初始化项目，由ModelHub XC社区提供模型
Model: bimabk/instruct_12_mar_qwen Source: Original Platform
This commit is contained in:
ModelHub XC
36
.gitattributes
vendored
Normal file
36
.gitattributes
vendored
Normal file
@@ -0,0 +1,36 @@
|
|||||||
|
*.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
|
||||||
|
tokenizer.json filter=lfs diff=lfs merge=lfs -text
|
||||||
24
added_tokens.json
Normal file
24
added_tokens.json
Normal file
@@ -0,0 +1,24 @@
|
|||||||
|
{
|
||||||
|
"</tool_call>": 151658,
|
||||||
|
"<tool_call>": 151657,
|
||||||
|
"<|box_end|>": 151649,
|
||||||
|
"<|box_start|>": 151648,
|
||||||
|
"<|endoftext|>": 151643,
|
||||||
|
"<|file_sep|>": 151664,
|
||||||
|
"<|fim_middle|>": 151660,
|
||||||
|
"<|fim_pad|>": 151662,
|
||||||
|
"<|fim_prefix|>": 151659,
|
||||||
|
"<|fim_suffix|>": 151661,
|
||||||
|
"<|im_end|>": 151645,
|
||||||
|
"<|im_start|>": 151644,
|
||||||
|
"<|image_pad|>": 151655,
|
||||||
|
"<|object_ref_end|>": 151647,
|
||||||
|
"<|object_ref_start|>": 151646,
|
||||||
|
"<|quad_end|>": 151651,
|
||||||
|
"<|quad_start|>": 151650,
|
||||||
|
"<|repo_name|>": 151663,
|
||||||
|
"<|video_pad|>": 151656,
|
||||||
|
"<|vision_end|>": 151653,
|
||||||
|
"<|vision_pad|>": 151654,
|
||||||
|
"<|vision_start|>": 151652
|
||||||
|
}
|
||||||
29
config.json
Normal file
29
config.json
Normal file
@@ -0,0 +1,29 @@
|
|||||||
|
{
|
||||||
|
"architectures": [
|
||||||
|
"Qwen2ForCausalLM"
|
||||||
|
],
|
||||||
|
"attention_dropout": 0.0,
|
||||||
|
"bos_token_id": 151643,
|
||||||
|
"eos_token_id": 151643,
|
||||||
|
"hidden_act": "silu",
|
||||||
|
"hidden_size": 896,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"intermediate_size": 4864,
|
||||||
|
"max_position_embeddings": 32768,
|
||||||
|
"max_window_layers": 24,
|
||||||
|
"model_type": "qwen2",
|
||||||
|
"num_attention_heads": 14,
|
||||||
|
"num_hidden_layers": 24,
|
||||||
|
"num_key_value_heads": 2,
|
||||||
|
"rms_norm_eps": 1e-06,
|
||||||
|
"rope_scaling": null,
|
||||||
|
"rope_theta": 1000000.0,
|
||||||
|
"sliding_window": 32768,
|
||||||
|
"tie_word_embeddings": true,
|
||||||
|
"torch_dtype": "bfloat16",
|
||||||
|
"transformers_version": "4.51.3",
|
||||||
|
"use_cache": false,
|
||||||
|
"use_mrope": false,
|
||||||
|
"use_sliding_window": false,
|
||||||
|
"vocab_size": 151936
|
||||||
|
}
|
||||||
6
generation_config.json
Normal file
6
generation_config.json
Normal file
@@ -0,0 +1,6 @@
|
|||||||
|
{
|
||||||
|
"bos_token_id": 151643,
|
||||||
|
"eos_token_id": 151643,
|
||||||
|
"max_new_tokens": 2048,
|
||||||
|
"transformers_version": "4.51.3"
|
||||||
|
}
|
||||||
151388
merges.txt
Normal file
151388
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:ee9597a31fa91478a692657c86179c8c154834c47e619045573a261cfcdbbdc1
|
||||||
|
size 988097824
|
||||||
31
special_tokens_map.json
Normal file
31
special_tokens_map.json
Normal file
@@ -0,0 +1,31 @@
|
|||||||
|
{
|
||||||
|
"additional_special_tokens": [
|
||||||
|
"<|im_start|>",
|
||||||
|
"<|im_end|>",
|
||||||
|
"<|object_ref_start|>",
|
||||||
|
"<|object_ref_end|>",
|
||||||
|
"<|box_start|>",
|
||||||
|
"<|box_end|>",
|
||||||
|
"<|quad_start|>",
|
||||||
|
"<|quad_end|>",
|
||||||
|
"<|vision_start|>",
|
||||||
|
"<|vision_end|>",
|
||||||
|
"<|vision_pad|>",
|
||||||
|
"<|image_pad|>",
|
||||||
|
"<|video_pad|>"
|
||||||
|
],
|
||||||
|
"eos_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"pad_token": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
}
|
||||||
|
}
|
||||||
3
tokenizer.json
Normal file
3
tokenizer.json
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:9c5ae00e602b8860cbd784ba82a8aa14e8feecec692e7076590d014d7b7fdafa
|
||||||
|
size 11421896
|
||||||
208
tokenizer_config.json
Normal file
208
tokenizer_config.json
Normal file
@@ -0,0 +1,208 @@
|
|||||||
|
{
|
||||||
|
"add_bos_token": false,
|
||||||
|
"add_prefix_space": false,
|
||||||
|
"added_tokens_decoder": {
|
||||||
|
"151643": {
|
||||||
|
"content": "<|endoftext|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151644": {
|
||||||
|
"content": "<|im_start|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151645": {
|
||||||
|
"content": "<|im_end|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151646": {
|
||||||
|
"content": "<|object_ref_start|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151647": {
|
||||||
|
"content": "<|object_ref_end|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151648": {
|
||||||
|
"content": "<|box_start|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151649": {
|
||||||
|
"content": "<|box_end|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151650": {
|
||||||
|
"content": "<|quad_start|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151651": {
|
||||||
|
"content": "<|quad_end|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151652": {
|
||||||
|
"content": "<|vision_start|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151653": {
|
||||||
|
"content": "<|vision_end|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151654": {
|
||||||
|
"content": "<|vision_pad|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151655": {
|
||||||
|
"content": "<|image_pad|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151656": {
|
||||||
|
"content": "<|video_pad|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"151657": {
|
||||||
|
"content": "<tool_call>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"151658": {
|
||||||
|
"content": "</tool_call>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"151659": {
|
||||||
|
"content": "<|fim_prefix|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"151660": {
|
||||||
|
"content": "<|fim_middle|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"151661": {
|
||||||
|
"content": "<|fim_suffix|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"151662": {
|
||||||
|
"content": "<|fim_pad|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"151663": {
|
||||||
|
"content": "<|repo_name|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": false
|
||||||
|
},
|
||||||
|
"151664": {
|
||||||
|
"content": "<|file_sep|>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": false
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"additional_special_tokens": [
|
||||||
|
"<|im_start|>",
|
||||||
|
"<|im_end|>",
|
||||||
|
"<|object_ref_start|>",
|
||||||
|
"<|object_ref_end|>",
|
||||||
|
"<|box_start|>",
|
||||||
|
"<|box_end|>",
|
||||||
|
"<|quad_start|>",
|
||||||
|
"<|quad_end|>",
|
||||||
|
"<|vision_start|>",
|
||||||
|
"<|vision_end|>",
|
||||||
|
"<|vision_pad|>",
|
||||||
|
"<|image_pad|>",
|
||||||
|
"<|video_pad|>"
|
||||||
|
],
|
||||||
|
"bos_token": null,
|
||||||
|
"chat_template": "{%- if tools %}\n {{- '<|im_start|>system\\n' }}\n {%- if messages[0]['role'] == 'system' %}\n {{- messages[0]['content'] }}\n {%- else %}\n {{- 'You are a helpful assistant.' }}\n {%- endif %}\n {{- \"\\n\\n# Tools\\n\\nYou may call one or more functions to assist with the user query.\\n\\nYou are provided with function signatures within <tools></tools> XML tags:\\n<tools>\" }}\n {%- for tool in tools %}\n {{- \"\\n\" }}\n {{- tool | tojson }}\n {%- endfor %}\n {{- \"\\n</tools>\\n\\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\\n<tool_call>\\n{\\\"name\\\": <function-name>, \\\"arguments\\\": <args-json-object>}\\n</tool_call><|im_end|>\\n\" }}\n{%- else %}\n {%- if messages[0]['role'] == 'system' %}\n {{- '<|im_start|>system\\n' + messages[0]['content'] + '<|im_end|>\\n' }}\n {%- else %}\n {{- '<|im_start|>system\\nYou are a helpful assistant.<|im_end|>\\n' }}\n {%- endif %}\n{%- endif %}\n{%- for message in messages %}\n {%- if (message.role == \"user\") or (message.role == \"system\" and not loop.first) or (message.role == \"assistant\" and not message.tool_calls) %}\n {{- '<|im_start|>' + message.role + '\\n' + message.content + '<|im_end|>' + '\\n' }}\n {%- elif message.role == \"assistant\" %}\n {{- '<|im_start|>' + message.role }}\n {%- if message.content %}\n {{- '\\n' + message.content }}\n {%- endif %}\n {%- for tool_call in message.tool_calls %}\n {%- if tool_call.function is defined %}\n {%- set tool_call = tool_call.function %}\n {%- endif %}\n {{- '\\n<tool_call>\\n{\"name\": \"' }}\n {{- tool_call.name }}\n {{- '\", \"arguments\": ' }}\n {{- tool_call.arguments | tojson }}\n {{- '}\\n</tool_call>' }}\n {%- endfor %}\n {{- '<|im_end|>\\n' }}\n {%- elif message.role == \"tool\" %}\n {%- if (loop.index0 == 0) or (messages[loop.index0 - 1].role != \"tool\") %}\n {{- '<|im_start|>user' }}\n {%- endif %}\n {{- '\\n<tool_response>\\n' }}\n {{- message.content }}\n {{- '\\n</tool_response>' }}\n {%- if loop.last or (messages[loop.index0 + 1].role != \"tool\") %}\n {{- '<|im_end|>\\n' }}\n {%- endif %}\n {%- endif %}\n{%- endfor %}\n{%- if add_generation_prompt %}\n {{- '<|im_start|>assistant\\n' }}\n{%- endif %}\n",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "<|endoftext|>",
|
||||||
|
"errors": "replace",
|
||||||
|
"extra_special_tokens": {},
|
||||||
|
"model_max_length": 131072,
|
||||||
|
"pad_token": "<|endoftext|>",
|
||||||
|
"split_special_tokens": false,
|
||||||
|
"tokenizer_class": "Qwen2Tokenizer",
|
||||||
|
"unk_token": null
|
||||||
|
}
|
||||||
610
trainer_state.json
Normal file
610
trainer_state.json
Normal file
@@ -0,0 +1,610 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": null,
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 2.0,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 400,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.025,
|
||||||
|
"grad_norm": 6.375,
|
||||||
|
"learning_rate": 3.385271710662569e-06,
|
||||||
|
"loss": 0.2522,
|
||||||
|
"step": 5
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.05,
|
||||||
|
"grad_norm": 5.4375,
|
||||||
|
"learning_rate": 7.61686134899078e-06,
|
||||||
|
"loss": 0.2154,
|
||||||
|
"step": 10
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.075,
|
||||||
|
"grad_norm": 2.140625,
|
||||||
|
"learning_rate": 1.1848450987318993e-05,
|
||||||
|
"loss": 0.1339,
|
||||||
|
"step": 15
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.1,
|
||||||
|
"grad_norm": 1.96875,
|
||||||
|
"learning_rate": 1.6080040625647203e-05,
|
||||||
|
"loss": 0.1012,
|
||||||
|
"step": 20
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.125,
|
||||||
|
"grad_norm": 1.2109375,
|
||||||
|
"learning_rate": 2.031163026397541e-05,
|
||||||
|
"loss": 0.091,
|
||||||
|
"step": 25
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.15,
|
||||||
|
"grad_norm": 1.2734375,
|
||||||
|
"learning_rate": 2.4543219902303624e-05,
|
||||||
|
"loss": 0.0869,
|
||||||
|
"step": 30
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.175,
|
||||||
|
"grad_norm": 2.65625,
|
||||||
|
"learning_rate": 2.877480954063184e-05,
|
||||||
|
"loss": 0.0839,
|
||||||
|
"step": 35
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.2,
|
||||||
|
"grad_norm": 2.1875,
|
||||||
|
"learning_rate": 3.300639917896005e-05,
|
||||||
|
"loss": 0.0814,
|
||||||
|
"step": 40
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.225,
|
||||||
|
"grad_norm": 1.0234375,
|
||||||
|
"learning_rate": 3.723798881728826e-05,
|
||||||
|
"loss": 0.0777,
|
||||||
|
"step": 45
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.25,
|
||||||
|
"grad_norm": 0.85546875,
|
||||||
|
"learning_rate": 4.146957845561647e-05,
|
||||||
|
"loss": 0.0789,
|
||||||
|
"step": 50
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.275,
|
||||||
|
"grad_norm": 1.1171875,
|
||||||
|
"learning_rate": 4.2313223542407126e-05,
|
||||||
|
"loss": 0.0766,
|
||||||
|
"step": 55
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.3,
|
||||||
|
"grad_norm": 0.8671875,
|
||||||
|
"learning_rate": 4.230236641232887e-05,
|
||||||
|
"loss": 0.0762,
|
||||||
|
"step": 60
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.325,
|
||||||
|
"grad_norm": 0.7890625,
|
||||||
|
"learning_rate": 4.2283162699124824e-05,
|
||||||
|
"loss": 0.0761,
|
||||||
|
"step": 65
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.35,
|
||||||
|
"grad_norm": 1.2265625,
|
||||||
|
"learning_rate": 4.225562082617828e-05,
|
||||||
|
"loss": 0.0755,
|
||||||
|
"step": 70
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.375,
|
||||||
|
"grad_norm": 1.140625,
|
||||||
|
"learning_rate": 4.2219752874265e-05,
|
||||||
|
"loss": 0.0748,
|
||||||
|
"step": 75
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.4,
|
||||||
|
"grad_norm": 0.734375,
|
||||||
|
"learning_rate": 4.217557457625412e-05,
|
||||||
|
"loss": 0.0742,
|
||||||
|
"step": 80
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.425,
|
||||||
|
"grad_norm": 0.75390625,
|
||||||
|
"learning_rate": 4.2123105310207254e-05,
|
||||||
|
"loss": 0.0743,
|
||||||
|
"step": 85
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.45,
|
||||||
|
"grad_norm": 0.83984375,
|
||||||
|
"learning_rate": 4.206236809087862e-05,
|
||||||
|
"loss": 0.0738,
|
||||||
|
"step": 90
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.475,
|
||||||
|
"grad_norm": 0.69140625,
|
||||||
|
"learning_rate": 4.1993389559620004e-05,
|
||||||
|
"loss": 0.0725,
|
||||||
|
"step": 95
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5,
|
||||||
|
"grad_norm": 0.75,
|
||||||
|
"learning_rate": 4.1916199972694975e-05,
|
||||||
|
"loss": 0.0721,
|
||||||
|
"step": 100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.525,
|
||||||
|
"grad_norm": 0.61328125,
|
||||||
|
"learning_rate": 4.18308331880075e-05,
|
||||||
|
"loss": 0.0723,
|
||||||
|
"step": 105
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.55,
|
||||||
|
"grad_norm": 0.6640625,
|
||||||
|
"learning_rate": 4.173732665025073e-05,
|
||||||
|
"loss": 0.0721,
|
||||||
|
"step": 110
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.575,
|
||||||
|
"grad_norm": 0.58984375,
|
||||||
|
"learning_rate": 4.1635721374482566e-05,
|
||||||
|
"loss": 0.0721,
|
||||||
|
"step": 115
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.6,
|
||||||
|
"grad_norm": 0.71484375,
|
||||||
|
"learning_rate": 4.1526061928135026e-05,
|
||||||
|
"loss": 0.0709,
|
||||||
|
"step": 120
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.625,
|
||||||
|
"grad_norm": 0.73828125,
|
||||||
|
"learning_rate": 4.1408396411465564e-05,
|
||||||
|
"loss": 0.0691,
|
||||||
|
"step": 125
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.65,
|
||||||
|
"grad_norm": 0.71875,
|
||||||
|
"learning_rate": 4.1282776436458674e-05,
|
||||||
|
"loss": 0.0691,
|
||||||
|
"step": 130
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.675,
|
||||||
|
"grad_norm": 0.6015625,
|
||||||
|
"learning_rate": 4.114925710418718e-05,
|
||||||
|
"loss": 0.0693,
|
||||||
|
"step": 135
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7,
|
||||||
|
"grad_norm": 0.6171875,
|
||||||
|
"learning_rate": 4.100789698064306e-05,
|
||||||
|
"loss": 0.0676,
|
||||||
|
"step": 140
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.725,
|
||||||
|
"grad_norm": 0.6796875,
|
||||||
|
"learning_rate": 4.0858758071048494e-05,
|
||||||
|
"loss": 0.0703,
|
||||||
|
"step": 145
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.75,
|
||||||
|
"grad_norm": 0.65625,
|
||||||
|
"learning_rate": 4.070190579265833e-05,
|
||||||
|
"loss": 0.0706,
|
||||||
|
"step": 150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.775,
|
||||||
|
"grad_norm": 0.62890625,
|
||||||
|
"learning_rate": 4.0537408946065876e-05,
|
||||||
|
"loss": 0.0711,
|
||||||
|
"step": 155
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.8,
|
||||||
|
"grad_norm": 0.60546875,
|
||||||
|
"learning_rate": 4.0365339685024714e-05,
|
||||||
|
"loss": 0.0711,
|
||||||
|
"step": 160
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.825,
|
||||||
|
"grad_norm": 0.5234375,
|
||||||
|
"learning_rate": 4.0185773484799704e-05,
|
||||||
|
"loss": 0.0694,
|
||||||
|
"step": 165
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.85,
|
||||||
|
"grad_norm": 0.5390625,
|
||||||
|
"learning_rate": 3.999878910906096e-05,
|
||||||
|
"loss": 0.0682,
|
||||||
|
"step": 170
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.875,
|
||||||
|
"grad_norm": 0.7265625,
|
||||||
|
"learning_rate": 3.9804468575335577e-05,
|
||||||
|
"loss": 0.0675,
|
||||||
|
"step": 175
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.9,
|
||||||
|
"grad_norm": 0.63671875,
|
||||||
|
"learning_rate": 3.9602897119032e-05,
|
||||||
|
"loss": 0.0678,
|
||||||
|
"step": 180
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.925,
|
||||||
|
"grad_norm": 0.58203125,
|
||||||
|
"learning_rate": 3.939416315605297e-05,
|
||||||
|
"loss": 0.0661,
|
||||||
|
"step": 185
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.95,
|
||||||
|
"grad_norm": 0.5234375,
|
||||||
|
"learning_rate": 3.917835824401336e-05,
|
||||||
|
"loss": 0.068,
|
||||||
|
"step": 190
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.975,
|
||||||
|
"grad_norm": 0.447265625,
|
||||||
|
"learning_rate": 3.895557704208002e-05,
|
||||||
|
"loss": 0.0661,
|
||||||
|
"step": 195
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"grad_norm": 0.48828125,
|
||||||
|
"learning_rate": 3.872591726945111e-05,
|
||||||
|
"loss": 0.0672,
|
||||||
|
"step": 200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"eval_loss": 0.06500394642353058,
|
||||||
|
"eval_runtime": 1.0599,
|
||||||
|
"eval_samples_per_second": 22.645,
|
||||||
|
"eval_steps_per_second": 22.645,
|
||||||
|
"step": 200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.025,
|
||||||
|
"grad_norm": 0.65234375,
|
||||||
|
"learning_rate": 3.8489479662493214e-05,
|
||||||
|
"loss": 0.0608,
|
||||||
|
"step": 205
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.05,
|
||||||
|
"grad_norm": 0.73828125,
|
||||||
|
"learning_rate": 3.8246367930555095e-05,
|
||||||
|
"loss": 0.0596,
|
||||||
|
"step": 210
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.075,
|
||||||
|
"grad_norm": 0.58203125,
|
||||||
|
"learning_rate": 3.799668871047729e-05,
|
||||||
|
"loss": 0.0614,
|
||||||
|
"step": 215
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.1,
|
||||||
|
"grad_norm": 0.5625,
|
||||||
|
"learning_rate": 3.7740551519817704e-05,
|
||||||
|
"loss": 0.0584,
|
||||||
|
"step": 220
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.125,
|
||||||
|
"grad_norm": 0.62890625,
|
||||||
|
"learning_rate": 3.747806870881357e-05,
|
||||||
|
"loss": 0.0606,
|
||||||
|
"step": 225
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.15,
|
||||||
|
"grad_norm": 0.6640625,
|
||||||
|
"learning_rate": 3.7209355411100936e-05,
|
||||||
|
"loss": 0.0618,
|
||||||
|
"step": 230
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.175,
|
||||||
|
"grad_norm": 0.76171875,
|
||||||
|
"learning_rate": 3.693452949321325e-05,
|
||||||
|
"loss": 0.0608,
|
||||||
|
"step": 235
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.2,
|
||||||
|
"grad_norm": 0.4296875,
|
||||||
|
"learning_rate": 3.665371150288115e-05,
|
||||||
|
"loss": 0.062,
|
||||||
|
"step": 240
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.225,
|
||||||
|
"grad_norm": 0.55859375,
|
||||||
|
"learning_rate": 3.6367024616156335e-05,
|
||||||
|
"loss": 0.061,
|
||||||
|
"step": 245
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.25,
|
||||||
|
"grad_norm": 0.55859375,
|
||||||
|
"learning_rate": 3.607459458338241e-05,
|
||||||
|
"loss": 0.0613,
|
||||||
|
"step": 250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.275,
|
||||||
|
"grad_norm": 0.57421875,
|
||||||
|
"learning_rate": 3.577654967403665e-05,
|
||||||
|
"loss": 0.0599,
|
||||||
|
"step": 255
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.3,
|
||||||
|
"grad_norm": 0.5859375,
|
||||||
|
"learning_rate": 3.547302062046677e-05,
|
||||||
|
"loss": 0.0598,
|
||||||
|
"step": 260
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.325,
|
||||||
|
"grad_norm": 0.49609375,
|
||||||
|
"learning_rate": 3.5164140560547404e-05,
|
||||||
|
"loss": 0.0606,
|
||||||
|
"step": 265
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.35,
|
||||||
|
"grad_norm": 0.54296875,
|
||||||
|
"learning_rate": 3.4850044979281415e-05,
|
||||||
|
"loss": 0.0603,
|
||||||
|
"step": 270
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.375,
|
||||||
|
"grad_norm": 0.52734375,
|
||||||
|
"learning_rate": 3.453087164937168e-05,
|
||||||
|
"loss": 0.0606,
|
||||||
|
"step": 275
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.4,
|
||||||
|
"grad_norm": 0.427734375,
|
||||||
|
"learning_rate": 3.42067605707895e-05,
|
||||||
|
"loss": 0.0583,
|
||||||
|
"step": 280
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.425,
|
||||||
|
"grad_norm": 0.5078125,
|
||||||
|
"learning_rate": 3.387785390936589e-05,
|
||||||
|
"loss": 0.0601,
|
||||||
|
"step": 285
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.45,
|
||||||
|
"grad_norm": 0.5859375,
|
||||||
|
"learning_rate": 3.3544295934433035e-05,
|
||||||
|
"loss": 0.0622,
|
||||||
|
"step": 290
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.475,
|
||||||
|
"grad_norm": 0.4609375,
|
||||||
|
"learning_rate": 3.320623295554294e-05,
|
||||||
|
"loss": 0.0611,
|
||||||
|
"step": 295
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.5,
|
||||||
|
"grad_norm": 0.6640625,
|
||||||
|
"learning_rate": 3.286381325829121e-05,
|
||||||
|
"loss": 0.0592,
|
||||||
|
"step": 300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.525,
|
||||||
|
"grad_norm": 0.48046875,
|
||||||
|
"learning_rate": 3.251718703927414e-05,
|
||||||
|
"loss": 0.0602,
|
||||||
|
"step": 305
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.55,
|
||||||
|
"grad_norm": 0.48828125,
|
||||||
|
"learning_rate": 3.216650634020752e-05,
|
||||||
|
"loss": 0.0598,
|
||||||
|
"step": 310
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.575,
|
||||||
|
"grad_norm": 0.5625,
|
||||||
|
"learning_rate": 3.181192498123603e-05,
|
||||||
|
"loss": 0.0594,
|
||||||
|
"step": 315
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.6,
|
||||||
|
"grad_norm": 0.546875,
|
||||||
|
"learning_rate": 3.145359849346276e-05,
|
||||||
|
"loss": 0.0587,
|
||||||
|
"step": 320
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.625,
|
||||||
|
"grad_norm": 0.4609375,
|
||||||
|
"learning_rate": 3.109168405072805e-05,
|
||||||
|
"loss": 0.0606,
|
||||||
|
"step": 325
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.65,
|
||||||
|
"grad_norm": 0.5546875,
|
||||||
|
"learning_rate": 3.072634040066787e-05,
|
||||||
|
"loss": 0.0618,
|
||||||
|
"step": 330
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.675,
|
||||||
|
"grad_norm": 0.75390625,
|
||||||
|
"learning_rate": 3.0357727795081838e-05,
|
||||||
|
"loss": 0.0588,
|
||||||
|
"step": 335
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.7,
|
||||||
|
"grad_norm": 0.451171875,
|
||||||
|
"learning_rate": 2.998600791964154e-05,
|
||||||
|
"loss": 0.0599,
|
||||||
|
"step": 340
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.725,
|
||||||
|
"grad_norm": 0.63671875,
|
||||||
|
"learning_rate": 2.961134382296979e-05,
|
||||||
|
"loss": 0.0581,
|
||||||
|
"step": 345
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.75,
|
||||||
|
"grad_norm": 0.5546875,
|
||||||
|
"learning_rate": 2.923389984512217e-05,
|
||||||
|
"loss": 0.0615,
|
||||||
|
"step": 350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.775,
|
||||||
|
"grad_norm": 0.5703125,
|
||||||
|
"learning_rate": 2.8853841545501988e-05,
|
||||||
|
"loss": 0.0578,
|
||||||
|
"step": 355
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.8,
|
||||||
|
"grad_norm": 0.443359375,
|
||||||
|
"learning_rate": 2.8471335630240508e-05,
|
||||||
|
"loss": 0.0584,
|
||||||
|
"step": 360
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.825,
|
||||||
|
"grad_norm": 0.4765625,
|
||||||
|
"learning_rate": 2.80865498790741e-05,
|
||||||
|
"loss": 0.0581,
|
||||||
|
"step": 365
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.85,
|
||||||
|
"grad_norm": 0.60546875,
|
||||||
|
"learning_rate": 2.7699653071750514e-05,
|
||||||
|
"loss": 0.0584,
|
||||||
|
"step": 370
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.875,
|
||||||
|
"grad_norm": 0.423828125,
|
||||||
|
"learning_rate": 2.7310814913996507e-05,
|
||||||
|
"loss": 0.0588,
|
||||||
|
"step": 375
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.9,
|
||||||
|
"grad_norm": 0.71484375,
|
||||||
|
"learning_rate": 2.6920205963079284e-05,
|
||||||
|
"loss": 0.0601,
|
||||||
|
"step": 380
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.925,
|
||||||
|
"grad_norm": 0.51953125,
|
||||||
|
"learning_rate": 2.6527997552994465e-05,
|
||||||
|
"loss": 0.0591,
|
||||||
|
"step": 385
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.95,
|
||||||
|
"grad_norm": 0.625,
|
||||||
|
"learning_rate": 2.6134361719313323e-05,
|
||||||
|
"loss": 0.059,
|
||||||
|
"step": 390
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.975,
|
||||||
|
"grad_norm": 0.57421875,
|
||||||
|
"learning_rate": 2.573947112372229e-05,
|
||||||
|
"loss": 0.0601,
|
||||||
|
"step": 395
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"grad_norm": 0.49609375,
|
||||||
|
"learning_rate": 2.5343498978287872e-05,
|
||||||
|
"loss": 0.0582,
|
||||||
|
"step": 400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"eval_loss": 0.06334987282752991,
|
||||||
|
"eval_runtime": 0.9601,
|
||||||
|
"eval_samples_per_second": 24.998,
|
||||||
|
"eval_steps_per_second": 24.998,
|
||||||
|
"step": 400
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 5,
|
||||||
|
"max_steps": 800,
|
||||||
|
"num_input_tokens_seen": 0,
|
||||||
|
"num_train_epochs": 4,
|
||||||
|
"save_steps": 500,
|
||||||
|
"stateful_callbacks": {
|
||||||
|
"TrainerControl": {
|
||||||
|
"args": {
|
||||||
|
"should_epoch_stop": false,
|
||||||
|
"should_evaluate": false,
|
||||||
|
"should_log": false,
|
||||||
|
"should_save": true,
|
||||||
|
"should_training_stop": false
|
||||||
|
},
|
||||||
|
"attributes": {}
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"total_flos": 2.46279712014336e+17,
|
||||||
|
"train_batch_size": 140,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
training_args.bin
Normal file
3
training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:afe38050a0b13e5be9da3c40ef13ba6bc06a724bdb986bbd3c21771c2897ac9a
|
||||||
|
size 5816
|
||||||
1
vocab.json
Normal file
1
vocab.json
Normal file
File diff suppressed because one or more lines are too long
Reference in New Issue
Block a user