"grad_norm": 2.1097474098205566,
|
||||||
|
"learning_rate": 2.1655304063266975e-05,
|
||||||
|
"loss": 4.0226,
|
||||||
|
"step": 29100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.937365010799136,
|
||||||
|
"grad_norm": 1.9996739625930786,
|
||||||
|
"learning_rate": 2.083719661848923e-05,
|
||||||
|
"loss": 4.0139,
|
||||||
|
"step": 29400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.018358531317494,
|
||||||
|
"grad_norm": 1.9552192687988281,
|
||||||
|
"learning_rate": 2.001908917371148e-05,
|
||||||
|
"loss": 3.9961,
|
||||||
|
"step": 29700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.099352051835853,
|
||||||
|
"grad_norm": 1.9899965524673462,
|
||||||
|
"learning_rate": 1.9200981728933735e-05,
|
||||||
|
"loss": 3.8958,
|
||||||
|
"step": 30000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.180345572354211,
|
||||||
|
"grad_norm": 2.0817723274230957,
|
||||||
|
"learning_rate": 1.8382874284155988e-05,
|
||||||
|
"loss": 3.887,
|
||||||
|
"step": 30300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.26133909287257,
|
||||||
|
"grad_norm": 2.086763858795166,
|
||||||
|
"learning_rate": 1.7564766839378238e-05,
|
||||||
|
"loss": 3.9098,
|
||||||
|
"step": 30600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.342332613390928,
|
||||||
|
"grad_norm": 2.0301589965820312,
|
||||||
|
"learning_rate": 1.674665939460049e-05,
|
||||||
|
"loss": 3.8974,
|
||||||
|
"step": 30900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.423326133909287,
|
||||||
|
"grad_norm": 2.0822806358337402,
|
||||||
|
"learning_rate": 1.5928551949822745e-05,
|
||||||
|
"loss": 3.9106,
|
||||||
|
"step": 31200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.504319654427645,
|
||||||
|
"grad_norm": 2.1793293952941895,
|
||||||
|
"learning_rate": 1.5110444505044996e-05,
|
||||||
|
"loss": 3.9102,
|
||||||
|
"step": 31500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.585313174946004,
|
||||||
|
"grad_norm": 2.0697715282440186,
|
||||||
|
"learning_rate": 1.429233706026725e-05,
|
||||||
|
"loss": 3.9044,
|
||||||
|
"step": 31800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.666306695464362,
|
||||||
|
"grad_norm": 2.0902247428894043,
|
||||||
|
"learning_rate": 1.34742296154895e-05,
|
||||||
|
"loss": 3.9191,
|
||||||
|
"step": 32100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.74730021598272,
|
||||||
|
"grad_norm": 2.062403917312622,
|
||||||
|
"learning_rate": 1.2656122170711755e-05,
|
||||||
|
"loss": 3.9175,
|
||||||
|
"step": 32400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.82829373650108,
|
||||||
|
"grad_norm": 2.048679828643799,
|
||||||
|
"learning_rate": 1.1838014725934006e-05,
|
||||||
|
"loss": 3.9124,
|
||||||
|
"step": 32700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.909287257019438,
|
||||||
|
"grad_norm": 2.103947401046753,
|
||||||
|
"learning_rate": 1.101990728115626e-05,
|
||||||
|
"loss": 3.9082,
|
||||||
|
"step": 33000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.990280777537796,
|
||||||
|
"grad_norm": 2.0932586193084717,
|
||||||
|
"learning_rate": 1.0201799836378511e-05,
|
||||||
|
"loss": 3.9139,
|
||||||
|
"step": 33300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.071274298056155,
|
||||||
|
"grad_norm": 2.065955877304077,
|
||||||
|
"learning_rate": 9.383692391600765e-06,
|
||||||
|
"loss": 3.8253,
|
||||||
|
"step": 33600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.152267818574513,
|
||||||
|
"grad_norm": 2.127322196960449,
|
||||||
|
"learning_rate": 8.565584946823016e-06,
|
||||||
|
"loss": 3.8279,
|
||||||
|
"step": 33900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.233261339092872,
|
||||||
|
"grad_norm": 2.0906572341918945,
|
||||||
|
"learning_rate": 7.74747750204527e-06,
|
||||||
|
"loss": 3.826,
|
||||||
|
"step": 34200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.314254859611232,
|
||||||
|
"grad_norm": 2.142390489578247,
|
||||||
|
"learning_rate": 6.929370057267521e-06,
|
||||||
|
"loss": 3.8186,
|
||||||
|
"step": 34500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.39524838012959,
|
||||||
|
"grad_norm": 2.0886802673339844,
|
||||||
|
"learning_rate": 6.111262612489774e-06,
|
||||||
|
"loss": 3.829,
|
||||||
|
"step": 34800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.476241900647949,
|
||||||
|
"grad_norm": 2.1843161582946777,
|
||||||
|
"learning_rate": 5.293155167712026e-06,
|
||||||
|
"loss": 3.8274,
|
||||||
|
"step": 35100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.557235421166308,
|
||||||
|
"grad_norm": 2.1167829036712646,
|
||||||
|
"learning_rate": 4.475047722934279e-06,
|
||||||
|
"loss": 3.8244,
|
||||||
|
"step": 35400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.638228941684666,
|
||||||
|
"grad_norm": 2.1455206871032715,
|
||||||
|
"learning_rate": 3.6569402781565316e-06,
|
||||||
|
"loss": 3.8478,
|
||||||
|
"step": 35700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.719222462203025,
|
||||||
|
"grad_norm": 2.0749266147613525,
|
||||||
|
"learning_rate": 2.838832833378784e-06,
|
||||||
|
"loss": 3.8233,
|
||||||
|
"step": 36000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.800215982721383,
|
||||||
|
"grad_norm": 2.1683921813964844,
|
||||||
|
"learning_rate": 2.0207253886010365e-06,
|
||||||
|
"loss": 3.8196,
|
||||||
|
"step": 36300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.881209503239742,
|
||||||
|
"grad_norm": 2.2705883979797363,
|
||||||
|
"learning_rate": 1.2026179438232888e-06,
|
||||||
|
"loss": 3.8316,
|
||||||
|
"step": 36600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.9622030237581,
|
||||||
|
"grad_norm": 2.1019952297210693,
|
||||||
|
"learning_rate": 3.8451049904554137e-07,
|
||||||
|
"loss": 3.821,
|
||||||
|
"step": 36900
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 300,
|
||||||
|
"max_steps": 37040,
|
||||||
|
"num_input_tokens_seen": 0,
|
||||||
|
"num_train_epochs": 10,
|
||||||
|
"save_steps": 300,
|
||||||
|
"stateful_callbacks": {
|
||||||
|
"TrainerControl": {
|
||||||
|
"args": {
|
||||||
|
"should_epoch_stop": false,
|
||||||
|
"should_evaluate": false,
|
||||||
|
"should_log": false,
|
||||||
|
"should_save": true,
|
||||||
|
"should_training_stop": true
|
||||||
|
},
|
||||||
|
"attributes": {}
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"total_flos": 7.741560324096e+16,
|
||||||
|
"train_batch_size": 8,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
last-checkpoint/training_args.bin
Normal file
3
last-checkpoint/training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:3c470fd27514775f519f81a7ae2ce18f7503172b8506609236b5d633c57ed26d
|
||||||
|
size 5905
|
||||||
3
model.safetensors
Normal file
3
model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:fb3d3396a132f4a78e350746d4186b1a095eaaea96bbc23a0422e55181b31b1e
|
||||||
|
size 499098240
|
||||||
1243
special_tokens_map.json
Normal file
1243
special_tokens_map.json
Normal file
File diff suppressed because it is too large
Load Diff
210940
tokenizer.json
Normal file
210940
tokenizer.json
Normal file
File diff suppressed because one or more lines are too long
10829
tokenizer_config.json
Normal file
10829
tokenizer_config.json
Normal file
File diff suppressed because it is too large
Load Diff
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 sha256:3c470fd27514775f519f81a7ae2ce18f7503172b8506609236b5d633c57ed26d
|
||||||
|
size 5905
|
||||||
Reference in New Issue
Block a user