初始化项目,由ModelHub XC社区提供模型
Model: anjajar/adult_goldfish_rus_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_rus_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_rus_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: 2940
|
||||||
|
- num_epochs: 100
|
||||||
|
- 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:ad83f0891299f4b93995614cb44dd15f4f2b3944abf24a917e14d0a9d57fe51d
|
||||||
|
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:fa775898023b4b49f1048fc30a632b9525cdda67bba221d20af76c5c045cf092
|
||||||
|
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:ada7cf0c02a0e0a40d16f772b0e2ca598a27b13a6323e0945b708fdf5c70169a
|
||||||
|
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 sha256:3525da2f7dbc46bbe78c5e8beeb81cd57781bdcd526ea4ab3f54c5ac8a5edbac
|
||||||
|
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:ac8014c9ad4b910751ad0530680311249c3e8967b019256cb2be39c16e9a2cef
|
||||||
|
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
713
last-checkpoint/trainer_state.json
Normal file
713
last-checkpoint/trainer_state.json
Normal file
@@ -0,0 +1,713 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": null,
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 98.9795918367347,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 29100,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 1.0204081632653061,
|
||||||
|
"grad_norm": 1.544520378112793,
|
||||||
|
"learning_rate": 1.0170068027210885e-05,
|
||||||
|
"loss": 9.6915,
|
||||||
|
"step": 300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0408163265306123,
|
||||||
|
"grad_norm": 1.6265058517456055,
|
||||||
|
"learning_rate": 2.0374149659863947e-05,
|
||||||
|
"loss": 8.3327,
|
||||||
|
"step": 600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.061224489795918,
|
||||||
|
"grad_norm": 2.0470693111419678,
|
||||||
|
"learning_rate": 3.0578231292517004e-05,
|
||||||
|
"loss": 7.7972,
|
||||||
|
"step": 900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.081632653061225,
|
||||||
|
"grad_norm": 1.7373660802841187,
|
||||||
|
"learning_rate": 4.078231292517007e-05,
|
||||||
|
"loss": 7.508,
|
||||||
|
"step": 1200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.1020408163265305,
|
||||||
|
"grad_norm": 2.189188241958618,
|
||||||
|
"learning_rate": 5.0986394557823136e-05,
|
||||||
|
"loss": 7.2126,
|
||||||
|
"step": 1500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.122448979591836,
|
||||||
|
"grad_norm": 2.1524977684020996,
|
||||||
|
"learning_rate": 6.11904761904762e-05,
|
||||||
|
"loss": 6.9194,
|
||||||
|
"step": 1800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.142857142857143,
|
||||||
|
"grad_norm": 2.03401517868042,
|
||||||
|
"learning_rate": 7.139455782312926e-05,
|
||||||
|
"loss": 6.6392,
|
||||||
|
"step": 2100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.16326530612245,
|
||||||
|
"grad_norm": 2.0746707916259766,
|
||||||
|
"learning_rate": 8.159863945578233e-05,
|
||||||
|
"loss": 6.3837,
|
||||||
|
"step": 2400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.183673469387756,
|
||||||
|
"grad_norm": 2.1161186695098877,
|
||||||
|
"learning_rate": 9.180272108843538e-05,
|
||||||
|
"loss": 6.1311,
|
||||||
|
"step": 2700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.204081632653061,
|
||||||
|
"grad_norm": 2.1764469146728516,
|
||||||
|
"learning_rate": 9.977702191987907e-05,
|
||||||
|
"loss": 5.8614,
|
||||||
|
"step": 3000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.224489795918368,
|
||||||
|
"grad_norm": 2.414827823638916,
|
||||||
|
"learning_rate": 9.86432350718065e-05,
|
||||||
|
"loss": 5.5985,
|
||||||
|
"step": 3300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.244897959183673,
|
||||||
|
"grad_norm": 2.5662031173706055,
|
||||||
|
"learning_rate": 9.750944822373394e-05,
|
||||||
|
"loss": 5.3029,
|
||||||
|
"step": 3600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.26530612244898,
|
||||||
|
"grad_norm": 2.821119785308838,
|
||||||
|
"learning_rate": 9.637566137566139e-05,
|
||||||
|
"loss": 5.0116,
|
||||||
|
"step": 3900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.285714285714286,
|
||||||
|
"grad_norm": 3.0048000812530518,
|
||||||
|
"learning_rate": 9.524187452758882e-05,
|
||||||
|
"loss": 4.7344,
|
||||||
|
"step": 4200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.306122448979592,
|
||||||
|
"grad_norm": 3.242598295211792,
|
||||||
|
"learning_rate": 9.410808767951625e-05,
|
||||||
|
"loss": 4.4621,
|
||||||
|
"step": 4500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.3265306122449,
|
||||||
|
"grad_norm": 3.316965103149414,
|
||||||
|
"learning_rate": 9.29743008314437e-05,
|
||||||
|
"loss": 4.2054,
|
||||||
|
"step": 4800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.346938775510203,
|
||||||
|
"grad_norm": 3.7419989109039307,
|
||||||
|
"learning_rate": 9.184051398337114e-05,
|
||||||
|
"loss": 3.9517,
|
||||||
|
"step": 5100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.367346938775512,
|
||||||
|
"grad_norm": 3.7479987144470215,
|
||||||
|
"learning_rate": 9.070672713529857e-05,
|
||||||
|
"loss": 3.7011,
|
||||||
|
"step": 5400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.387755102040817,
|
||||||
|
"grad_norm": 3.7604148387908936,
|
||||||
|
"learning_rate": 8.9572940287226e-05,
|
||||||
|
"loss": 3.4686,
|
||||||
|
"step": 5700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.408163265306122,
|
||||||
|
"grad_norm": 4.052367210388184,
|
||||||
|
"learning_rate": 8.843915343915344e-05,
|
||||||
|
"loss": 3.2285,
|
||||||
|
"step": 6000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 21.428571428571427,
|
||||||
|
"grad_norm": 4.340782642364502,
|
||||||
|
"learning_rate": 8.730536659108089e-05,
|
||||||
|
"loss": 3.0094,
|
||||||
|
"step": 6300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 22.448979591836736,
|
||||||
|
"grad_norm": 4.590024948120117,
|
||||||
|
"learning_rate": 8.617157974300832e-05,
|
||||||
|
"loss": 2.7901,
|
||||||
|
"step": 6600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 23.46938775510204,
|
||||||
|
"grad_norm": 4.343008995056152,
|
||||||
|
"learning_rate": 8.503779289493575e-05,
|
||||||
|
"loss": 2.5887,
|
||||||
|
"step": 6900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 24.489795918367346,
|
||||||
|
"grad_norm": 4.200931549072266,
|
||||||
|
"learning_rate": 8.39040060468632e-05,
|
||||||
|
"loss": 2.3804,
|
||||||
|
"step": 7200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 25.510204081632654,
|
||||||
|
"grad_norm": 4.765750408172607,
|
||||||
|
"learning_rate": 8.277021919879064e-05,
|
||||||
|
"loss": 2.1853,
|
||||||
|
"step": 7500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 26.53061224489796,
|
||||||
|
"grad_norm": 4.196296215057373,
|
||||||
|
"learning_rate": 8.163643235071807e-05,
|
||||||
|
"loss": 2.0026,
|
||||||
|
"step": 7800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 27.551020408163264,
|
||||||
|
"grad_norm": 4.485163688659668,
|
||||||
|
"learning_rate": 8.05026455026455e-05,
|
||||||
|
"loss": 1.8218,
|
||||||
|
"step": 8100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 28.571428571428573,
|
||||||
|
"grad_norm": 4.515989780426025,
|
||||||
|
"learning_rate": 7.936885865457294e-05,
|
||||||
|
"loss": 1.6588,
|
||||||
|
"step": 8400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 29.591836734693878,
|
||||||
|
"grad_norm": 4.492111682891846,
|
||||||
|
"learning_rate": 7.823507180650039e-05,
|
||||||
|
"loss": 1.4945,
|
||||||
|
"step": 8700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 30.612244897959183,
|
||||||
|
"grad_norm": 4.51740026473999,
|
||||||
|
"learning_rate": 7.710128495842782e-05,
|
||||||
|
"loss": 1.3481,
|
||||||
|
"step": 9000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 31.632653061224488,
|
||||||
|
"grad_norm": 4.193362236022949,
|
||||||
|
"learning_rate": 7.596749811035526e-05,
|
||||||
|
"loss": 1.2062,
|
||||||
|
"step": 9300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 32.6530612244898,
|
||||||
|
"grad_norm": 4.017958164215088,
|
||||||
|
"learning_rate": 7.483371126228269e-05,
|
||||||
|
"loss": 1.0725,
|
||||||
|
"step": 9600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 33.673469387755105,
|
||||||
|
"grad_norm": 4.180546283721924,
|
||||||
|
"learning_rate": 7.369992441421014e-05,
|
||||||
|
"loss": 0.9466,
|
||||||
|
"step": 9900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 34.69387755102041,
|
||||||
|
"grad_norm": 4.280745983123779,
|
||||||
|
"learning_rate": 7.256613756613757e-05,
|
||||||
|
"loss": 0.8416,
|
||||||
|
"step": 10200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 35.714285714285715,
|
||||||
|
"grad_norm": 3.9538300037384033,
|
||||||
|
"learning_rate": 7.143235071806501e-05,
|
||||||
|
"loss": 0.7401,
|
||||||
|
"step": 10500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 36.734693877551024,
|
||||||
|
"grad_norm": 4.204588890075684,
|
||||||
|
"learning_rate": 7.029856386999244e-05,
|
||||||
|
"loss": 0.6532,
|
||||||
|
"step": 10800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 37.755102040816325,
|
||||||
|
"grad_norm": 3.8845582008361816,
|
||||||
|
"learning_rate": 6.916477702191987e-05,
|
||||||
|
"loss": 0.5701,
|
||||||
|
"step": 11100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 38.775510204081634,
|
||||||
|
"grad_norm": 3.7283339500427246,
|
||||||
|
"learning_rate": 6.803099017384732e-05,
|
||||||
|
"loss": 0.5032,
|
||||||
|
"step": 11400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 39.795918367346935,
|
||||||
|
"grad_norm": 3.3194797039031982,
|
||||||
|
"learning_rate": 6.689720332577476e-05,
|
||||||
|
"loss": 0.4403,
|
||||||
|
"step": 11700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 40.816326530612244,
|
||||||
|
"grad_norm": 3.4429259300231934,
|
||||||
|
"learning_rate": 6.57634164777022e-05,
|
||||||
|
"loss": 0.3887,
|
||||||
|
"step": 12000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 41.83673469387755,
|
||||||
|
"grad_norm": 3.080552577972412,
|
||||||
|
"learning_rate": 6.462962962962962e-05,
|
||||||
|
"loss": 0.3442,
|
||||||
|
"step": 12300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 42.857142857142854,
|
||||||
|
"grad_norm": 3.2737112045288086,
|
||||||
|
"learning_rate": 6.349584278155707e-05,
|
||||||
|
"loss": 0.3071,
|
||||||
|
"step": 12600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 43.87755102040816,
|
||||||
|
"grad_norm": 2.8895883560180664,
|
||||||
|
"learning_rate": 6.236205593348451e-05,
|
||||||
|
"loss": 0.275,
|
||||||
|
"step": 12900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 44.89795918367347,
|
||||||
|
"grad_norm": 3.075352430343628,
|
||||||
|
"learning_rate": 6.122826908541194e-05,
|
||||||
|
"loss": 0.2475,
|
||||||
|
"step": 13200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 45.91836734693877,
|
||||||
|
"grad_norm": 2.932194471359253,
|
||||||
|
"learning_rate": 6.009448223733938e-05,
|
||||||
|
"loss": 0.2239,
|
||||||
|
"step": 13500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 46.93877551020408,
|
||||||
|
"grad_norm": 2.5952064990997314,
|
||||||
|
"learning_rate": 5.896069538926682e-05,
|
||||||
|
"loss": 0.2045,
|
||||||
|
"step": 13800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 47.95918367346939,
|
||||||
|
"grad_norm": 2.456416606903076,
|
||||||
|
"learning_rate": 5.7826908541194255e-05,
|
||||||
|
"loss": 0.1875,
|
||||||
|
"step": 14100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 48.97959183673469,
|
||||||
|
"grad_norm": 2.836243152618408,
|
||||||
|
"learning_rate": 5.66931216931217e-05,
|
||||||
|
"loss": 0.1717,
|
||||||
|
"step": 14400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 50.0,
|
||||||
|
"grad_norm": 2.4769959449768066,
|
||||||
|
"learning_rate": 5.5559334845049137e-05,
|
||||||
|
"loss": 0.1582,
|
||||||
|
"step": 14700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 51.02040816326531,
|
||||||
|
"grad_norm": 1.9502800703048706,
|
||||||
|
"learning_rate": 5.442554799697657e-05,
|
||||||
|
"loss": 0.1468,
|
||||||
|
"step": 15000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 52.04081632653061,
|
||||||
|
"grad_norm": 2.145501136779785,
|
||||||
|
"learning_rate": 5.3291761148904005e-05,
|
||||||
|
"loss": 0.1366,
|
||||||
|
"step": 15300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 53.06122448979592,
|
||||||
|
"grad_norm": 1.8530632257461548,
|
||||||
|
"learning_rate": 5.215797430083145e-05,
|
||||||
|
"loss": 0.1266,
|
||||||
|
"step": 15600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 54.08163265306123,
|
||||||
|
"grad_norm": 2.0811140537261963,
|
||||||
|
"learning_rate": 5.1024187452758886e-05,
|
||||||
|
"loss": 0.1179,
|
||||||
|
"step": 15900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 55.10204081632653,
|
||||||
|
"grad_norm": 1.8534563779830933,
|
||||||
|
"learning_rate": 4.9890400604686324e-05,
|
||||||
|
"loss": 0.1096,
|
||||||
|
"step": 16200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 56.12244897959184,
|
||||||
|
"grad_norm": 1.7965441942214966,
|
||||||
|
"learning_rate": 4.875661375661376e-05,
|
||||||
|
"loss": 0.1032,
|
||||||
|
"step": 16500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 57.142857142857146,
|
||||||
|
"grad_norm": 1.824494481086731,
|
||||||
|
"learning_rate": 4.76228269085412e-05,
|
||||||
|
"loss": 0.0967,
|
||||||
|
"step": 16800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 58.16326530612245,
|
||||||
|
"grad_norm": 1.6980013847351074,
|
||||||
|
"learning_rate": 4.6489040060468636e-05,
|
||||||
|
"loss": 0.0907,
|
||||||
|
"step": 17100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 59.183673469387756,
|
||||||
|
"grad_norm": 1.6149917840957642,
|
||||||
|
"learning_rate": 4.5355253212396074e-05,
|
||||||
|
"loss": 0.085,
|
||||||
|
"step": 17400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 60.204081632653065,
|
||||||
|
"grad_norm": 1.788779854774475,
|
||||||
|
"learning_rate": 4.422146636432351e-05,
|
||||||
|
"loss": 0.0804,
|
||||||
|
"step": 17700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 61.224489795918366,
|
||||||
|
"grad_norm": 1.7672044038772583,
|
||||||
|
"learning_rate": 4.308767951625094e-05,
|
||||||
|
"loss": 0.0759,
|
||||||
|
"step": 18000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 62.244897959183675,
|
||||||
|
"grad_norm": 1.5566641092300415,
|
||||||
|
"learning_rate": 4.1953892668178386e-05,
|
||||||
|
"loss": 0.0722,
|
||||||
|
"step": 18300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 63.265306122448976,
|
||||||
|
"grad_norm": 1.291110873222351,
|
||||||
|
"learning_rate": 4.082010582010582e-05,
|
||||||
|
"loss": 0.0678,
|
||||||
|
"step": 18600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 64.28571428571429,
|
||||||
|
"grad_norm": 1.596009373664856,
|
||||||
|
"learning_rate": 3.968631897203326e-05,
|
||||||
|
"loss": 0.0639,
|
||||||
|
"step": 18900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 65.3061224489796,
|
||||||
|
"grad_norm": 1.4961538314819336,
|
||||||
|
"learning_rate": 3.85525321239607e-05,
|
||||||
|
"loss": 0.0605,
|
||||||
|
"step": 19200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 66.3265306122449,
|
||||||
|
"grad_norm": 1.383008599281311,
|
||||||
|
"learning_rate": 3.7418745275888136e-05,
|
||||||
|
"loss": 0.0571,
|
||||||
|
"step": 19500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 67.34693877551021,
|
||||||
|
"grad_norm": 1.1882243156433105,
|
||||||
|
"learning_rate": 3.628495842781557e-05,
|
||||||
|
"loss": 0.0541,
|
||||||
|
"step": 19800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 68.36734693877551,
|
||||||
|
"grad_norm": 1.4175117015838623,
|
||||||
|
"learning_rate": 3.515117157974301e-05,
|
||||||
|
"loss": 0.0515,
|
||||||
|
"step": 20100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 69.38775510204081,
|
||||||
|
"grad_norm": 1.412561058998108,
|
||||||
|
"learning_rate": 3.401738473167045e-05,
|
||||||
|
"loss": 0.0492,
|
||||||
|
"step": 20400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 70.40816326530613,
|
||||||
|
"grad_norm": 1.358535885810852,
|
||||||
|
"learning_rate": 3.2883597883597886e-05,
|
||||||
|
"loss": 0.0462,
|
||||||
|
"step": 20700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 71.42857142857143,
|
||||||
|
"grad_norm": 1.338392972946167,
|
||||||
|
"learning_rate": 3.174981103552532e-05,
|
||||||
|
"loss": 0.0443,
|
||||||
|
"step": 21000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 72.44897959183673,
|
||||||
|
"grad_norm": 1.3225773572921753,
|
||||||
|
"learning_rate": 3.061602418745276e-05,
|
||||||
|
"loss": 0.0419,
|
||||||
|
"step": 21300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 73.46938775510205,
|
||||||
|
"grad_norm": 1.1727213859558105,
|
||||||
|
"learning_rate": 2.9482237339380198e-05,
|
||||||
|
"loss": 0.0394,
|
||||||
|
"step": 21600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 74.48979591836735,
|
||||||
|
"grad_norm": 1.25161612033844,
|
||||||
|
"learning_rate": 2.834845049130764e-05,
|
||||||
|
"loss": 0.0375,
|
||||||
|
"step": 21900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 75.51020408163265,
|
||||||
|
"grad_norm": 1.240116834640503,
|
||||||
|
"learning_rate": 2.7214663643235073e-05,
|
||||||
|
"loss": 0.0358,
|
||||||
|
"step": 22200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 76.53061224489795,
|
||||||
|
"grad_norm": 0.9712527394294739,
|
||||||
|
"learning_rate": 2.6080876795162514e-05,
|
||||||
|
"loss": 0.0339,
|
||||||
|
"step": 22500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 77.55102040816327,
|
||||||
|
"grad_norm": 1.147048830986023,
|
||||||
|
"learning_rate": 2.4947089947089948e-05,
|
||||||
|
"loss": 0.0323,
|
||||||
|
"step": 22800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 78.57142857142857,
|
||||||
|
"grad_norm": 1.0916506052017212,
|
||||||
|
"learning_rate": 2.3813303099017385e-05,
|
||||||
|
"loss": 0.0308,
|
||||||
|
"step": 23100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 79.59183673469387,
|
||||||
|
"grad_norm": 1.128098964691162,
|
||||||
|
"learning_rate": 2.2679516250944823e-05,
|
||||||
|
"loss": 0.0294,
|
||||||
|
"step": 23400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 80.61224489795919,
|
||||||
|
"grad_norm": 1.0495482683181763,
|
||||||
|
"learning_rate": 2.154572940287226e-05,
|
||||||
|
"loss": 0.0276,
|
||||||
|
"step": 23700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 81.63265306122449,
|
||||||
|
"grad_norm": 0.8648446798324585,
|
||||||
|
"learning_rate": 2.0411942554799698e-05,
|
||||||
|
"loss": 0.0261,
|
||||||
|
"step": 24000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 82.65306122448979,
|
||||||
|
"grad_norm": 1.1346194744110107,
|
||||||
|
"learning_rate": 1.9278155706727135e-05,
|
||||||
|
"loss": 0.0245,
|
||||||
|
"step": 24300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 83.6734693877551,
|
||||||
|
"grad_norm": 0.9076672196388245,
|
||||||
|
"learning_rate": 1.8144368858654572e-05,
|
||||||
|
"loss": 0.0237,
|
||||||
|
"step": 24600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 84.6938775510204,
|
||||||
|
"grad_norm": 1.0035544633865356,
|
||||||
|
"learning_rate": 1.701058201058201e-05,
|
||||||
|
"loss": 0.0222,
|
||||||
|
"step": 24900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 85.71428571428571,
|
||||||
|
"grad_norm": 0.769279956817627,
|
||||||
|
"learning_rate": 1.587679516250945e-05,
|
||||||
|
"loss": 0.0211,
|
||||||
|
"step": 25200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 86.73469387755102,
|
||||||
|
"grad_norm": 0.9665892124176025,
|
||||||
|
"learning_rate": 1.4743008314436888e-05,
|
||||||
|
"loss": 0.0202,
|
||||||
|
"step": 25500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 87.75510204081633,
|
||||||
|
"grad_norm": 0.9066174626350403,
|
||||||
|
"learning_rate": 1.3609221466364324e-05,
|
||||||
|
"loss": 0.0193,
|
||||||
|
"step": 25800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 88.77551020408163,
|
||||||
|
"grad_norm": 0.9459673166275024,
|
||||||
|
"learning_rate": 1.2475434618291761e-05,
|
||||||
|
"loss": 0.0183,
|
||||||
|
"step": 26100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 89.79591836734694,
|
||||||
|
"grad_norm": 0.8062217235565186,
|
||||||
|
"learning_rate": 1.1341647770219199e-05,
|
||||||
|
"loss": 0.0174,
|
||||||
|
"step": 26400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 90.81632653061224,
|
||||||
|
"grad_norm": 0.8470116853713989,
|
||||||
|
"learning_rate": 1.0207860922146636e-05,
|
||||||
|
"loss": 0.0167,
|
||||||
|
"step": 26700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 91.83673469387755,
|
||||||
|
"grad_norm": 0.7526578903198242,
|
||||||
|
"learning_rate": 9.074074074074075e-06,
|
||||||
|
"loss": 0.016,
|
||||||
|
"step": 27000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 92.85714285714286,
|
||||||
|
"grad_norm": 0.6859294176101685,
|
||||||
|
"learning_rate": 7.940287226001513e-06,
|
||||||
|
"loss": 0.0154,
|
||||||
|
"step": 27300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 93.87755102040816,
|
||||||
|
"grad_norm": 0.574286937713623,
|
||||||
|
"learning_rate": 6.8065003779289495e-06,
|
||||||
|
"loss": 0.0147,
|
||||||
|
"step": 27600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 94.89795918367346,
|
||||||
|
"grad_norm": 0.9053287506103516,
|
||||||
|
"learning_rate": 5.672713529856388e-06,
|
||||||
|
"loss": 0.0143,
|
||||||
|
"step": 27900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 95.91836734693878,
|
||||||
|
"grad_norm": 0.5810430645942688,
|
||||||
|
"learning_rate": 4.538926681783825e-06,
|
||||||
|
"loss": 0.0137,
|
||||||
|
"step": 28200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 96.93877551020408,
|
||||||
|
"grad_norm": 0.5778042674064636,
|
||||||
|
"learning_rate": 3.4051398337112627e-06,
|
||||||
|
"loss": 0.0132,
|
||||||
|
"step": 28500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 97.95918367346938,
|
||||||
|
"grad_norm": 0.5646163821220398,
|
||||||
|
"learning_rate": 2.2713529856387e-06,
|
||||||
|
"loss": 0.0129,
|
||||||
|
"step": 28800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 98.9795918367347,
|
||||||
|
"grad_norm": 0.6283496022224426,
|
||||||
|
"learning_rate": 1.1375661375661376e-06,
|
||||||
|
"loss": 0.0126,
|
||||||
|
"step": 29100
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 300,
|
||||||
|
"max_steps": 29400,
|
||||||
|
"num_input_tokens_seen": 0,
|
||||||
|
"num_train_epochs": 100,
|
||||||
|
"save_steps": 300,
|
||||||
|
"stateful_callbacks": {
|
||||||
|
"TrainerControl": {
|
||||||
|
"args": {
|
||||||
|
"should_epoch_stop": false,
|
||||||
|
"should_evaluate": false,
|
||||||
|
"should_log": false,
|
||||||
|
"should_save": true,
|
||||||
|
"should_training_stop": false
|
||||||
|
},
|
||||||
|
"attributes": {}
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"total_flos": 6.08287850496e+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:aa5b38365f561f5bba4531f37658b5bf167235b63f34a2cb9c81142ad61b1898
|
||||||
|
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 sha256:45f09aba5c0968c76a181f94e3d09cf7040fbad13eb0e961978ea1d0097ea8ed
|
||||||
|
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:aa5b38365f561f5bba4531f37658b5bf167235b63f34a2cb9c81142ad61b1898
|
||||||
|
size 5905
|
||||||
Reference in New Issue
Block a user