初始化项目，由ModelHub XC社区提供模型
Model: anwgpt/anwgpt4.1-chat Source: Original Platform
This commit is contained in:
ModelHub XC
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
|
||||||
48
README.md
Normal file
48
README.md
Normal file
@@ -0,0 +1,48 @@
|
|||||||
|
---
|
||||||
|
license: mit
|
||||||
|
language:
|
||||||
|
- en
|
||||||
|
library_name: transformers
|
||||||
|
tags:
|
||||||
|
- conversational
|
||||||
|
base_model:
|
||||||
|
- anwgpt/anwgpt4.1-base
|
||||||
|
---
|
||||||
|
|
||||||
|
# ANWGPT-4.1
|
||||||
|
|
||||||
|
## How do use the model
|
||||||
|
```py
|
||||||
|
# Use a pipeline as a high-level helper
|
||||||
|
from transformers import pipeline
|
||||||
|
|
||||||
|
pipe = pipeline("text-generation", model="anwgpt/anwgpt4.1-chat")
|
||||||
|
|
||||||
|
# Example of text generation (you can modify the input text but keep the format like this)
|
||||||
|
print(pipe("""
|
||||||
|
Human: How much is 1 + 1?
|
||||||
|
|
||||||
|
Assistant:
|
||||||
|
"""))
|
||||||
|
```
|
||||||
|
|
||||||
|
## Examples
|
||||||
|
|
||||||
|
Prompt: Human: What is artificial intelligence?
|
||||||
|
|
||||||
|
Assistant:
|
||||||
|
Response: Artificial intelligence is the study of computers how to think and act like humans. AI has become a major component that enables users to learn from data and then controls on large amounts of data, enabling computers to identify patterns in order and improve their operations. This means that computers can be able to quickly learn more quickly and accurately than relying on actions without explicit instructions or problems they have previously done. The study also uses machine learning algorithms for understanding systems, providing efficient access to complex tasks faster and better-driven activities
|
||||||
|
|
||||||
|
--------------------------------------------------
|
||||||
|
|
||||||
|
Prompt: Human: How do neural networks work?
|
||||||
|
|
||||||
|
Assistant:
|
||||||
|
Response: Neural networks can use artificial intelligence based on a variety of applications. These type data allows computers to learn from different perspective and perspectives about their inputs, while improving the performance of data levels. This network uses computer systems such as voice language processing, chatbots or video cards for analysis. ML is also capable of creating intelligent machines that can learn from the human in-time and accurately distribute information each other through various devices. Data scientists can be used to study problems with patterns and connections between humans. MLFlow
|
||||||
|
|
||||||
|
--------------------------------------------------
|
||||||
|
|
||||||
|
Prompt: Human: Who created you?
|
||||||
|
|
||||||
|
Assistant:
|
||||||
|
Response: I am not programmed to have the internet, but I do not have access to real-time data or information. However, if you are interested in learning about creating your own website and finding a source of information, it is important that you can easily find an account with relevant information on user experience. If you are unsure about this questions, feel free to ask me for more assistance. I check out my website and see what steps are available now.
|
||||||
10
chat_template.jinja.txt
Normal file
10
chat_template.jinja.txt
Normal file
@@ -0,0 +1,10 @@
|
|||||||
|
{% for message in messages %}
|
||||||
|
{% if message['role'] == 'user' %}
|
||||||
|
{{ 'Human: ' + message['content'] + '\n\n' }}
|
||||||
|
{% elif message['role'] == 'assistant' %}
|
||||||
|
{{ 'Assistant: Response: ' + message['content'] + '\n\n' }}
|
||||||
|
{% endif %}
|
||||||
|
{% endfor %}
|
||||||
|
{% if add_generation_prompt %}
|
||||||
|
{{ 'Assistant: Response: ' }}
|
||||||
|
{% endif %}
|
||||||
31
checkpoint-5000/config.json
Normal file
31
checkpoint-5000/config.json
Normal file
@@ -0,0 +1,31 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 50256,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 50256,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_embd": 384,
|
||||||
|
"n_head": 6,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 6,
|
||||||
|
"n_positions": 2048,
|
||||||
|
"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": "4.57.1",
|
||||||
|
"use_cache": false,
|
||||||
|
"vocab_size": 50257
|
||||||
|
}
|
||||||
7
checkpoint-5000/generation_config.json
Normal file
7
checkpoint-5000/generation_config.json
Normal file
@@ -0,0 +1,7 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 50256,
|
||||||
|
"eos_token_id": 50256,
|
||||||
|
"transformers_version": "4.57.1",
|
||||||
|
"use_cache": false
|
||||||
|
}
|
||||||
50001
checkpoint-5000/merges.txt
Normal file
50001
checkpoint-5000/merges.txt
Normal file
File diff suppressed because it is too large
Load Diff
3
checkpoint-5000/model.safetensors
Normal file
3
checkpoint-5000/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:bd9352ceb94bdd482a598394227bbf8cdde7fb6de2c6f8fbf53c26d6167fd027
|
||||||
|
size 122938232
|
||||||
3
checkpoint-5000/optimizer.pt
Normal file
3
checkpoint-5000/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:463c65a29164ac8d6965e3864bc1e5f818c7a8668bd79d8b15beda4e8eedc15e
|
||||||
|
size 245925707
|
||||||
3
checkpoint-5000/rng_state.pth
Normal file
3
checkpoint-5000/rng_state.pth
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:97e17dee9dc5a0e66282d497fe9de9170d94a1aa41040e8a74092861007f7218
|
||||||
|
size 14645
|
||||||
3
checkpoint-5000/scaler.pt
Normal file
3
checkpoint-5000/scaler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:82ad8990572ad11a824b7db276c8af49c179ca7e7724b4e6906cd0ae480a80a8
|
||||||
|
size 1383
|
||||||
3
checkpoint-5000/scheduler.pt
Normal file
3
checkpoint-5000/scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:394d4972782aaff4ea7b1cf648de391d316aaf4192790aea041ee7f1a68d2b8a
|
||||||
|
size 1465
|
||||||
24
checkpoint-5000/special_tokens_map.json
Normal file
24
checkpoint-5000/special_tokens_map.json
Normal file
@@ -0,0 +1,24 @@
|
|||||||
|
{
|
||||||
|
"bos_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"eos_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"pad_token": "<|endoftext|>",
|
||||||
|
"unk_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
}
|
||||||
|
}
|
||||||
23
checkpoint-5000/tokenizer_config.json
Normal file
23
checkpoint-5000/tokenizer_config.json
Normal file
@@ -0,0 +1,23 @@
|
|||||||
|
{
|
||||||
|
"add_bos_token": false,
|
||||||
|
"add_prefix_space": false,
|
||||||
|
"added_tokens_decoder": {
|
||||||
|
"50256": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"bos_token": "<|endoftext|>",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "<|endoftext|>",
|
||||||
|
"errors": "replace",
|
||||||
|
"extra_special_tokens": {},
|
||||||
|
"model_max_length": 1024,
|
||||||
|
"pad_token": "<|endoftext|>",
|
||||||
|
"tokenizer_class": "GPT2Tokenizer",
|
||||||
|
"unk_token": "<|endoftext|>"
|
||||||
|
}
|
||||||
734
checkpoint-5000/trainer_state.json
Normal file
734
checkpoint-5000/trainer_state.json
Normal file
@@ -0,0 +1,734 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": null,
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 20.0,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 5000,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.2,
|
||||||
|
"grad_norm": 2.8039450645446777,
|
||||||
|
"learning_rate": 6.125e-05,
|
||||||
|
"loss": 8.1001,
|
||||||
|
"step": 50
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4,
|
||||||
|
"grad_norm": 1.782693862915039,
|
||||||
|
"learning_rate": 0.00012375,
|
||||||
|
"loss": 6.0373,
|
||||||
|
"step": 100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6,
|
||||||
|
"grad_norm": 1.6799567937850952,
|
||||||
|
"learning_rate": 0.00018625,
|
||||||
|
"loss": 5.4579,
|
||||||
|
"step": 150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8,
|
||||||
|
"grad_norm": 1.5503798723220825,
|
||||||
|
"learning_rate": 0.00024875,
|
||||||
|
"loss": 5.237,
|
||||||
|
"step": 200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"grad_norm": 1.5336804389953613,
|
||||||
|
"learning_rate": 0.00024788793103448277,
|
||||||
|
"loss": 5.0786,
|
||||||
|
"step": 250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.2,
|
||||||
|
"grad_norm": 1.5419166088104248,
|
||||||
|
"learning_rate": 0.0002457327586206897,
|
||||||
|
"loss": 4.6644,
|
||||||
|
"step": 300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.4,
|
||||||
|
"grad_norm": 1.5083167552947998,
|
||||||
|
"learning_rate": 0.00024357758620689656,
|
||||||
|
"loss": 4.5686,
|
||||||
|
"step": 350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.6,
|
||||||
|
"grad_norm": 1.5312546491622925,
|
||||||
|
"learning_rate": 0.00024142241379310344,
|
||||||
|
"loss": 4.4955,
|
||||||
|
"step": 400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.8,
|
||||||
|
"grad_norm": 1.4562275409698486,
|
||||||
|
"learning_rate": 0.00023926724137931035,
|
||||||
|
"loss": 4.4404,
|
||||||
|
"step": 450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"grad_norm": 1.547753930091858,
|
||||||
|
"learning_rate": 0.00023711206896551723,
|
||||||
|
"loss": 4.379,
|
||||||
|
"step": 500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.2,
|
||||||
|
"grad_norm": 1.611249566078186,
|
||||||
|
"learning_rate": 0.00023495689655172414,
|
||||||
|
"loss": 4.01,
|
||||||
|
"step": 550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.4,
|
||||||
|
"grad_norm": 1.383882999420166,
|
||||||
|
"learning_rate": 0.00023280172413793105,
|
||||||
|
"loss": 3.9787,
|
||||||
|
"step": 600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.6,
|
||||||
|
"grad_norm": 1.521315574645996,
|
||||||
|
"learning_rate": 0.00023064655172413793,
|
||||||
|
"loss": 3.9931,
|
||||||
|
"step": 650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.8,
|
||||||
|
"grad_norm": 1.4775588512420654,
|
||||||
|
"learning_rate": 0.00022849137931034484,
|
||||||
|
"loss": 3.915,
|
||||||
|
"step": 700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.0,
|
||||||
|
"grad_norm": 1.5033624172210693,
|
||||||
|
"learning_rate": 0.00022633620689655173,
|
||||||
|
"loss": 3.9011,
|
||||||
|
"step": 750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.2,
|
||||||
|
"grad_norm": 1.6199653148651123,
|
||||||
|
"learning_rate": 0.0002241810344827586,
|
||||||
|
"loss": 3.5909,
|
||||||
|
"step": 800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.4,
|
||||||
|
"grad_norm": 1.4687559604644775,
|
||||||
|
"learning_rate": 0.00022202586206896552,
|
||||||
|
"loss": 3.6409,
|
||||||
|
"step": 850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.6,
|
||||||
|
"grad_norm": 1.4177491664886475,
|
||||||
|
"learning_rate": 0.00021987068965517243,
|
||||||
|
"loss": 3.5883,
|
||||||
|
"step": 900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.8,
|
||||||
|
"grad_norm": 1.395131230354309,
|
||||||
|
"learning_rate": 0.0002177155172413793,
|
||||||
|
"loss": 3.5468,
|
||||||
|
"step": 950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"grad_norm": 1.4466007947921753,
|
||||||
|
"learning_rate": 0.00021556034482758622,
|
||||||
|
"loss": 3.5746,
|
||||||
|
"step": 1000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.2,
|
||||||
|
"grad_norm": 1.3139097690582275,
|
||||||
|
"learning_rate": 0.00021340517241379313,
|
||||||
|
"loss": 3.3073,
|
||||||
|
"step": 1050
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.4,
|
||||||
|
"grad_norm": 1.5377048254013062,
|
||||||
|
"learning_rate": 0.00021124999999999998,
|
||||||
|
"loss": 3.3136,
|
||||||
|
"step": 1100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.6,
|
||||||
|
"grad_norm": 1.4794890880584717,
|
||||||
|
"learning_rate": 0.0002090948275862069,
|
||||||
|
"loss": 3.287,
|
||||||
|
"step": 1150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.8,
|
||||||
|
"grad_norm": 1.458489179611206,
|
||||||
|
"learning_rate": 0.0002069396551724138,
|
||||||
|
"loss": 3.3283,
|
||||||
|
"step": 1200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.0,
|
||||||
|
"grad_norm": 1.5431376695632935,
|
||||||
|
"learning_rate": 0.0002047844827586207,
|
||||||
|
"loss": 3.2917,
|
||||||
|
"step": 1250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.2,
|
||||||
|
"grad_norm": 1.27516770362854,
|
||||||
|
"learning_rate": 0.0002026293103448276,
|
||||||
|
"loss": 3.0597,
|
||||||
|
"step": 1300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.4,
|
||||||
|
"grad_norm": 1.572311282157898,
|
||||||
|
"learning_rate": 0.0002004741379310345,
|
||||||
|
"loss": 3.0982,
|
||||||
|
"step": 1350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.6,
|
||||||
|
"grad_norm": 1.4160852432250977,
|
||||||
|
"learning_rate": 0.0001983189655172414,
|
||||||
|
"loss": 3.0492,
|
||||||
|
"step": 1400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.8,
|
||||||
|
"grad_norm": 1.5755418539047241,
|
||||||
|
"learning_rate": 0.0001961637931034483,
|
||||||
|
"loss": 3.0756,
|
||||||
|
"step": 1450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.0,
|
||||||
|
"grad_norm": 1.5663151741027832,
|
||||||
|
"learning_rate": 0.00019400862068965515,
|
||||||
|
"loss": 3.1045,
|
||||||
|
"step": 1500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.2,
|
||||||
|
"grad_norm": 1.4873141050338745,
|
||||||
|
"learning_rate": 0.00019185344827586206,
|
||||||
|
"loss": 2.857,
|
||||||
|
"step": 1550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.4,
|
||||||
|
"grad_norm": 1.4372650384902954,
|
||||||
|
"learning_rate": 0.00018969827586206897,
|
||||||
|
"loss": 2.8887,
|
||||||
|
"step": 1600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.6,
|
||||||
|
"grad_norm": 1.6041676998138428,
|
||||||
|
"learning_rate": 0.00018754310344827585,
|
||||||
|
"loss": 2.8847,
|
||||||
|
"step": 1650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.8,
|
||||||
|
"grad_norm": 1.597738265991211,
|
||||||
|
"learning_rate": 0.00018538793103448276,
|
||||||
|
"loss": 2.9167,
|
||||||
|
"step": 1700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.0,
|
||||||
|
"grad_norm": 1.4618918895721436,
|
||||||
|
"learning_rate": 0.00018323275862068967,
|
||||||
|
"loss": 2.9025,
|
||||||
|
"step": 1750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.2,
|
||||||
|
"grad_norm": 1.4208807945251465,
|
||||||
|
"learning_rate": 0.00018107758620689656,
|
||||||
|
"loss": 2.6906,
|
||||||
|
"step": 1800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.4,
|
||||||
|
"grad_norm": 1.3772602081298828,
|
||||||
|
"learning_rate": 0.00017892241379310344,
|
||||||
|
"loss": 2.7045,
|
||||||
|
"step": 1850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.6,
|
||||||
|
"grad_norm": 1.3876913785934448,
|
||||||
|
"learning_rate": 0.00017676724137931035,
|
||||||
|
"loss": 2.7185,
|
||||||
|
"step": 1900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.8,
|
||||||
|
"grad_norm": 1.6142256259918213,
|
||||||
|
"learning_rate": 0.00017461206896551723,
|
||||||
|
"loss": 2.7453,
|
||||||
|
"step": 1950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.0,
|
||||||
|
"grad_norm": 1.7862074375152588,
|
||||||
|
"learning_rate": 0.00017245689655172414,
|
||||||
|
"loss": 2.7847,
|
||||||
|
"step": 2000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.2,
|
||||||
|
"grad_norm": 1.520495057106018,
|
||||||
|
"learning_rate": 0.00017030172413793105,
|
||||||
|
"loss": 2.5499,
|
||||||
|
"step": 2050
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.4,
|
||||||
|
"grad_norm": 1.5806176662445068,
|
||||||
|
"learning_rate": 0.00016814655172413793,
|
||||||
|
"loss": 2.5625,
|
||||||
|
"step": 2100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.6,
|
||||||
|
"grad_norm": 1.4896948337554932,
|
||||||
|
"learning_rate": 0.00016599137931034484,
|
||||||
|
"loss": 2.576,
|
||||||
|
"step": 2150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.8,
|
||||||
|
"grad_norm": 1.5307574272155762,
|
||||||
|
"learning_rate": 0.00016383620689655172,
|
||||||
|
"loss": 2.6138,
|
||||||
|
"step": 2200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.0,
|
||||||
|
"grad_norm": 1.5115731954574585,
|
||||||
|
"learning_rate": 0.0001616810344827586,
|
||||||
|
"loss": 2.6294,
|
||||||
|
"step": 2250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.2,
|
||||||
|
"grad_norm": 1.5139647722244263,
|
||||||
|
"learning_rate": 0.00015952586206896552,
|
||||||
|
"loss": 2.4292,
|
||||||
|
"step": 2300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.4,
|
||||||
|
"grad_norm": 1.4001915454864502,
|
||||||
|
"learning_rate": 0.00015737068965517243,
|
||||||
|
"loss": 2.444,
|
||||||
|
"step": 2350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.6,
|
||||||
|
"grad_norm": 1.3104708194732666,
|
||||||
|
"learning_rate": 0.0001552155172413793,
|
||||||
|
"loss": 2.4509,
|
||||||
|
"step": 2400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.8,
|
||||||
|
"grad_norm": 1.6207849979400635,
|
||||||
|
"learning_rate": 0.00015306034482758622,
|
||||||
|
"loss": 2.4975,
|
||||||
|
"step": 2450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.0,
|
||||||
|
"grad_norm": 1.5676051378250122,
|
||||||
|
"learning_rate": 0.00015090517241379313,
|
||||||
|
"loss": 2.4849,
|
||||||
|
"step": 2500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.2,
|
||||||
|
"grad_norm": 1.6440703868865967,
|
||||||
|
"learning_rate": 0.00014874999999999998,
|
||||||
|
"loss": 2.2924,
|
||||||
|
"step": 2550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.4,
|
||||||
|
"grad_norm": 1.434339165687561,
|
||||||
|
"learning_rate": 0.0001465948275862069,
|
||||||
|
"loss": 2.3264,
|
||||||
|
"step": 2600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.6,
|
||||||
|
"grad_norm": 1.5489099025726318,
|
||||||
|
"learning_rate": 0.0001444396551724138,
|
||||||
|
"loss": 2.3671,
|
||||||
|
"step": 2650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.8,
|
||||||
|
"grad_norm": 1.3774558305740356,
|
||||||
|
"learning_rate": 0.00014228448275862069,
|
||||||
|
"loss": 2.3834,
|
||||||
|
"step": 2700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.0,
|
||||||
|
"grad_norm": 1.4112049341201782,
|
||||||
|
"learning_rate": 0.0001401293103448276,
|
||||||
|
"loss": 2.386,
|
||||||
|
"step": 2750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.2,
|
||||||
|
"grad_norm": 1.637389898300171,
|
||||||
|
"learning_rate": 0.0001379741379310345,
|
||||||
|
"loss": 2.1944,
|
||||||
|
"step": 2800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.4,
|
||||||
|
"grad_norm": 1.717990756034851,
|
||||||
|
"learning_rate": 0.0001358189655172414,
|
||||||
|
"loss": 2.2413,
|
||||||
|
"step": 2850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.6,
|
||||||
|
"grad_norm": 1.5509297847747803,
|
||||||
|
"learning_rate": 0.0001336637931034483,
|
||||||
|
"loss": 2.2519,
|
||||||
|
"step": 2900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.8,
|
||||||
|
"grad_norm": 1.3987082242965698,
|
||||||
|
"learning_rate": 0.00013150862068965515,
|
||||||
|
"loss": 2.2691,
|
||||||
|
"step": 2950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.0,
|
||||||
|
"grad_norm": 1.4241447448730469,
|
||||||
|
"learning_rate": 0.00012935344827586206,
|
||||||
|
"loss": 2.2907,
|
||||||
|
"step": 3000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.2,
|
||||||
|
"grad_norm": 1.4504032135009766,
|
||||||
|
"learning_rate": 0.00012719827586206897,
|
||||||
|
"loss": 2.1044,
|
||||||
|
"step": 3050
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.4,
|
||||||
|
"grad_norm": 1.6953134536743164,
|
||||||
|
"learning_rate": 0.00012504310344827585,
|
||||||
|
"loss": 2.1447,
|
||||||
|
"step": 3100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.6,
|
||||||
|
"grad_norm": 1.6625018119812012,
|
||||||
|
"learning_rate": 0.00012288793103448276,
|
||||||
|
"loss": 2.1829,
|
||||||
|
"step": 3150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.8,
|
||||||
|
"grad_norm": 1.5335619449615479,
|
||||||
|
"learning_rate": 0.00012073275862068966,
|
||||||
|
"loss": 2.2124,
|
||||||
|
"step": 3200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.0,
|
||||||
|
"grad_norm": 1.4856654405593872,
|
||||||
|
"learning_rate": 0.00011857758620689656,
|
||||||
|
"loss": 2.1592,
|
||||||
|
"step": 3250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.2,
|
||||||
|
"grad_norm": 1.517542839050293,
|
||||||
|
"learning_rate": 0.00011642241379310345,
|
||||||
|
"loss": 2.0258,
|
||||||
|
"step": 3300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.4,
|
||||||
|
"grad_norm": 1.494611382484436,
|
||||||
|
"learning_rate": 0.00011426724137931035,
|
||||||
|
"loss": 2.0496,
|
||||||
|
"step": 3350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.6,
|
||||||
|
"grad_norm": 1.5751359462738037,
|
||||||
|
"learning_rate": 0.00011211206896551724,
|
||||||
|
"loss": 2.0851,
|
||||||
|
"step": 3400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.8,
|
||||||
|
"grad_norm": 1.5572459697723389,
|
||||||
|
"learning_rate": 0.00010995689655172414,
|
||||||
|
"loss": 2.1255,
|
||||||
|
"step": 3450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.0,
|
||||||
|
"grad_norm": 1.5155609846115112,
|
||||||
|
"learning_rate": 0.00010780172413793104,
|
||||||
|
"loss": 2.0991,
|
||||||
|
"step": 3500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.2,
|
||||||
|
"grad_norm": 1.48418128490448,
|
||||||
|
"learning_rate": 0.00010564655172413793,
|
||||||
|
"loss": 1.9705,
|
||||||
|
"step": 3550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.4,
|
||||||
|
"grad_norm": 1.5270135402679443,
|
||||||
|
"learning_rate": 0.00010349137931034483,
|
||||||
|
"loss": 2.0004,
|
||||||
|
"step": 3600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.6,
|
||||||
|
"grad_norm": 1.5730317831039429,
|
||||||
|
"learning_rate": 0.00010133620689655172,
|
||||||
|
"loss": 2.0317,
|
||||||
|
"step": 3650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.8,
|
||||||
|
"grad_norm": 1.5356438159942627,
|
||||||
|
"learning_rate": 9.918103448275863e-05,
|
||||||
|
"loss": 1.9999,
|
||||||
|
"step": 3700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.0,
|
||||||
|
"grad_norm": 1.6630584001541138,
|
||||||
|
"learning_rate": 9.702586206896552e-05,
|
||||||
|
"loss": 2.0269,
|
||||||
|
"step": 3750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.2,
|
||||||
|
"grad_norm": 1.5010318756103516,
|
||||||
|
"learning_rate": 9.487068965517241e-05,
|
||||||
|
"loss": 1.9149,
|
||||||
|
"step": 3800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.4,
|
||||||
|
"grad_norm": 1.5633668899536133,
|
||||||
|
"learning_rate": 9.271551724137932e-05,
|
||||||
|
"loss": 1.9338,
|
||||||
|
"step": 3850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.6,
|
||||||
|
"grad_norm": 1.59940767288208,
|
||||||
|
"learning_rate": 9.056034482758622e-05,
|
||||||
|
"loss": 1.946,
|
||||||
|
"step": 3900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.8,
|
||||||
|
"grad_norm": 1.5850439071655273,
|
||||||
|
"learning_rate": 8.84051724137931e-05,
|
||||||
|
"loss": 1.9543,
|
||||||
|
"step": 3950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.0,
|
||||||
|
"grad_norm": 1.5602020025253296,
|
||||||
|
"learning_rate": 8.625e-05,
|
||||||
|
"loss": 1.9461,
|
||||||
|
"step": 4000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.2,
|
||||||
|
"grad_norm": 1.679661750793457,
|
||||||
|
"learning_rate": 8.40948275862069e-05,
|
||||||
|
"loss": 1.8593,
|
||||||
|
"step": 4050
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.4,
|
||||||
|
"grad_norm": 1.5591189861297607,
|
||||||
|
"learning_rate": 8.193965517241379e-05,
|
||||||
|
"loss": 1.8601,
|
||||||
|
"step": 4100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.6,
|
||||||
|
"grad_norm": 1.426254153251648,
|
||||||
|
"learning_rate": 7.978448275862068e-05,
|
||||||
|
"loss": 1.9044,
|
||||||
|
"step": 4150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.8,
|
||||||
|
"grad_norm": 1.553831696510315,
|
||||||
|
"learning_rate": 7.76293103448276e-05,
|
||||||
|
"loss": 1.8799,
|
||||||
|
"step": 4200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.0,
|
||||||
|
"grad_norm": 1.7395073175430298,
|
||||||
|
"learning_rate": 7.547413793103449e-05,
|
||||||
|
"loss": 1.9057,
|
||||||
|
"step": 4250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.2,
|
||||||
|
"grad_norm": 1.6055529117584229,
|
||||||
|
"learning_rate": 7.331896551724137e-05,
|
||||||
|
"loss": 1.7787,
|
||||||
|
"step": 4300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.4,
|
||||||
|
"grad_norm": 1.6556615829467773,
|
||||||
|
"learning_rate": 7.116379310344828e-05,
|
||||||
|
"loss": 1.7999,
|
||||||
|
"step": 4350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.6,
|
||||||
|
"grad_norm": 1.632834553718567,
|
||||||
|
"learning_rate": 6.900862068965518e-05,
|
||||||
|
"loss": 1.8312,
|
||||||
|
"step": 4400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.8,
|
||||||
|
"grad_norm": 1.749241828918457,
|
||||||
|
"learning_rate": 6.685344827586206e-05,
|
||||||
|
"loss": 1.8596,
|
||||||
|
"step": 4450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.0,
|
||||||
|
"grad_norm": 1.4276556968688965,
|
||||||
|
"learning_rate": 6.469827586206897e-05,
|
||||||
|
"loss": 1.8669,
|
||||||
|
"step": 4500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.2,
|
||||||
|
"grad_norm": 1.562339425086975,
|
||||||
|
"learning_rate": 6.254310344827587e-05,
|
||||||
|
"loss": 1.755,
|
||||||
|
"step": 4550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.4,
|
||||||
|
"grad_norm": 1.4620212316513062,
|
||||||
|
"learning_rate": 6.0387931034482755e-05,
|
||||||
|
"loss": 1.7945,
|
||||||
|
"step": 4600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.6,
|
||||||
|
"grad_norm": 1.601141095161438,
|
||||||
|
"learning_rate": 5.823275862068966e-05,
|
||||||
|
"loss": 1.7674,
|
||||||
|
"step": 4650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.8,
|
||||||
|
"grad_norm": 1.6034783124923706,
|
||||||
|
"learning_rate": 5.6077586206896554e-05,
|
||||||
|
"loss": 1.7728,
|
||||||
|
"step": 4700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.0,
|
||||||
|
"grad_norm": 1.545716643333435,
|
||||||
|
"learning_rate": 5.392241379310345e-05,
|
||||||
|
"loss": 1.8167,
|
||||||
|
"step": 4750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.2,
|
||||||
|
"grad_norm": 1.442853569984436,
|
||||||
|
"learning_rate": 5.1767241379310346e-05,
|
||||||
|
"loss": 1.7204,
|
||||||
|
"step": 4800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.4,
|
||||||
|
"grad_norm": 1.524326205253601,
|
||||||
|
"learning_rate": 4.961206896551725e-05,
|
||||||
|
"loss": 1.7265,
|
||||||
|
"step": 4850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.6,
|
||||||
|
"grad_norm": 1.6314244270324707,
|
||||||
|
"learning_rate": 4.745689655172414e-05,
|
||||||
|
"loss": 1.7385,
|
||||||
|
"step": 4900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.8,
|
||||||
|
"grad_norm": 1.5261213779449463,
|
||||||
|
"learning_rate": 4.5301724137931034e-05,
|
||||||
|
"loss": 1.7385,
|
||||||
|
"step": 4950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.0,
|
||||||
|
"grad_norm": 1.6839487552642822,
|
||||||
|
"learning_rate": 4.314655172413793e-05,
|
||||||
|
"loss": 1.7663,
|
||||||
|
"step": 5000
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 50,
|
||||||
|
"max_steps": 6000,
|
||||||
|
"num_input_tokens_seen": 0,
|
||||||
|
"num_train_epochs": 24,
|
||||||
|
"save_steps": 1000,
|
||||||
|
"stateful_callbacks": {
|
||||||
|
"TrainerControl": {
|
||||||
|
"args": {
|
||||||
|
"should_epoch_stop": false,
|
||||||
|
"should_evaluate": false,
|
||||||
|
"should_log": false,
|
||||||
|
"should_save": true,
|
||||||
|
"should_training_stop": false
|
||||||
|
},
|
||||||
|
"attributes": {}
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"total_flos": 5233484759040000.0,
|
||||||
|
"train_batch_size": 2,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
checkpoint-5000/training_args.bin
Normal file
3
checkpoint-5000/training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:e3de3667d5f0e3e38a3cc148216b7189a3ee94c45667b209cfa29592be33a532
|
||||||
|
size 5777
|
||||||
50259
checkpoint-5000/vocab.json
Normal file
50259
checkpoint-5000/vocab.json
Normal file
File diff suppressed because it is too large
Load Diff
31
checkpoint-6000/config.json
Normal file
31
checkpoint-6000/config.json
Normal file
@@ -0,0 +1,31 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 50256,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 50256,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_embd": 384,
|
||||||
|
"n_head": 6,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 6,
|
||||||
|
"n_positions": 2048,
|
||||||
|
"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": "4.57.1",
|
||||||
|
"use_cache": false,
|
||||||
|
"vocab_size": 50257
|
||||||
|
}
|
||||||
7
checkpoint-6000/generation_config.json
Normal file
7
checkpoint-6000/generation_config.json
Normal file
@@ -0,0 +1,7 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 50256,
|
||||||
|
"eos_token_id": 50256,
|
||||||
|
"transformers_version": "4.57.1",
|
||||||
|
"use_cache": false
|
||||||
|
}
|
||||||
50001
checkpoint-6000/merges.txt
Normal file
50001
checkpoint-6000/merges.txt
Normal file
File diff suppressed because it is too large
Load Diff
3
checkpoint-6000/model.safetensors
Normal file
3
checkpoint-6000/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:0c693420b073f521439e8007c06e74fdb90bf3efa0b81b8d819a0b6fec3fd5cf
|
||||||
|
size 122938232
|
||||||
3
checkpoint-6000/optimizer.pt
Normal file
3
checkpoint-6000/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:9e4f348467b40fe3e65e8d7ef18b75dbcaba1bb8b532d967d1ccd261e1b4035b
|
||||||
|
size 245925707
|
||||||
3
checkpoint-6000/rng_state.pth
Normal file
3
checkpoint-6000/rng_state.pth
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:8304690044c0b7176f3e906ac519ecc345ad2c4eeb72fce58fa5c338ee72bd54
|
||||||
|
size 14645
|
||||||
3
checkpoint-6000/scaler.pt
Normal file
3
checkpoint-6000/scaler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:7bb2b51b22f222dc6df63edb791d76de5de25b8bb724e885f8753e34cfb8ae10
|
||||||
|
size 1383
|
||||||
3
checkpoint-6000/scheduler.pt
Normal file
3
checkpoint-6000/scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:be09422afc8b314d77b762355272ecf202392fd4c1658b0bf9decb81bb60f492
|
||||||
|
size 1465
|
||||||
24
checkpoint-6000/special_tokens_map.json
Normal file
24
checkpoint-6000/special_tokens_map.json
Normal file
@@ -0,0 +1,24 @@
|
|||||||
|
{
|
||||||
|
"bos_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"eos_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"pad_token": "<|endoftext|>",
|
||||||
|
"unk_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
}
|
||||||
|
}
|
||||||
23
checkpoint-6000/tokenizer_config.json
Normal file
23
checkpoint-6000/tokenizer_config.json
Normal file
@@ -0,0 +1,23 @@
|
|||||||
|
{
|
||||||
|
"add_bos_token": false,
|
||||||
|
"add_prefix_space": false,
|
||||||
|
"added_tokens_decoder": {
|
||||||
|
"50256": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"bos_token": "<|endoftext|>",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "<|endoftext|>",
|
||||||
|
"errors": "replace",
|
||||||
|
"extra_special_tokens": {},
|
||||||
|
"model_max_length": 1024,
|
||||||
|
"pad_token": "<|endoftext|>",
|
||||||
|
"tokenizer_class": "GPT2Tokenizer",
|
||||||
|
"unk_token": "<|endoftext|>"
|
||||||
|
}
|
||||||
874
checkpoint-6000/trainer_state.json
Normal file
874
checkpoint-6000/trainer_state.json
Normal file
@@ -0,0 +1,874 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": null,
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 24.0,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 6000,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.2,
|
||||||
|
"grad_norm": 2.8039450645446777,
|
||||||
|
"learning_rate": 6.125e-05,
|
||||||
|
"loss": 8.1001,
|
||||||
|
"step": 50
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4,
|
||||||
|
"grad_norm": 1.782693862915039,
|
||||||
|
"learning_rate": 0.00012375,
|
||||||
|
"loss": 6.0373,
|
||||||
|
"step": 100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6,
|
||||||
|
"grad_norm": 1.6799567937850952,
|
||||||
|
"learning_rate": 0.00018625,
|
||||||
|
"loss": 5.4579,
|
||||||
|
"step": 150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8,
|
||||||
|
"grad_norm": 1.5503798723220825,
|
||||||
|
"learning_rate": 0.00024875,
|
||||||
|
"loss": 5.237,
|
||||||
|
"step": 200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"grad_norm": 1.5336804389953613,
|
||||||
|
"learning_rate": 0.00024788793103448277,
|
||||||
|
"loss": 5.0786,
|
||||||
|
"step": 250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.2,
|
||||||
|
"grad_norm": 1.5419166088104248,
|
||||||
|
"learning_rate": 0.0002457327586206897,
|
||||||
|
"loss": 4.6644,
|
||||||
|
"step": 300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.4,
|
||||||
|
"grad_norm": 1.5083167552947998,
|
||||||
|
"learning_rate": 0.00024357758620689656,
|
||||||
|
"loss": 4.5686,
|
||||||
|
"step": 350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.6,
|
||||||
|
"grad_norm": 1.5312546491622925,
|
||||||
|
"learning_rate": 0.00024142241379310344,
|
||||||
|
"loss": 4.4955,
|
||||||
|
"step": 400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.8,
|
||||||
|
"grad_norm": 1.4562275409698486,
|
||||||
|
"learning_rate": 0.00023926724137931035,
|
||||||
|
"loss": 4.4404,
|
||||||
|
"step": 450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"grad_norm": 1.547753930091858,
|
||||||
|
"learning_rate": 0.00023711206896551723,
|
||||||
|
"loss": 4.379,
|
||||||
|
"step": 500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.2,
|
||||||
|
"grad_norm": 1.611249566078186,
|
||||||
|
"learning_rate": 0.00023495689655172414,
|
||||||
|
"loss": 4.01,
|
||||||
|
"step": 550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.4,
|
||||||
|
"grad_norm": 1.383882999420166,
|
||||||
|
"learning_rate": 0.00023280172413793105,
|
||||||
|
"loss": 3.9787,
|
||||||
|
"step": 600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.6,
|
||||||
|
"grad_norm": 1.521315574645996,
|
||||||
|
"learning_rate": 0.00023064655172413793,
|
||||||
|
"loss": 3.9931,
|
||||||
|
"step": 650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.8,
|
||||||
|
"grad_norm": 1.4775588512420654,
|
||||||
|
"learning_rate": 0.00022849137931034484,
|
||||||
|
"loss": 3.915,
|
||||||
|
"step": 700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.0,
|
||||||
|
"grad_norm": 1.5033624172210693,
|
||||||
|
"learning_rate": 0.00022633620689655173,
|
||||||
|
"loss": 3.9011,
|
||||||
|
"step": 750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.2,
|
||||||
|
"grad_norm": 1.6199653148651123,
|
||||||
|
"learning_rate": 0.0002241810344827586,
|
||||||
|
"loss": 3.5909,
|
||||||
|
"step": 800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.4,
|
||||||
|
"grad_norm": 1.4687559604644775,
|
||||||
|
"learning_rate": 0.00022202586206896552,
|
||||||
|
"loss": 3.6409,
|
||||||
|
"step": 850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.6,
|
||||||
|
"grad_norm": 1.4177491664886475,
|
||||||
|
"learning_rate": 0.00021987068965517243,
|
||||||
|
"loss": 3.5883,
|
||||||
|
"step": 900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.8,
|
||||||
|
"grad_norm": 1.395131230354309,
|
||||||
|
"learning_rate": 0.0002177155172413793,
|
||||||
|
"loss": 3.5468,
|
||||||
|
"step": 950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"grad_norm": 1.4466007947921753,
|
||||||
|
"learning_rate": 0.00021556034482758622,
|
||||||
|
"loss": 3.5746,
|
||||||
|
"step": 1000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.2,
|
||||||
|
"grad_norm": 1.3139097690582275,
|
||||||
|
"learning_rate": 0.00021340517241379313,
|
||||||
|
"loss": 3.3073,
|
||||||
|
"step": 1050
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.4,
|
||||||
|
"grad_norm": 1.5377048254013062,
|
||||||
|
"learning_rate": 0.00021124999999999998,
|
||||||
|
"loss": 3.3136,
|
||||||
|
"step": 1100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.6,
|
||||||
|
"grad_norm": 1.4794890880584717,
|
||||||
|
"learning_rate": 0.0002090948275862069,
|
||||||
|
"loss": 3.287,
|
||||||
|
"step": 1150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.8,
|
||||||
|
"grad_norm": 1.458489179611206,
|
||||||
|
"learning_rate": 0.0002069396551724138,
|
||||||
|
"loss": 3.3283,
|
||||||
|
"step": 1200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.0,
|
||||||
|
"grad_norm": 1.5431376695632935,
|
||||||
|
"learning_rate": 0.0002047844827586207,
|
||||||
|
"loss": 3.2917,
|
||||||
|
"step": 1250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.2,
|
||||||
|
"grad_norm": 1.27516770362854,
|
||||||
|
"learning_rate": 0.0002026293103448276,
|
||||||
|
"loss": 3.0597,
|
||||||
|
"step": 1300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.4,
|
||||||
|
"grad_norm": 1.572311282157898,
|
||||||
|
"learning_rate": 0.0002004741379310345,
|
||||||
|
"loss": 3.0982,
|
||||||
|
"step": 1350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.6,
|
||||||
|
"grad_norm": 1.4160852432250977,
|
||||||
|
"learning_rate": 0.0001983189655172414,
|
||||||
|
"loss": 3.0492,
|
||||||
|
"step": 1400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.8,
|
||||||
|
"grad_norm": 1.5755418539047241,
|
||||||
|
"learning_rate": 0.0001961637931034483,
|
||||||
|
"loss": 3.0756,
|
||||||
|
"step": 1450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.0,
|
||||||
|
"grad_norm": 1.5663151741027832,
|
||||||
|
"learning_rate": 0.00019400862068965515,
|
||||||
|
"loss": 3.1045,
|
||||||
|
"step": 1500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.2,
|
||||||
|
"grad_norm": 1.4873141050338745,
|
||||||
|
"learning_rate": 0.00019185344827586206,
|
||||||
|
"loss": 2.857,
|
||||||
|
"step": 1550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.4,
|
||||||
|
"grad_norm": 1.4372650384902954,
|
||||||
|
"learning_rate": 0.00018969827586206897,
|
||||||
|
"loss": 2.8887,
|
||||||
|
"step": 1600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.6,
|
||||||
|
"grad_norm": 1.6041676998138428,
|
||||||
|
"learning_rate": 0.00018754310344827585,
|
||||||
|
"loss": 2.8847,
|
||||||
|
"step": 1650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.8,
|
||||||
|
"grad_norm": 1.597738265991211,
|
||||||
|
"learning_rate": 0.00018538793103448276,
|
||||||
|
"loss": 2.9167,
|
||||||
|
"step": 1700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.0,
|
||||||
|
"grad_norm": 1.4618918895721436,
|
||||||
|
"learning_rate": 0.00018323275862068967,
|
||||||
|
"loss": 2.9025,
|
||||||
|
"step": 1750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.2,
|
||||||
|
"grad_norm": 1.4208807945251465,
|
||||||
|
"learning_rate": 0.00018107758620689656,
|
||||||
|
"loss": 2.6906,
|
||||||
|
"step": 1800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.4,
|
||||||
|
"grad_norm": 1.3772602081298828,
|
||||||
|
"learning_rate": 0.00017892241379310344,
|
||||||
|
"loss": 2.7045,
|
||||||
|
"step": 1850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.6,
|
||||||
|
"grad_norm": 1.3876913785934448,
|
||||||
|
"learning_rate": 0.00017676724137931035,
|
||||||
|
"loss": 2.7185,
|
||||||
|
"step": 1900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.8,
|
||||||
|
"grad_norm": 1.6142256259918213,
|
||||||
|
"learning_rate": 0.00017461206896551723,
|
||||||
|
"loss": 2.7453,
|
||||||
|
"step": 1950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.0,
|
||||||
|
"grad_norm": 1.7862074375152588,
|
||||||
|
"learning_rate": 0.00017245689655172414,
|
||||||
|
"loss": 2.7847,
|
||||||
|
"step": 2000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.2,
|
||||||
|
"grad_norm": 1.520495057106018,
|
||||||
|
"learning_rate": 0.00017030172413793105,
|
||||||
|
"loss": 2.5499,
|
||||||
|
"step": 2050
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.4,
|
||||||
|
"grad_norm": 1.5806176662445068,
|
||||||
|
"learning_rate": 0.00016814655172413793,
|
||||||
|
"loss": 2.5625,
|
||||||
|
"step": 2100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.6,
|
||||||
|
"grad_norm": 1.4896948337554932,
|
||||||
|
"learning_rate": 0.00016599137931034484,
|
||||||
|
"loss": 2.576,
|
||||||
|
"step": 2150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.8,
|
||||||
|
"grad_norm": 1.5307574272155762,
|
||||||
|
"learning_rate": 0.00016383620689655172,
|
||||||
|
"loss": 2.6138,
|
||||||
|
"step": 2200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.0,
|
||||||
|
"grad_norm": 1.5115731954574585,
|
||||||
|
"learning_rate": 0.0001616810344827586,
|
||||||
|
"loss": 2.6294,
|
||||||
|
"step": 2250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.2,
|
||||||
|
"grad_norm": 1.5139647722244263,
|
||||||
|
"learning_rate": 0.00015952586206896552,
|
||||||
|
"loss": 2.4292,
|
||||||
|
"step": 2300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.4,
|
||||||
|
"grad_norm": 1.4001915454864502,
|
||||||
|
"learning_rate": 0.00015737068965517243,
|
||||||
|
"loss": 2.444,
|
||||||
|
"step": 2350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.6,
|
||||||
|
"grad_norm": 1.3104708194732666,
|
||||||
|
"learning_rate": 0.0001552155172413793,
|
||||||
|
"loss": 2.4509,
|
||||||
|
"step": 2400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.8,
|
||||||
|
"grad_norm": 1.6207849979400635,
|
||||||
|
"learning_rate": 0.00015306034482758622,
|
||||||
|
"loss": 2.4975,
|
||||||
|
"step": 2450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.0,
|
||||||
|
"grad_norm": 1.5676051378250122,
|
||||||
|
"learning_rate": 0.00015090517241379313,
|
||||||
|
"loss": 2.4849,
|
||||||
|
"step": 2500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.2,
|
||||||
|
"grad_norm": 1.6440703868865967,
|
||||||
|
"learning_rate": 0.00014874999999999998,
|
||||||
|
"loss": 2.2924,
|
||||||
|
"step": 2550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.4,
|
||||||
|
"grad_norm": 1.434339165687561,
|
||||||
|
"learning_rate": 0.0001465948275862069,
|
||||||
|
"loss": 2.3264,
|
||||||
|
"step": 2600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.6,
|
||||||
|
"grad_norm": 1.5489099025726318,
|
||||||
|
"learning_rate": 0.0001444396551724138,
|
||||||
|
"loss": 2.3671,
|
||||||
|
"step": 2650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.8,
|
||||||
|
"grad_norm": 1.3774558305740356,
|
||||||
|
"learning_rate": 0.00014228448275862069,
|
||||||
|
"loss": 2.3834,
|
||||||
|
"step": 2700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.0,
|
||||||
|
"grad_norm": 1.4112049341201782,
|
||||||
|
"learning_rate": 0.0001401293103448276,
|
||||||
|
"loss": 2.386,
|
||||||
|
"step": 2750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.2,
|
||||||
|
"grad_norm": 1.637389898300171,
|
||||||
|
"learning_rate": 0.0001379741379310345,
|
||||||
|
"loss": 2.1944,
|
||||||
|
"step": 2800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.4,
|
||||||
|
"grad_norm": 1.717990756034851,
|
||||||
|
"learning_rate": 0.0001358189655172414,
|
||||||
|
"loss": 2.2413,
|
||||||
|
"step": 2850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.6,
|
||||||
|
"grad_norm": 1.5509297847747803,
|
||||||
|
"learning_rate": 0.0001336637931034483,
|
||||||
|
"loss": 2.2519,
|
||||||
|
"step": 2900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.8,
|
||||||
|
"grad_norm": 1.3987082242965698,
|
||||||
|
"learning_rate": 0.00013150862068965515,
|
||||||
|
"loss": 2.2691,
|
||||||
|
"step": 2950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.0,
|
||||||
|
"grad_norm": 1.4241447448730469,
|
||||||
|
"learning_rate": 0.00012935344827586206,
|
||||||
|
"loss": 2.2907,
|
||||||
|
"step": 3000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.2,
|
||||||
|
"grad_norm": 1.4504032135009766,
|
||||||
|
"learning_rate": 0.00012719827586206897,
|
||||||
|
"loss": 2.1044,
|
||||||
|
"step": 3050
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.4,
|
||||||
|
"grad_norm": 1.6953134536743164,
|
||||||
|
"learning_rate": 0.00012504310344827585,
|
||||||
|
"loss": 2.1447,
|
||||||
|
"step": 3100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.6,
|
||||||
|
"grad_norm": 1.6625018119812012,
|
||||||
|
"learning_rate": 0.00012288793103448276,
|
||||||
|
"loss": 2.1829,
|
||||||
|
"step": 3150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.8,
|
||||||
|
"grad_norm": 1.5335619449615479,
|
||||||
|
"learning_rate": 0.00012073275862068966,
|
||||||
|
"loss": 2.2124,
|
||||||
|
"step": 3200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.0,
|
||||||
|
"grad_norm": 1.4856654405593872,
|
||||||
|
"learning_rate": 0.00011857758620689656,
|
||||||
|
"loss": 2.1592,
|
||||||
|
"step": 3250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.2,
|
||||||
|
"grad_norm": 1.517542839050293,
|
||||||
|
"learning_rate": 0.00011642241379310345,
|
||||||
|
"loss": 2.0258,
|
||||||
|
"step": 3300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.4,
|
||||||
|
"grad_norm": 1.494611382484436,
|
||||||
|
"learning_rate": 0.00011426724137931035,
|
||||||
|
"loss": 2.0496,
|
||||||
|
"step": 3350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.6,
|
||||||
|
"grad_norm": 1.5751359462738037,
|
||||||
|
"learning_rate": 0.00011211206896551724,
|
||||||
|
"loss": 2.0851,
|
||||||
|
"step": 3400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.8,
|
||||||
|
"grad_norm": 1.5572459697723389,
|
||||||
|
"learning_rate": 0.00010995689655172414,
|
||||||
|
"loss": 2.1255,
|
||||||
|
"step": 3450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.0,
|
||||||
|
"grad_norm": 1.5155609846115112,
|
||||||
|
"learning_rate": 0.00010780172413793104,
|
||||||
|
"loss": 2.0991,
|
||||||
|
"step": 3500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.2,
|
||||||
|
"grad_norm": 1.48418128490448,
|
||||||
|
"learning_rate": 0.00010564655172413793,
|
||||||
|
"loss": 1.9705,
|
||||||
|
"step": 3550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.4,
|
||||||
|
"grad_norm": 1.5270135402679443,
|
||||||
|
"learning_rate": 0.00010349137931034483,
|
||||||
|
"loss": 2.0004,
|
||||||
|
"step": 3600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.6,
|
||||||
|
"grad_norm": 1.5730317831039429,
|
||||||
|
"learning_rate": 0.00010133620689655172,
|
||||||
|
"loss": 2.0317,
|
||||||
|
"step": 3650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.8,
|
||||||
|
"grad_norm": 1.5356438159942627,
|
||||||
|
"learning_rate": 9.918103448275863e-05,
|
||||||
|
"loss": 1.9999,
|
||||||
|
"step": 3700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.0,
|
||||||
|
"grad_norm": 1.6630584001541138,
|
||||||
|
"learning_rate": 9.702586206896552e-05,
|
||||||
|
"loss": 2.0269,
|
||||||
|
"step": 3750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.2,
|
||||||
|
"grad_norm": 1.5010318756103516,
|
||||||
|
"learning_rate": 9.487068965517241e-05,
|
||||||
|
"loss": 1.9149,
|
||||||
|
"step": 3800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.4,
|
||||||
|
"grad_norm": 1.5633668899536133,
|
||||||
|
"learning_rate": 9.271551724137932e-05,
|
||||||
|
"loss": 1.9338,
|
||||||
|
"step": 3850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.6,
|
||||||
|
"grad_norm": 1.59940767288208,
|
||||||
|
"learning_rate": 9.056034482758622e-05,
|
||||||
|
"loss": 1.946,
|
||||||
|
"step": 3900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.8,
|
||||||
|
"grad_norm": 1.5850439071655273,
|
||||||
|
"learning_rate": 8.84051724137931e-05,
|
||||||
|
"loss": 1.9543,
|
||||||
|
"step": 3950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.0,
|
||||||
|
"grad_norm": 1.5602020025253296,
|
||||||
|
"learning_rate": 8.625e-05,
|
||||||
|
"loss": 1.9461,
|
||||||
|
"step": 4000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.2,
|
||||||
|
"grad_norm": 1.679661750793457,
|
||||||
|
"learning_rate": 8.40948275862069e-05,
|
||||||
|
"loss": 1.8593,
|
||||||
|
"step": 4050
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.4,
|
||||||
|
"grad_norm": 1.5591189861297607,
|
||||||
|
"learning_rate": 8.193965517241379e-05,
|
||||||
|
"loss": 1.8601,
|
||||||
|
"step": 4100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.6,
|
||||||
|
"grad_norm": 1.426254153251648,
|
||||||
|
"learning_rate": 7.978448275862068e-05,
|
||||||
|
"loss": 1.9044,
|
||||||
|
"step": 4150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.8,
|
||||||
|
"grad_norm": 1.553831696510315,
|
||||||
|
"learning_rate": 7.76293103448276e-05,
|
||||||
|
"loss": 1.8799,
|
||||||
|
"step": 4200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.0,
|
||||||
|
"grad_norm": 1.7395073175430298,
|
||||||
|
"learning_rate": 7.547413793103449e-05,
|
||||||
|
"loss": 1.9057,
|
||||||
|
"step": 4250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.2,
|
||||||
|
"grad_norm": 1.6055529117584229,
|
||||||
|
"learning_rate": 7.331896551724137e-05,
|
||||||
|
"loss": 1.7787,
|
||||||
|
"step": 4300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.4,
|
||||||
|
"grad_norm": 1.6556615829467773,
|
||||||
|
"learning_rate": 7.116379310344828e-05,
|
||||||
|
"loss": 1.7999,
|
||||||
|
"step": 4350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.6,
|
||||||
|
"grad_norm": 1.632834553718567,
|
||||||
|
"learning_rate": 6.900862068965518e-05,
|
||||||
|
"loss": 1.8312,
|
||||||
|
"step": 4400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.8,
|
||||||
|
"grad_norm": 1.749241828918457,
|
||||||
|
"learning_rate": 6.685344827586206e-05,
|
||||||
|
"loss": 1.8596,
|
||||||
|
"step": 4450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.0,
|
||||||
|
"grad_norm": 1.4276556968688965,
|
||||||
|
"learning_rate": 6.469827586206897e-05,
|
||||||
|
"loss": 1.8669,
|
||||||
|
"step": 4500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.2,
|
||||||
|
"grad_norm": 1.562339425086975,
|
||||||
|
"learning_rate": 6.254310344827587e-05,
|
||||||
|
"loss": 1.755,
|
||||||
|
"step": 4550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.4,
|
||||||
|
"grad_norm": 1.4620212316513062,
|
||||||
|
"learning_rate": 6.0387931034482755e-05,
|
||||||
|
"loss": 1.7945,
|
||||||
|
"step": 4600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.6,
|
||||||
|
"grad_norm": 1.601141095161438,
|
||||||
|
"learning_rate": 5.823275862068966e-05,
|
||||||
|
"loss": 1.7674,
|
||||||
|
"step": 4650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.8,
|
||||||
|
"grad_norm": 1.6034783124923706,
|
||||||
|
"learning_rate": 5.6077586206896554e-05,
|
||||||
|
"loss": 1.7728,
|
||||||
|
"step": 4700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.0,
|
||||||
|
"grad_norm": 1.545716643333435,
|
||||||
|
"learning_rate": 5.392241379310345e-05,
|
||||||
|
"loss": 1.8167,
|
||||||
|
"step": 4750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.2,
|
||||||
|
"grad_norm": 1.442853569984436,
|
||||||
|
"learning_rate": 5.1767241379310346e-05,
|
||||||
|
"loss": 1.7204,
|
||||||
|
"step": 4800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.4,
|
||||||
|
"grad_norm": 1.524326205253601,
|
||||||
|
"learning_rate": 4.961206896551725e-05,
|
||||||
|
"loss": 1.7265,
|
||||||
|
"step": 4850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.6,
|
||||||
|
"grad_norm": 1.6314244270324707,
|
||||||
|
"learning_rate": 4.745689655172414e-05,
|
||||||
|
"loss": 1.7385,
|
||||||
|
"step": 4900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.8,
|
||||||
|
"grad_norm": 1.5261213779449463,
|
||||||
|
"learning_rate": 4.5301724137931034e-05,
|
||||||
|
"loss": 1.7385,
|
||||||
|
"step": 4950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.0,
|
||||||
|
"grad_norm": 1.6839487552642822,
|
||||||
|
"learning_rate": 4.314655172413793e-05,
|
||||||
|
"loss": 1.7663,
|
||||||
|
"step": 5000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.2,
|
||||||
|
"grad_norm": 1.6043094396591187,
|
||||||
|
"learning_rate": 4.0991379310344826e-05,
|
||||||
|
"loss": 1.6843,
|
||||||
|
"step": 5050
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.4,
|
||||||
|
"grad_norm": 1.6053392887115479,
|
||||||
|
"learning_rate": 3.883620689655173e-05,
|
||||||
|
"loss": 1.6915,
|
||||||
|
"step": 5100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.6,
|
||||||
|
"grad_norm": 1.6081898212432861,
|
||||||
|
"learning_rate": 3.668103448275862e-05,
|
||||||
|
"loss": 1.706,
|
||||||
|
"step": 5150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.8,
|
||||||
|
"grad_norm": 1.510034441947937,
|
||||||
|
"learning_rate": 3.452586206896552e-05,
|
||||||
|
"loss": 1.7119,
|
||||||
|
"step": 5200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 21.0,
|
||||||
|
"grad_norm": 1.9239494800567627,
|
||||||
|
"learning_rate": 3.237068965517241e-05,
|
||||||
|
"loss": 1.727,
|
||||||
|
"step": 5250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 21.2,
|
||||||
|
"grad_norm": 1.6551876068115234,
|
||||||
|
"learning_rate": 3.021551724137931e-05,
|
||||||
|
"loss": 1.6503,
|
||||||
|
"step": 5300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 21.4,
|
||||||
|
"grad_norm": 1.5076953172683716,
|
||||||
|
"learning_rate": 2.8060344827586206e-05,
|
||||||
|
"loss": 1.6826,
|
||||||
|
"step": 5350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 21.6,
|
||||||
|
"grad_norm": 1.5434393882751465,
|
||||||
|
"learning_rate": 2.5905172413793105e-05,
|
||||||
|
"loss": 1.6717,
|
||||||
|
"step": 5400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 21.8,
|
||||||
|
"grad_norm": 1.5446633100509644,
|
||||||
|
"learning_rate": 2.375e-05,
|
||||||
|
"loss": 1.66,
|
||||||
|
"step": 5450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 22.0,
|
||||||
|
"grad_norm": 1.6713532209396362,
|
||||||
|
"learning_rate": 2.1594827586206897e-05,
|
||||||
|
"loss": 1.7064,
|
||||||
|
"step": 5500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 22.2,
|
||||||
|
"grad_norm": 1.7001148462295532,
|
||||||
|
"learning_rate": 1.9439655172413793e-05,
|
||||||
|
"loss": 1.6405,
|
||||||
|
"step": 5550
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 22.4,
|
||||||
|
"grad_norm": 1.5951385498046875,
|
||||||
|
"learning_rate": 1.7284482758620693e-05,
|
||||||
|
"loss": 1.6398,
|
||||||
|
"step": 5600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 22.6,
|
||||||
|
"grad_norm": 1.4782673120498657,
|
||||||
|
"learning_rate": 1.5129310344827587e-05,
|
||||||
|
"loss": 1.6329,
|
||||||
|
"step": 5650
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 22.8,
|
||||||
|
"grad_norm": 1.6722221374511719,
|
||||||
|
"learning_rate": 1.2974137931034483e-05,
|
||||||
|
"loss": 1.6659,
|
||||||
|
"step": 5700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 23.0,
|
||||||
|
"grad_norm": 1.5515207052230835,
|
||||||
|
"learning_rate": 1.081896551724138e-05,
|
||||||
|
"loss": 1.6671,
|
||||||
|
"step": 5750
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 23.2,
|
||||||
|
"grad_norm": 1.5190036296844482,
|
||||||
|
"learning_rate": 8.663793103448275e-06,
|
||||||
|
"loss": 1.6392,
|
||||||
|
"step": 5800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 23.4,
|
||||||
|
"grad_norm": 1.452081561088562,
|
||||||
|
"learning_rate": 6.508620689655172e-06,
|
||||||
|
"loss": 1.6196,
|
||||||
|
"step": 5850
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 23.6,
|
||||||
|
"grad_norm": 1.4926390647888184,
|
||||||
|
"learning_rate": 4.353448275862069e-06,
|
||||||
|
"loss": 1.6218,
|
||||||
|
"step": 5900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 23.8,
|
||||||
|
"grad_norm": 1.5378731489181519,
|
||||||
|
"learning_rate": 2.1982758620689655e-06,
|
||||||
|
"loss": 1.6516,
|
||||||
|
"step": 5950
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 24.0,
|
||||||
|
"grad_norm": 1.7412480115890503,
|
||||||
|
"learning_rate": 4.3103448275862064e-08,
|
||||||
|
"loss": 1.6258,
|
||||||
|
"step": 6000
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 50,
|
||||||
|
"max_steps": 6000,
|
||||||
|
"num_input_tokens_seen": 0,
|
||||||
|
"num_train_epochs": 24,
|
||||||
|
"save_steps": 1000,
|
||||||
|
"stateful_callbacks": {
|
||||||
|
"TrainerControl": {
|
||||||
|
"args": {
|
||||||
|
"should_epoch_stop": false,
|
||||||
|
"should_evaluate": false,
|
||||||
|
"should_log": false,
|
||||||
|
"should_save": true,
|
||||||
|
"should_training_stop": true
|
||||||
|
},
|
||||||
|
"attributes": {}
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"total_flos": 6280181710848000.0,
|
||||||
|
"train_batch_size": 2,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
checkpoint-6000/training_args.bin
Normal file
3
checkpoint-6000/training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:e3de3667d5f0e3e38a3cc148216b7189a3ee94c45667b209cfa29592be33a532
|
||||||
|
size 5777
|
||||||
50259
checkpoint-6000/vocab.json
Normal file
50259
checkpoint-6000/vocab.json
Normal file
File diff suppressed because it is too large
Load Diff
31
config.json
Normal file
31
config.json
Normal file
@@ -0,0 +1,31 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 50256,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 50256,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_embd": 384,
|
||||||
|
"n_head": 6,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 6,
|
||||||
|
"n_positions": 2048,
|
||||||
|
"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": "4.57.1",
|
||||||
|
"use_cache": false,
|
||||||
|
"vocab_size": 50257
|
||||||
|
}
|
||||||
7
generation_config.json
Normal file
7
generation_config.json
Normal file
@@ -0,0 +1,7 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 50256,
|
||||||
|
"eos_token_id": 50256,
|
||||||
|
"transformers_version": "4.57.1",
|
||||||
|
"use_cache": false
|
||||||
|
}
|
||||||
50001
merges.txt
Normal file
50001
merges.txt
Normal file
File diff suppressed because it is too large
Load Diff
3
model.safetensors
Normal file
3
model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:0c693420b073f521439e8007c06e74fdb90bf3efa0b81b8d819a0b6fec3fd5cf
|
||||||
|
size 122938232
|
||||||
13
model_metadata.json
Normal file
13
model_metadata.json
Normal file
@@ -0,0 +1,13 @@
|
|||||||
|
{
|
||||||
|
"model_name": "ANWGPT4",
|
||||||
|
"architecture": "TinyGPT2",
|
||||||
|
"developers": [
|
||||||
|
"ANW",
|
||||||
|
"FlameF0X"
|
||||||
|
],
|
||||||
|
"parameters": 30732672,
|
||||||
|
"context_window": 2048,
|
||||||
|
"pretrain_dataset": "wikitext-103-raw-v1",
|
||||||
|
"finetune_dataset": "HuggingFaceH4/ultrachat_200k (or tatsu-lab/alpaca as fallback)",
|
||||||
|
"system_prompt": "You are ANWGPT4, a small language model developed by ANW and FlameF0X, built on the TinyGPT2 architecture. You are designed to assist users with helpful, accurate, safe, and thoughtful responses across many topics. Always prioritize factual correctness and clear reasoning, be transparent about being an AI, adapt your tone appropriately, explain complex ideas when useful, avoid harmful or illegal guidance, do not claim consciousness or personal experience, and if unsure about an answer, clearly state uncertainty rather than inventing information."
|
||||||
|
}
|
||||||
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 sha256:5ab625406fce113842e113a72156276955f6d2d3d7137124fd3ee0e31dfbe3b6
|
||||||
|
size 122956075
|
||||||
24
special_tokens_map.json
Normal file
24
special_tokens_map.json
Normal file
@@ -0,0 +1,24 @@
|
|||||||
|
{
|
||||||
|
"bos_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"eos_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"pad_token": "<|endoftext|>",
|
||||||
|
"unk_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
}
|
||||||
|
}
|
||||||
23
tokenizer_config.json
Normal file
23
tokenizer_config.json
Normal file
@@ -0,0 +1,23 @@
|
|||||||
|
{
|
||||||
|
"add_bos_token": false,
|
||||||
|
"add_prefix_space": false,
|
||||||
|
"added_tokens_decoder": {
|
||||||
|
"50256": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"bos_token": "<|endoftext|>",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "<|endoftext|>",
|
||||||
|
"errors": "replace",
|
||||||
|
"extra_special_tokens": {},
|
||||||
|
"model_max_length": 1024,
|
||||||
|
"pad_token": "<|endoftext|>",
|
||||||
|
"tokenizer_class": "GPT2Tokenizer",
|
||||||
|
"unk_token": "<|endoftext|>"
|
||||||
|
}
|
||||||
50259
vocab.json
Normal file
50259
vocab.json
Normal file
File diff suppressed because it is too large
Load Diff
Reference in New Issue
Block a user