初始化项目,由ModelHub XC社区提供模型
Model: anwgpt/anwllama-1-base 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
|
||||||
48
README.md
Normal file
48
README.md
Normal file
@@ -0,0 +1,48 @@
|
|||||||
|
---
|
||||||
|
license: mit
|
||||||
|
language:
|
||||||
|
- en
|
||||||
|
library_name: transformers
|
||||||
|
---
|
||||||
|
|
||||||
|
Step Training Loss
|
||||||
|
|
||||||
|
100 9.552530
|
||||||
|
|
||||||
|
200 7.434567
|
||||||
|
|
||||||
|
300 6.307720
|
||||||
|
|
||||||
|
400 5.781603
|
||||||
|
|
||||||
|
500 5.459788
|
||||||
|
|
||||||
|
600 5.196931
|
||||||
|
|
||||||
|
700 4.950012
|
||||||
|
|
||||||
|
800 4.757678
|
||||||
|
|
||||||
|
900 4.617741
|
||||||
|
|
||||||
|
1000 4.509363
|
||||||
|
|
||||||
|
1100 4.377576
|
||||||
|
|
||||||
|
1200 4.273639
|
||||||
|
|
||||||
|
1300 4.202172
|
||||||
|
|
||||||
|
1400 4.124585
|
||||||
|
|
||||||
|
1500 4.049357
|
||||||
|
|
||||||
|
1600 3.946516
|
||||||
|
|
||||||
|
1700 3.853138
|
||||||
|
|
||||||
|
1800 3.818091
|
||||||
|
|
||||||
|
1900 3.790880
|
||||||
|
|
||||||
|
2000 3.793084
|
||||||
15
chat_template.jinja
Normal file
15
chat_template.jinja
Normal file
@@ -0,0 +1,15 @@
|
|||||||
|
{% for message in messages %}
|
||||||
|
{% if message['role'] == 'user' %}
|
||||||
|
{{ '<|user|>
|
||||||
|
' + message['content'] + eos_token }}
|
||||||
|
{% elif message['role'] == 'system' %}
|
||||||
|
{{ '<|system|>
|
||||||
|
' + message['content'] + eos_token }}
|
||||||
|
{% elif message['role'] == 'assistant' %}
|
||||||
|
{{ '<|assistant|>
|
||||||
|
' + message['content'] + eos_token }}
|
||||||
|
{% endif %}
|
||||||
|
{% if loop.last and add_generation_prompt %}
|
||||||
|
{{ '<|assistant|>' }}
|
||||||
|
{% endif %}
|
||||||
|
{% endfor %}
|
||||||
15
checkpoint-1800/chat_template.jinja
Normal file
15
checkpoint-1800/chat_template.jinja
Normal file
@@ -0,0 +1,15 @@
|
|||||||
|
{% for message in messages %}
|
||||||
|
{% if message['role'] == 'user' %}
|
||||||
|
{{ '<|user|>
|
||||||
|
' + message['content'] + eos_token }}
|
||||||
|
{% elif message['role'] == 'system' %}
|
||||||
|
{{ '<|system|>
|
||||||
|
' + message['content'] + eos_token }}
|
||||||
|
{% elif message['role'] == 'assistant' %}
|
||||||
|
{{ '<|assistant|>
|
||||||
|
' + message['content'] + eos_token }}
|
||||||
|
{% endif %}
|
||||||
|
{% if loop.last and add_generation_prompt %}
|
||||||
|
{{ '<|assistant|>' }}
|
||||||
|
{% endif %}
|
||||||
|
{% endfor %}
|
||||||
32
checkpoint-1800/config.json
Normal file
32
checkpoint-1800/config.json
Normal file
@@ -0,0 +1,32 @@
|
|||||||
|
{
|
||||||
|
"architectures": [
|
||||||
|
"LlamaForCausalLM"
|
||||||
|
],
|
||||||
|
"attention_bias": false,
|
||||||
|
"attention_dropout": 0.0,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"head_dim": 64,
|
||||||
|
"hidden_act": "silu",
|
||||||
|
"hidden_size": 384,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"intermediate_size": 1024,
|
||||||
|
"max_position_embeddings": 2048,
|
||||||
|
"mlp_bias": false,
|
||||||
|
"model_type": "llama",
|
||||||
|
"num_attention_heads": 6,
|
||||||
|
"num_hidden_layers": 6,
|
||||||
|
"num_key_value_heads": 2,
|
||||||
|
"pad_token_id": null,
|
||||||
|
"pretraining_tp": 1,
|
||||||
|
"rms_norm_eps": 1e-05,
|
||||||
|
"rope_parameters": {
|
||||||
|
"rope_theta": 10000.0,
|
||||||
|
"rope_type": "default"
|
||||||
|
},
|
||||||
|
"tie_word_embeddings": false,
|
||||||
|
"transformers_version": "5.0.0",
|
||||||
|
"use_cache": false,
|
||||||
|
"vocab_size": 32002
|
||||||
|
}
|
||||||
9
checkpoint-1800/generation_config.json
Normal file
9
checkpoint-1800/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"output_attentions": false,
|
||||||
|
"output_hidden_states": false,
|
||||||
|
"transformers_version": "5.0.0",
|
||||||
|
"use_cache": false
|
||||||
|
}
|
||||||
3
checkpoint-1800/model.safetensors
Normal file
3
checkpoint-1800/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:4ac0de32adc69c63979250a63fbae5c88d6d97e8df5d61075f46341be32be61e
|
||||||
|
size 136085144
|
||||||
3
checkpoint-1800/optimizer.pt
Normal file
3
checkpoint-1800/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:c91fcd6f902fdd0f1ebfa0a767cb08120515694210af17fc1e83b566ea0b5bfd
|
||||||
|
size 272206475
|
||||||
3
checkpoint-1800/rng_state.pth
Normal file
3
checkpoint-1800/rng_state.pth
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:098b29492211804ab324a36f37466821d948280bb74fce4ba895c03f13ecd878
|
||||||
|
size 14645
|
||||||
3
checkpoint-1800/scaler.pt
Normal file
3
checkpoint-1800/scaler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:fa0408efb69cab96d5bab9a1aaf44cedbc9fc8d34f4cef378d81605e5c026d5c
|
||||||
|
size 1383
|
||||||
3
checkpoint-1800/scheduler.pt
Normal file
3
checkpoint-1800/scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:be6f3854bd163d3bb2c6f034532a0e4b87c6a97b4d340d6ea37fc6f62698bc51
|
||||||
|
size 1465
|
||||||
277171
checkpoint-1800/tokenizer.json
Normal file
277171
checkpoint-1800/tokenizer.json
Normal file
File diff suppressed because it is too large
Load Diff
19
checkpoint-1800/tokenizer_config.json
Normal file
19
checkpoint-1800/tokenizer_config.json
Normal file
@@ -0,0 +1,19 @@
|
|||||||
|
{
|
||||||
|
"backend": "tokenizers",
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"extra_special_tokens": [
|
||||||
|
"<|im_start|>",
|
||||||
|
"<|im_end|>"
|
||||||
|
],
|
||||||
|
"is_local": false,
|
||||||
|
"legacy": false,
|
||||||
|
"model_max_length": 2048,
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"padding_side": "right",
|
||||||
|
"sp_model_kwargs": {},
|
||||||
|
"tokenizer_class": "TokenizersBackend",
|
||||||
|
"unk_token": "<unk>",
|
||||||
|
"use_default_system_prompt": false
|
||||||
|
}
|
||||||
160
checkpoint-1800/trainer_state.json
Normal file
160
checkpoint-1800/trainer_state.json
Normal file
@@ -0,0 +1,160 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": null,
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 1.15168,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 1800,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.064,
|
||||||
|
"grad_norm": 1.6644006967544556,
|
||||||
|
"learning_rate": 4.9500000000000004e-05,
|
||||||
|
"loss": 9.552529907226562,
|
||||||
|
"step": 100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.128,
|
||||||
|
"grad_norm": 0.862553060054779,
|
||||||
|
"learning_rate": 9.95e-05,
|
||||||
|
"loss": 7.434567260742187,
|
||||||
|
"step": 200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.192,
|
||||||
|
"grad_norm": 0.9680566191673279,
|
||||||
|
"learning_rate": 0.0001495,
|
||||||
|
"loss": 6.307720336914063,
|
||||||
|
"step": 300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.256,
|
||||||
|
"grad_norm": 1.0872560739517212,
|
||||||
|
"learning_rate": 0.00019950000000000002,
|
||||||
|
"loss": 5.781602783203125,
|
||||||
|
"step": 400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.32,
|
||||||
|
"grad_norm": 0.8385273814201355,
|
||||||
|
"learning_rate": 0.0002495,
|
||||||
|
"loss": 5.45978759765625,
|
||||||
|
"step": 500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.384,
|
||||||
|
"grad_norm": 0.9646134972572327,
|
||||||
|
"learning_rate": 0.0002995,
|
||||||
|
"loss": 5.19693115234375,
|
||||||
|
"step": 600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.448,
|
||||||
|
"grad_norm": 0.9179049730300903,
|
||||||
|
"learning_rate": 0.0003495,
|
||||||
|
"loss": 4.9500119018554685,
|
||||||
|
"step": 700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.512,
|
||||||
|
"grad_norm": 0.8189147710800171,
|
||||||
|
"learning_rate": 0.0003995,
|
||||||
|
"loss": 4.757677612304687,
|
||||||
|
"step": 800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.576,
|
||||||
|
"grad_norm": 0.7599812746047974,
|
||||||
|
"learning_rate": 0.00044950000000000003,
|
||||||
|
"loss": 4.617741394042969,
|
||||||
|
"step": 900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.64,
|
||||||
|
"grad_norm": 0.8522061109542847,
|
||||||
|
"learning_rate": 0.0004995,
|
||||||
|
"loss": 4.509363403320313,
|
||||||
|
"step": 1000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.704,
|
||||||
|
"grad_norm": 0.7664839029312134,
|
||||||
|
"learning_rate": 0.00048800565673641917,
|
||||||
|
"loss": 4.377576293945313,
|
||||||
|
"step": 1100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.768,
|
||||||
|
"grad_norm": 0.7524094581604004,
|
||||||
|
"learning_rate": 0.00045271489520809337,
|
||||||
|
"loss": 4.273638916015625,
|
||||||
|
"step": 1200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.832,
|
||||||
|
"grad_norm": 0.7883505821228027,
|
||||||
|
"learning_rate": 0.00039758098733907364,
|
||||||
|
"loss": 4.2021722412109375,
|
||||||
|
"step": 1300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.896,
|
||||||
|
"grad_norm": 0.7538483142852783,
|
||||||
|
"learning_rate": 0.0003280008241721038,
|
||||||
|
"loss": 4.124585266113281,
|
||||||
|
"step": 1400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.96,
|
||||||
|
"grad_norm": 0.7969692945480347,
|
||||||
|
"learning_rate": 0.0002507853968714699,
|
||||||
|
"loss": 4.049356994628906,
|
||||||
|
"step": 1500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.02368,
|
||||||
|
"grad_norm": 0.7776799201965332,
|
||||||
|
"learning_rate": 0.00017349308945287484,
|
||||||
|
"loss": 3.9465155029296874,
|
||||||
|
"step": 1600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.08768,
|
||||||
|
"grad_norm": 0.7725834846496582,
|
||||||
|
"learning_rate": 0.00010368981149362256,
|
||||||
|
"loss": 3.853138427734375,
|
||||||
|
"step": 1700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.15168,
|
||||||
|
"grad_norm": 0.7704042792320251,
|
||||||
|
"learning_rate": 4.820839418839992e-05,
|
||||||
|
"loss": 3.818090515136719,
|
||||||
|
"step": 1800
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 100,
|
||||||
|
"max_steps": 2000,
|
||||||
|
"num_input_tokens_seen": 0,
|
||||||
|
"num_train_epochs": 2,
|
||||||
|
"save_steps": 200,
|
||||||
|
"stateful_callbacks": {
|
||||||
|
"TrainerControl": {
|
||||||
|
"args": {
|
||||||
|
"should_epoch_stop": false,
|
||||||
|
"should_evaluate": false,
|
||||||
|
"should_log": false,
|
||||||
|
"should_save": true,
|
||||||
|
"should_training_stop": false
|
||||||
|
},
|
||||||
|
"attributes": {}
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"total_flos": 7688323149594624.0,
|
||||||
|
"train_batch_size": 4,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
checkpoint-1800/training_args.bin
Normal file
3
checkpoint-1800/training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:0528f70548ba46e710aedab61d7c6c20d04691c057d452c88650b62820e3f5f2
|
||||||
|
size 5137
|
||||||
15
checkpoint-2000/chat_template.jinja
Normal file
15
checkpoint-2000/chat_template.jinja
Normal file
@@ -0,0 +1,15 @@
|
|||||||
|
{% for message in messages %}
|
||||||
|
{% if message['role'] == 'user' %}
|
||||||
|
{{ '<|user|>
|
||||||
|
' + message['content'] + eos_token }}
|
||||||
|
{% elif message['role'] == 'system' %}
|
||||||
|
{{ '<|system|>
|
||||||
|
' + message['content'] + eos_token }}
|
||||||
|
{% elif message['role'] == 'assistant' %}
|
||||||
|
{{ '<|assistant|>
|
||||||
|
' + message['content'] + eos_token }}
|
||||||
|
{% endif %}
|
||||||
|
{% if loop.last and add_generation_prompt %}
|
||||||
|
{{ '<|assistant|>' }}
|
||||||
|
{% endif %}
|
||||||
|
{% endfor %}
|
||||||
32
checkpoint-2000/config.json
Normal file
32
checkpoint-2000/config.json
Normal file
@@ -0,0 +1,32 @@
|
|||||||
|
{
|
||||||
|
"architectures": [
|
||||||
|
"LlamaForCausalLM"
|
||||||
|
],
|
||||||
|
"attention_bias": false,
|
||||||
|
"attention_dropout": 0.0,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"head_dim": 64,
|
||||||
|
"hidden_act": "silu",
|
||||||
|
"hidden_size": 384,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"intermediate_size": 1024,
|
||||||
|
"max_position_embeddings": 2048,
|
||||||
|
"mlp_bias": false,
|
||||||
|
"model_type": "llama",
|
||||||
|
"num_attention_heads": 6,
|
||||||
|
"num_hidden_layers": 6,
|
||||||
|
"num_key_value_heads": 2,
|
||||||
|
"pad_token_id": null,
|
||||||
|
"pretraining_tp": 1,
|
||||||
|
"rms_norm_eps": 1e-05,
|
||||||
|
"rope_parameters": {
|
||||||
|
"rope_theta": 10000.0,
|
||||||
|
"rope_type": "default"
|
||||||
|
},
|
||||||
|
"tie_word_embeddings": false,
|
||||||
|
"transformers_version": "5.0.0",
|
||||||
|
"use_cache": false,
|
||||||
|
"vocab_size": 32002
|
||||||
|
}
|
||||||
9
checkpoint-2000/generation_config.json
Normal file
9
checkpoint-2000/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"output_attentions": false,
|
||||||
|
"output_hidden_states": false,
|
||||||
|
"transformers_version": "5.0.0",
|
||||||
|
"use_cache": false
|
||||||
|
}
|
||||||
3
checkpoint-2000/model.safetensors
Normal file
3
checkpoint-2000/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:0e80182e73a9bd4b4137b28e5080dc7e42f882035389f673d1a939f9768ef6fc
|
||||||
|
size 136085144
|
||||||
3
checkpoint-2000/optimizer.pt
Normal file
3
checkpoint-2000/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:78c36f3d3e3071b80bb638658adac5861ac0749b9fe029b7b615b7117055429e
|
||||||
|
size 272206475
|
||||||
3
checkpoint-2000/rng_state.pth
Normal file
3
checkpoint-2000/rng_state.pth
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:098b29492211804ab324a36f37466821d948280bb74fce4ba895c03f13ecd878
|
||||||
|
size 14645
|
||||||
3
checkpoint-2000/scaler.pt
Normal file
3
checkpoint-2000/scaler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:f4aa03f6e0cd07cf67ce1fbe3101d545f5771ef9148b9debf02b11cf6948da5c
|
||||||
|
size 1383
|
||||||
3
checkpoint-2000/scheduler.pt
Normal file
3
checkpoint-2000/scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:15b1bcd4e6631a691be1896233c275cbddc53ad8e411f3810cb45227ae9e6e7d
|
||||||
|
size 1465
|
||||||
277171
checkpoint-2000/tokenizer.json
Normal file
277171
checkpoint-2000/tokenizer.json
Normal file
File diff suppressed because it is too large
Load Diff
19
checkpoint-2000/tokenizer_config.json
Normal file
19
checkpoint-2000/tokenizer_config.json
Normal file
@@ -0,0 +1,19 @@
|
|||||||
|
{
|
||||||
|
"backend": "tokenizers",
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"extra_special_tokens": [
|
||||||
|
"<|im_start|>",
|
||||||
|
"<|im_end|>"
|
||||||
|
],
|
||||||
|
"is_local": false,
|
||||||
|
"legacy": false,
|
||||||
|
"model_max_length": 2048,
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"padding_side": "right",
|
||||||
|
"sp_model_kwargs": {},
|
||||||
|
"tokenizer_class": "TokenizersBackend",
|
||||||
|
"unk_token": "<unk>",
|
||||||
|
"use_default_system_prompt": false
|
||||||
|
}
|
||||||
174
checkpoint-2000/trainer_state.json
Normal file
174
checkpoint-2000/trainer_state.json
Normal file
@@ -0,0 +1,174 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": null,
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 1.27968,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 2000,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.064,
|
||||||
|
"grad_norm": 1.6644006967544556,
|
||||||
|
"learning_rate": 4.9500000000000004e-05,
|
||||||
|
"loss": 9.552529907226562,
|
||||||
|
"step": 100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.128,
|
||||||
|
"grad_norm": 0.862553060054779,
|
||||||
|
"learning_rate": 9.95e-05,
|
||||||
|
"loss": 7.434567260742187,
|
||||||
|
"step": 200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.192,
|
||||||
|
"grad_norm": 0.9680566191673279,
|
||||||
|
"learning_rate": 0.0001495,
|
||||||
|
"loss": 6.307720336914063,
|
||||||
|
"step": 300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.256,
|
||||||
|
"grad_norm": 1.0872560739517212,
|
||||||
|
"learning_rate": 0.00019950000000000002,
|
||||||
|
"loss": 5.781602783203125,
|
||||||
|
"step": 400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.32,
|
||||||
|
"grad_norm": 0.8385273814201355,
|
||||||
|
"learning_rate": 0.0002495,
|
||||||
|
"loss": 5.45978759765625,
|
||||||
|
"step": 500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.384,
|
||||||
|
"grad_norm": 0.9646134972572327,
|
||||||
|
"learning_rate": 0.0002995,
|
||||||
|
"loss": 5.19693115234375,
|
||||||
|
"step": 600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.448,
|
||||||
|
"grad_norm": 0.9179049730300903,
|
||||||
|
"learning_rate": 0.0003495,
|
||||||
|
"loss": 4.9500119018554685,
|
||||||
|
"step": 700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.512,
|
||||||
|
"grad_norm": 0.8189147710800171,
|
||||||
|
"learning_rate": 0.0003995,
|
||||||
|
"loss": 4.757677612304687,
|
||||||
|
"step": 800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.576,
|
||||||
|
"grad_norm": 0.7599812746047974,
|
||||||
|
"learning_rate": 0.00044950000000000003,
|
||||||
|
"loss": 4.617741394042969,
|
||||||
|
"step": 900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.64,
|
||||||
|
"grad_norm": 0.8522061109542847,
|
||||||
|
"learning_rate": 0.0004995,
|
||||||
|
"loss": 4.509363403320313,
|
||||||
|
"step": 1000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.704,
|
||||||
|
"grad_norm": 0.7664839029312134,
|
||||||
|
"learning_rate": 0.00048800565673641917,
|
||||||
|
"loss": 4.377576293945313,
|
||||||
|
"step": 1100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.768,
|
||||||
|
"grad_norm": 0.7524094581604004,
|
||||||
|
"learning_rate": 0.00045271489520809337,
|
||||||
|
"loss": 4.273638916015625,
|
||||||
|
"step": 1200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.832,
|
||||||
|
"grad_norm": 0.7883505821228027,
|
||||||
|
"learning_rate": 0.00039758098733907364,
|
||||||
|
"loss": 4.2021722412109375,
|
||||||
|
"step": 1300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.896,
|
||||||
|
"grad_norm": 0.7538483142852783,
|
||||||
|
"learning_rate": 0.0003280008241721038,
|
||||||
|
"loss": 4.124585266113281,
|
||||||
|
"step": 1400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.96,
|
||||||
|
"grad_norm": 0.7969692945480347,
|
||||||
|
"learning_rate": 0.0002507853968714699,
|
||||||
|
"loss": 4.049356994628906,
|
||||||
|
"step": 1500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.02368,
|
||||||
|
"grad_norm": 0.7776799201965332,
|
||||||
|
"learning_rate": 0.00017349308945287484,
|
||||||
|
"loss": 3.9465155029296874,
|
||||||
|
"step": 1600
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.08768,
|
||||||
|
"grad_norm": 0.7725834846496582,
|
||||||
|
"learning_rate": 0.00010368981149362256,
|
||||||
|
"loss": 3.853138427734375,
|
||||||
|
"step": 1700
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.15168,
|
||||||
|
"grad_norm": 0.7704042792320251,
|
||||||
|
"learning_rate": 4.820839418839992e-05,
|
||||||
|
"loss": 3.818090515136719,
|
||||||
|
"step": 1800
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.21568,
|
||||||
|
"grad_norm": 0.7322491407394409,
|
||||||
|
"learning_rate": 1.2479745224807049e-05,
|
||||||
|
"loss": 3.7908795166015623,
|
||||||
|
"step": 1900
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.27968,
|
||||||
|
"grad_norm": 0.7623891830444336,
|
||||||
|
"learning_rate": 1.2336995354467196e-09,
|
||||||
|
"loss": 3.7930838012695314,
|
||||||
|
"step": 2000
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 100,
|
||||||
|
"max_steps": 2000,
|
||||||
|
"num_input_tokens_seen": 0,
|
||||||
|
"num_train_epochs": 2,
|
||||||
|
"save_steps": 200,
|
||||||
|
"stateful_callbacks": {
|
||||||
|
"TrainerControl": {
|
||||||
|
"args": {
|
||||||
|
"should_epoch_stop": false,
|
||||||
|
"should_evaluate": false,
|
||||||
|
"should_log": false,
|
||||||
|
"should_save": true,
|
||||||
|
"should_training_stop": true
|
||||||
|
},
|
||||||
|
"attributes": {}
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"total_flos": 8542818637185024.0,
|
||||||
|
"train_batch_size": 4,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
checkpoint-2000/training_args.bin
Normal file
3
checkpoint-2000/training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:0528f70548ba46e710aedab61d7c6c20d04691c057d452c88650b62820e3f5f2
|
||||||
|
size 5137
|
||||||
32
config.json
Normal file
32
config.json
Normal file
@@ -0,0 +1,32 @@
|
|||||||
|
{
|
||||||
|
"architectures": [
|
||||||
|
"LlamaForCausalLM"
|
||||||
|
],
|
||||||
|
"attention_bias": false,
|
||||||
|
"attention_dropout": 0.0,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"head_dim": 64,
|
||||||
|
"hidden_act": "silu",
|
||||||
|
"hidden_size": 384,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"intermediate_size": 1024,
|
||||||
|
"max_position_embeddings": 2048,
|
||||||
|
"mlp_bias": false,
|
||||||
|
"model_type": "llama",
|
||||||
|
"num_attention_heads": 6,
|
||||||
|
"num_hidden_layers": 6,
|
||||||
|
"num_key_value_heads": 2,
|
||||||
|
"pad_token_id": null,
|
||||||
|
"pretraining_tp": 1,
|
||||||
|
"rms_norm_eps": 1e-05,
|
||||||
|
"rope_parameters": {
|
||||||
|
"rope_theta": 10000.0,
|
||||||
|
"rope_type": "default"
|
||||||
|
},
|
||||||
|
"tie_word_embeddings": false,
|
||||||
|
"transformers_version": "5.0.0",
|
||||||
|
"use_cache": false,
|
||||||
|
"vocab_size": 32002
|
||||||
|
}
|
||||||
9
generation_config.json
Normal file
9
generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"output_attentions": false,
|
||||||
|
"output_hidden_states": false,
|
||||||
|
"transformers_version": "5.0.0",
|
||||||
|
"use_cache": false
|
||||||
|
}
|
||||||
3
model.safetensors
Normal file
3
model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:0e80182e73a9bd4b4137b28e5080dc7e42f882035389f673d1a939f9768ef6fc
|
||||||
|
size 136085144
|
||||||
277171
tokenizer.json
Normal file
277171
tokenizer.json
Normal file
File diff suppressed because it is too large
Load Diff
19
tokenizer_config.json
Normal file
19
tokenizer_config.json
Normal file
@@ -0,0 +1,19 @@
|
|||||||
|
{
|
||||||
|
"backend": "tokenizers",
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"extra_special_tokens": [
|
||||||
|
"<|im_start|>",
|
||||||
|
"<|im_end|>"
|
||||||
|
],
|
||||||
|
"is_local": false,
|
||||||
|
"legacy": false,
|
||||||
|
"model_max_length": 2048,
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"padding_side": "right",
|
||||||
|
"sp_model_kwargs": {},
|
||||||
|
"tokenizer_class": "TokenizersBackend",
|
||||||
|
"unk_token": "<unk>",
|
||||||
|
"use_default_system_prompt": false
|
||||||
|
}
|
||||||
Reference in New Issue
Block a user