初始化项目,由ModelHub XC社区提供模型
Model: danurahul/alex_gpt3_Doctextfull Source: Original Platform
This commit is contained in:
18
.gitattributes
vendored
Normal file
18
.gitattributes
vendored
Normal file
@@ -0,0 +1,18 @@
|
||||
*.bin.* filter=lfs diff=lfs merge=lfs -text
|
||||
*.lfs.* filter=lfs diff=lfs merge=lfs -text
|
||||
*.bin filter=lfs diff=lfs merge=lfs -text
|
||||
*.h5 filter=lfs diff=lfs merge=lfs -text
|
||||
*.tflite filter=lfs diff=lfs merge=lfs -text
|
||||
*.tar.gz filter=lfs diff=lfs merge=lfs -text
|
||||
*.ot filter=lfs diff=lfs merge=lfs -text
|
||||
*.onnx filter=lfs diff=lfs merge=lfs -text
|
||||
*.arrow filter=lfs diff=lfs merge=lfs -text
|
||||
*.ftz filter=lfs diff=lfs merge=lfs -text
|
||||
*.joblib filter=lfs diff=lfs merge=lfs -text
|
||||
*.model filter=lfs diff=lfs merge=lfs -text
|
||||
*.msgpack filter=lfs diff=lfs merge=lfs -text
|
||||
*.pb filter=lfs diff=lfs merge=lfs -text
|
||||
*.pt filter=lfs diff=lfs merge=lfs -text
|
||||
*.pth filter=lfs diff=lfs merge=lfs -text
|
||||
*.msgpack filter=lfs diff=lfs merge=lfs -text
|
||||
model.safetensors filter=lfs diff=lfs merge=lfs -text
|
||||
43
config.json
Normal file
43
config.json
Normal file
@@ -0,0 +1,43 @@
|
||||
{
|
||||
"_name_or_path": "distilgpt2",
|
||||
"_num_labels": 1,
|
||||
"activation_function": "gelu_new",
|
||||
"architectures": [
|
||||
"GPT2LMHeadModel"
|
||||
],
|
||||
"attn_pdrop": 0.1,
|
||||
"bos_token_id": 50256,
|
||||
"embd_pdrop": 0.1,
|
||||
"eos_token_id": 50256,
|
||||
"gradient_checkpointing": false,
|
||||
"id2label": {
|
||||
"0": "LABEL_0"
|
||||
},
|
||||
"initializer_range": 0.02,
|
||||
"label2id": {
|
||||
"LABEL_0": 0
|
||||
},
|
||||
"layer_norm_epsilon": 1e-05,
|
||||
"model_type": "gpt2",
|
||||
"n_ctx": 1024,
|
||||
"n_embd": 768,
|
||||
"n_head": 12,
|
||||
"n_inner": null,
|
||||
"n_layer": 6,
|
||||
"n_positions": 1024,
|
||||
"resid_pdrop": 0.1,
|
||||
"summary_activation": null,
|
||||
"summary_first_dropout": 0.1,
|
||||
"summary_proj_to_labels": true,
|
||||
"summary_type": "cls_index",
|
||||
"summary_use_proj": true,
|
||||
"task_specific_params": {
|
||||
"text-generation": {
|
||||
"do_sample": true,
|
||||
"max_length": 50
|
||||
}
|
||||
},
|
||||
"transformers_version": "4.5.1",
|
||||
"use_cache": true,
|
||||
"vocab_size": 50257
|
||||
}
|
||||
3
flax_model.msgpack
Normal file
3
flax_model.msgpack
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:92c1d115b5f27087f5194eedc18edebd0dab80f7c4c5af321da0433b1b556ecf
|
||||
size 327652826
|
||||
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:b5d641e37ad05599c77a38e5846b37f67871fc82bf8c3e0d9c4d6a31ca02db58
|
||||
size 333950622
|
||||
3
optimizer.pt
Normal file
3
optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:186dc252fe4414ddc2fdcf2aeb4015aec546fbcd40e8d4adfc2105ca69caaae1
|
||||
size 655348359
|
||||
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 sha256:3e50a87396482a6adbb1dffc38f46dfe85a39d39f583a052924f936a16e5d09d
|
||||
size 333975623
|
||||
3
scheduler.pt
Normal file
3
scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:62da7b51f6e64a0f055cb2efcaa868bae5f04af58b80a3c13159f7ecd3d815dc
|
||||
size 623
|
||||
1
special_tokens_map.json
Normal file
1
special_tokens_map.json
Normal file
@@ -0,0 +1 @@
|
||||
{"bos_token": "<|endoftext|>", "eos_token": "<|endoftext|>", "unk_token": "<|endoftext|>"}
|
||||
1
tokenizer_config.json
Normal file
1
tokenizer_config.json
Normal file
@@ -0,0 +1 @@
|
||||
{"unk_token": "<|endoftext|>", "bos_token": "<|endoftext|>", "eos_token": "<|endoftext|>", "add_prefix_space": false, "model_max_length": 1024, "special_tokens_map_file": null, "name_or_path": "distilgpt2"}
|
||||
526
trainer_state.json
Normal file
526
trainer_state.json
Normal file
@@ -0,0 +1,526 @@
|
||||
{
|
||||
"best_metric": null,
|
||||
"best_model_checkpoint": null,
|
||||
"epoch": 2.9716123619074253,
|
||||
"global_step": 42500,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 0.03,
|
||||
"learning_rate": 4.941733090942992e-05,
|
||||
"loss": 3.2035,
|
||||
"step": 500
|
||||
},
|
||||
{
|
||||
"epoch": 0.07,
|
||||
"learning_rate": 4.8834661818859834e-05,
|
||||
"loss": 3.1734,
|
||||
"step": 1000
|
||||
},
|
||||
{
|
||||
"epoch": 0.1,
|
||||
"learning_rate": 4.825199272828975e-05,
|
||||
"loss": 3.1439,
|
||||
"step": 1500
|
||||
},
|
||||
{
|
||||
"epoch": 0.14,
|
||||
"learning_rate": 4.766932363771967e-05,
|
||||
"loss": 3.1277,
|
||||
"step": 2000
|
||||
},
|
||||
{
|
||||
"epoch": 0.17,
|
||||
"learning_rate": 4.7086654547149584e-05,
|
||||
"loss": 3.1302,
|
||||
"step": 2500
|
||||
},
|
||||
{
|
||||
"epoch": 0.21,
|
||||
"learning_rate": 4.65039854565795e-05,
|
||||
"loss": 3.1091,
|
||||
"step": 3000
|
||||
},
|
||||
{
|
||||
"epoch": 0.24,
|
||||
"learning_rate": 4.592131636600942e-05,
|
||||
"loss": 3.115,
|
||||
"step": 3500
|
||||
},
|
||||
{
|
||||
"epoch": 0.28,
|
||||
"learning_rate": 4.5338647275439334e-05,
|
||||
"loss": 3.0718,
|
||||
"step": 4000
|
||||
},
|
||||
{
|
||||
"epoch": 0.31,
|
||||
"learning_rate": 4.4755978184869253e-05,
|
||||
"loss": 3.0977,
|
||||
"step": 4500
|
||||
},
|
||||
{
|
||||
"epoch": 0.35,
|
||||
"learning_rate": 4.417330909429917e-05,
|
||||
"loss": 3.1092,
|
||||
"step": 5000
|
||||
},
|
||||
{
|
||||
"epoch": 0.38,
|
||||
"learning_rate": 4.3590640003729085e-05,
|
||||
"loss": 3.0919,
|
||||
"step": 5500
|
||||
},
|
||||
{
|
||||
"epoch": 0.42,
|
||||
"learning_rate": 4.3007970913159004e-05,
|
||||
"loss": 3.0868,
|
||||
"step": 6000
|
||||
},
|
||||
{
|
||||
"epoch": 0.45,
|
||||
"learning_rate": 4.242530182258892e-05,
|
||||
"loss": 3.0913,
|
||||
"step": 6500
|
||||
},
|
||||
{
|
||||
"epoch": 0.49,
|
||||
"learning_rate": 4.1842632732018835e-05,
|
||||
"loss": 3.0817,
|
||||
"step": 7000
|
||||
},
|
||||
{
|
||||
"epoch": 0.52,
|
||||
"learning_rate": 4.1259963641448754e-05,
|
||||
"loss": 3.0835,
|
||||
"step": 7500
|
||||
},
|
||||
{
|
||||
"epoch": 0.56,
|
||||
"learning_rate": 4.0677294550878666e-05,
|
||||
"loss": 3.059,
|
||||
"step": 8000
|
||||
},
|
||||
{
|
||||
"epoch": 0.59,
|
||||
"learning_rate": 4.0094625460308585e-05,
|
||||
"loss": 3.0757,
|
||||
"step": 8500
|
||||
},
|
||||
{
|
||||
"epoch": 0.63,
|
||||
"learning_rate": 3.95119563697385e-05,
|
||||
"loss": 3.0767,
|
||||
"step": 9000
|
||||
},
|
||||
{
|
||||
"epoch": 0.66,
|
||||
"learning_rate": 3.892928727916842e-05,
|
||||
"loss": 3.0637,
|
||||
"step": 9500
|
||||
},
|
||||
{
|
||||
"epoch": 0.7,
|
||||
"learning_rate": 3.834661818859833e-05,
|
||||
"loss": 3.0504,
|
||||
"step": 10000
|
||||
},
|
||||
{
|
||||
"epoch": 0.73,
|
||||
"learning_rate": 3.776394909802825e-05,
|
||||
"loss": 3.0339,
|
||||
"step": 10500
|
||||
},
|
||||
{
|
||||
"epoch": 0.77,
|
||||
"learning_rate": 3.718128000745816e-05,
|
||||
"loss": 3.0385,
|
||||
"step": 11000
|
||||
},
|
||||
{
|
||||
"epoch": 0.8,
|
||||
"learning_rate": 3.659861091688808e-05,
|
||||
"loss": 3.064,
|
||||
"step": 11500
|
||||
},
|
||||
{
|
||||
"epoch": 0.84,
|
||||
"learning_rate": 3.6015941826318e-05,
|
||||
"loss": 3.0685,
|
||||
"step": 12000
|
||||
},
|
||||
{
|
||||
"epoch": 0.87,
|
||||
"learning_rate": 3.543327273574791e-05,
|
||||
"loss": 3.0366,
|
||||
"step": 12500
|
||||
},
|
||||
{
|
||||
"epoch": 0.91,
|
||||
"learning_rate": 3.485060364517783e-05,
|
||||
"loss": 3.0512,
|
||||
"step": 13000
|
||||
},
|
||||
{
|
||||
"epoch": 0.94,
|
||||
"learning_rate": 3.426793455460775e-05,
|
||||
"loss": 3.0179,
|
||||
"step": 13500
|
||||
},
|
||||
{
|
||||
"epoch": 0.98,
|
||||
"learning_rate": 3.368526546403766e-05,
|
||||
"loss": 3.0113,
|
||||
"step": 14000
|
||||
},
|
||||
{
|
||||
"epoch": 1.01,
|
||||
"learning_rate": 3.310259637346758e-05,
|
||||
"loss": 2.9934,
|
||||
"step": 14500
|
||||
},
|
||||
{
|
||||
"epoch": 1.05,
|
||||
"learning_rate": 3.25199272828975e-05,
|
||||
"loss": 3.0166,
|
||||
"step": 15000
|
||||
},
|
||||
{
|
||||
"epoch": 1.08,
|
||||
"learning_rate": 3.193725819232741e-05,
|
||||
"loss": 3.0001,
|
||||
"step": 15500
|
||||
},
|
||||
{
|
||||
"epoch": 1.12,
|
||||
"learning_rate": 3.135458910175733e-05,
|
||||
"loss": 2.9672,
|
||||
"step": 16000
|
||||
},
|
||||
{
|
||||
"epoch": 1.15,
|
||||
"learning_rate": 3.077192001118725e-05,
|
||||
"loss": 2.9892,
|
||||
"step": 16500
|
||||
},
|
||||
{
|
||||
"epoch": 1.19,
|
||||
"learning_rate": 3.018925092061716e-05,
|
||||
"loss": 2.9614,
|
||||
"step": 17000
|
||||
},
|
||||
{
|
||||
"epoch": 1.22,
|
||||
"learning_rate": 2.960658183004708e-05,
|
||||
"loss": 2.9961,
|
||||
"step": 17500
|
||||
},
|
||||
{
|
||||
"epoch": 1.26,
|
||||
"learning_rate": 2.9023912739477e-05,
|
||||
"loss": 2.9779,
|
||||
"step": 18000
|
||||
},
|
||||
{
|
||||
"epoch": 1.29,
|
||||
"learning_rate": 2.8441243648906912e-05,
|
||||
"loss": 2.9579,
|
||||
"step": 18500
|
||||
},
|
||||
{
|
||||
"epoch": 1.33,
|
||||
"learning_rate": 2.785857455833683e-05,
|
||||
"loss": 2.973,
|
||||
"step": 19000
|
||||
},
|
||||
{
|
||||
"epoch": 1.36,
|
||||
"learning_rate": 2.727590546776675e-05,
|
||||
"loss": 2.9722,
|
||||
"step": 19500
|
||||
},
|
||||
{
|
||||
"epoch": 1.4,
|
||||
"learning_rate": 2.6693236377196662e-05,
|
||||
"loss": 2.9646,
|
||||
"step": 20000
|
||||
},
|
||||
{
|
||||
"epoch": 1.43,
|
||||
"learning_rate": 2.611056728662658e-05,
|
||||
"loss": 2.9623,
|
||||
"step": 20500
|
||||
},
|
||||
{
|
||||
"epoch": 1.47,
|
||||
"learning_rate": 2.55278981960565e-05,
|
||||
"loss": 2.9916,
|
||||
"step": 21000
|
||||
},
|
||||
{
|
||||
"epoch": 1.5,
|
||||
"learning_rate": 2.4945229105486416e-05,
|
||||
"loss": 2.9656,
|
||||
"step": 21500
|
||||
},
|
||||
{
|
||||
"epoch": 1.54,
|
||||
"learning_rate": 2.436256001491633e-05,
|
||||
"loss": 2.9928,
|
||||
"step": 22000
|
||||
},
|
||||
{
|
||||
"epoch": 1.57,
|
||||
"learning_rate": 2.3779890924346247e-05,
|
||||
"loss": 2.9385,
|
||||
"step": 22500
|
||||
},
|
||||
{
|
||||
"epoch": 1.61,
|
||||
"learning_rate": 2.3197221833776163e-05,
|
||||
"loss": 2.957,
|
||||
"step": 23000
|
||||
},
|
||||
{
|
||||
"epoch": 1.64,
|
||||
"learning_rate": 2.261455274320608e-05,
|
||||
"loss": 2.9654,
|
||||
"step": 23500
|
||||
},
|
||||
{
|
||||
"epoch": 1.68,
|
||||
"learning_rate": 2.2031883652635994e-05,
|
||||
"loss": 2.97,
|
||||
"step": 24000
|
||||
},
|
||||
{
|
||||
"epoch": 1.71,
|
||||
"learning_rate": 2.144921456206591e-05,
|
||||
"loss": 2.9741,
|
||||
"step": 24500
|
||||
},
|
||||
{
|
||||
"epoch": 1.75,
|
||||
"learning_rate": 2.086654547149583e-05,
|
||||
"loss": 2.9547,
|
||||
"step": 25000
|
||||
},
|
||||
{
|
||||
"epoch": 1.78,
|
||||
"learning_rate": 2.0283876380925745e-05,
|
||||
"loss": 2.9451,
|
||||
"step": 25500
|
||||
},
|
||||
{
|
||||
"epoch": 1.82,
|
||||
"learning_rate": 1.970120729035566e-05,
|
||||
"loss": 2.9596,
|
||||
"step": 26000
|
||||
},
|
||||
{
|
||||
"epoch": 1.85,
|
||||
"learning_rate": 1.911853819978558e-05,
|
||||
"loss": 2.9608,
|
||||
"step": 26500
|
||||
},
|
||||
{
|
||||
"epoch": 1.89,
|
||||
"learning_rate": 1.8535869109215495e-05,
|
||||
"loss": 2.9353,
|
||||
"step": 27000
|
||||
},
|
||||
{
|
||||
"epoch": 1.92,
|
||||
"learning_rate": 1.795320001864541e-05,
|
||||
"loss": 2.9597,
|
||||
"step": 27500
|
||||
},
|
||||
{
|
||||
"epoch": 1.96,
|
||||
"learning_rate": 1.737053092807533e-05,
|
||||
"loss": 2.9766,
|
||||
"step": 28000
|
||||
},
|
||||
{
|
||||
"epoch": 1.99,
|
||||
"learning_rate": 1.6787861837505245e-05,
|
||||
"loss": 2.9663,
|
||||
"step": 28500
|
||||
},
|
||||
{
|
||||
"epoch": 2.03,
|
||||
"learning_rate": 1.620519274693516e-05,
|
||||
"loss": 2.9407,
|
||||
"step": 29000
|
||||
},
|
||||
{
|
||||
"epoch": 2.06,
|
||||
"learning_rate": 1.562252365636508e-05,
|
||||
"loss": 2.9297,
|
||||
"step": 29500
|
||||
},
|
||||
{
|
||||
"epoch": 2.1,
|
||||
"learning_rate": 1.5039854565794994e-05,
|
||||
"loss": 2.8912,
|
||||
"step": 30000
|
||||
},
|
||||
{
|
||||
"epoch": 2.13,
|
||||
"learning_rate": 1.445718547522491e-05,
|
||||
"loss": 2.9339,
|
||||
"step": 30500
|
||||
},
|
||||
{
|
||||
"epoch": 2.17,
|
||||
"learning_rate": 1.3874516384654828e-05,
|
||||
"loss": 2.9428,
|
||||
"step": 31000
|
||||
},
|
||||
{
|
||||
"epoch": 2.2,
|
||||
"learning_rate": 1.3291847294084744e-05,
|
||||
"loss": 2.9401,
|
||||
"step": 31500
|
||||
},
|
||||
{
|
||||
"epoch": 2.24,
|
||||
"learning_rate": 1.270917820351466e-05,
|
||||
"loss": 2.9332,
|
||||
"step": 32000
|
||||
},
|
||||
{
|
||||
"epoch": 2.27,
|
||||
"learning_rate": 1.2126509112944577e-05,
|
||||
"loss": 2.9101,
|
||||
"step": 32500
|
||||
},
|
||||
{
|
||||
"epoch": 2.31,
|
||||
"learning_rate": 1.1543840022374494e-05,
|
||||
"loss": 2.9166,
|
||||
"step": 33000
|
||||
},
|
||||
{
|
||||
"epoch": 2.34,
|
||||
"learning_rate": 1.096117093180441e-05,
|
||||
"loss": 2.9384,
|
||||
"step": 33500
|
||||
},
|
||||
{
|
||||
"epoch": 2.38,
|
||||
"learning_rate": 1.0378501841234327e-05,
|
||||
"loss": 2.9133,
|
||||
"step": 34000
|
||||
},
|
||||
{
|
||||
"epoch": 2.41,
|
||||
"learning_rate": 9.795832750664243e-06,
|
||||
"loss": 2.8853,
|
||||
"step": 34500
|
||||
},
|
||||
{
|
||||
"epoch": 2.45,
|
||||
"learning_rate": 9.213163660094159e-06,
|
||||
"loss": 2.9052,
|
||||
"step": 35000
|
||||
},
|
||||
{
|
||||
"epoch": 2.48,
|
||||
"learning_rate": 8.630494569524076e-06,
|
||||
"loss": 2.9147,
|
||||
"step": 35500
|
||||
},
|
||||
{
|
||||
"epoch": 2.52,
|
||||
"learning_rate": 8.047825478953992e-06,
|
||||
"loss": 2.9421,
|
||||
"step": 36000
|
||||
},
|
||||
{
|
||||
"epoch": 2.55,
|
||||
"learning_rate": 7.465156388383909e-06,
|
||||
"loss": 2.9287,
|
||||
"step": 36500
|
||||
},
|
||||
{
|
||||
"epoch": 2.59,
|
||||
"learning_rate": 6.8824872978138264e-06,
|
||||
"loss": 2.9044,
|
||||
"step": 37000
|
||||
},
|
||||
{
|
||||
"epoch": 2.62,
|
||||
"learning_rate": 6.299818207243742e-06,
|
||||
"loss": 2.9015,
|
||||
"step": 37500
|
||||
},
|
||||
{
|
||||
"epoch": 2.66,
|
||||
"learning_rate": 5.7171491166736594e-06,
|
||||
"loss": 2.9207,
|
||||
"step": 38000
|
||||
},
|
||||
{
|
||||
"epoch": 2.69,
|
||||
"learning_rate": 5.134480026103575e-06,
|
||||
"loss": 2.9307,
|
||||
"step": 38500
|
||||
},
|
||||
{
|
||||
"epoch": 2.73,
|
||||
"learning_rate": 4.5518109355334916e-06,
|
||||
"loss": 2.9315,
|
||||
"step": 39000
|
||||
},
|
||||
{
|
||||
"epoch": 2.76,
|
||||
"learning_rate": 3.969141844963409e-06,
|
||||
"loss": 2.9047,
|
||||
"step": 39500
|
||||
},
|
||||
{
|
||||
"epoch": 2.8,
|
||||
"learning_rate": 3.386472754393325e-06,
|
||||
"loss": 2.9263,
|
||||
"step": 40000
|
||||
},
|
||||
{
|
||||
"epoch": 2.83,
|
||||
"learning_rate": 2.8038036638232415e-06,
|
||||
"loss": 2.9154,
|
||||
"step": 40500
|
||||
},
|
||||
{
|
||||
"epoch": 2.87,
|
||||
"learning_rate": 2.2211345732531584e-06,
|
||||
"loss": 2.9042,
|
||||
"step": 41000
|
||||
},
|
||||
{
|
||||
"epoch": 2.9,
|
||||
"learning_rate": 1.6384654826830745e-06,
|
||||
"loss": 2.886,
|
||||
"step": 41500
|
||||
},
|
||||
{
|
||||
"epoch": 2.94,
|
||||
"learning_rate": 1.0557963921129912e-06,
|
||||
"loss": 2.9167,
|
||||
"step": 42000
|
||||
},
|
||||
{
|
||||
"epoch": 2.97,
|
||||
"learning_rate": 4.731273015429078e-07,
|
||||
"loss": 2.8958,
|
||||
"step": 42500
|
||||
}
|
||||
],
|
||||
"max_steps": 42906,
|
||||
"num_train_epochs": 3,
|
||||
"total_flos": 4.277802369024e+16,
|
||||
"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:b80cc04d242bd16bb6b8bcc6a87bc41d998f13105373c518667c57faf1624850
|
||||
size 2351
|
||||
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