初始化项目,由ModelHub XC社区提供模型
Model: ducklingcodehouse/Finnish-DentalQA-v3 Source: Original Platform
This commit is contained in:
511
runs/trainer_state.json
Normal file
511
runs/trainer_state.json
Normal file
@@ -0,0 +1,511 @@
|
||||
{
|
||||
"best_global_step": null,
|
||||
"best_metric": null,
|
||||
"best_model_checkpoint": null,
|
||||
"epoch": 1.9976438909458096,
|
||||
"eval_steps": 371,
|
||||
"global_step": 2968,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 0.03365870077415012,
|
||||
"grad_norm": 2.984375,
|
||||
"learning_rate": 1.8421052631578947e-05,
|
||||
"loss": 1.0907,
|
||||
"step": 50
|
||||
},
|
||||
{
|
||||
"epoch": 0.06731740154830024,
|
||||
"grad_norm": 2.6875,
|
||||
"learning_rate": 3.721804511278196e-05,
|
||||
"loss": 0.7488,
|
||||
"step": 100
|
||||
},
|
||||
{
|
||||
"epoch": 0.10097610232245036,
|
||||
"grad_norm": 1.9453125,
|
||||
"learning_rate": 4.999831161062044e-05,
|
||||
"loss": 0.7217,
|
||||
"step": 150
|
||||
},
|
||||
{
|
||||
"epoch": 0.13463480309660047,
|
||||
"grad_norm": 1.734375,
|
||||
"learning_rate": 4.997127617815812e-05,
|
||||
"loss": 0.7079,
|
||||
"step": 200
|
||||
},
|
||||
{
|
||||
"epoch": 0.1682935038707506,
|
||||
"grad_norm": 1.46875,
|
||||
"learning_rate": 4.9911305528702e-05,
|
||||
"loss": 0.6731,
|
||||
"step": 250
|
||||
},
|
||||
{
|
||||
"epoch": 0.2019522046449007,
|
||||
"grad_norm": 1.4609375,
|
||||
"learning_rate": 4.981847875898461e-05,
|
||||
"loss": 0.6538,
|
||||
"step": 300
|
||||
},
|
||||
{
|
||||
"epoch": 0.23561090541905083,
|
||||
"grad_norm": 1.40625,
|
||||
"learning_rate": 4.9692918300466075e-05,
|
||||
"loss": 0.6337,
|
||||
"step": 350
|
||||
},
|
||||
{
|
||||
"epoch": 0.24974755974419388,
|
||||
"eval_loss": 0.6199322938919067,
|
||||
"eval_runtime": 100.4004,
|
||||
"eval_samples_per_second": 24.93,
|
||||
"eval_steps_per_second": 6.235,
|
||||
"step": 371
|
||||
},
|
||||
{
|
||||
"epoch": 0.26926960619320095,
|
||||
"grad_norm": 1.3203125,
|
||||
"learning_rate": 4.953478975785629e-05,
|
||||
"loss": 0.6167,
|
||||
"step": 400
|
||||
},
|
||||
{
|
||||
"epoch": 0.30292830696735107,
|
||||
"grad_norm": 1.2421875,
|
||||
"learning_rate": 4.934430169069488e-05,
|
||||
"loss": 0.6001,
|
||||
"step": 450
|
||||
},
|
||||
{
|
||||
"epoch": 0.3365870077415012,
|
||||
"grad_norm": 1.171875,
|
||||
"learning_rate": 4.9121705338277035e-05,
|
||||
"loss": 0.595,
|
||||
"step": 500
|
||||
},
|
||||
{
|
||||
"epoch": 0.3702457085156513,
|
||||
"grad_norm": 1.140625,
|
||||
"learning_rate": 4.886729428828791e-05,
|
||||
"loss": 0.5824,
|
||||
"step": 550
|
||||
},
|
||||
{
|
||||
"epoch": 0.4039044092898014,
|
||||
"grad_norm": 1.09375,
|
||||
"learning_rate": 4.858140408958282e-05,
|
||||
"loss": 0.5798,
|
||||
"step": 600
|
||||
},
|
||||
{
|
||||
"epoch": 0.43756311006395154,
|
||||
"grad_norm": 1.0546875,
|
||||
"learning_rate": 4.826441180962373e-05,
|
||||
"loss": 0.563,
|
||||
"step": 650
|
||||
},
|
||||
{
|
||||
"epoch": 0.47122181083810166,
|
||||
"grad_norm": 1.140625,
|
||||
"learning_rate": 4.7916735537155956e-05,
|
||||
"loss": 0.561,
|
||||
"step": 700
|
||||
},
|
||||
{
|
||||
"epoch": 0.49949511948838776,
|
||||
"eval_loss": 0.563587486743927,
|
||||
"eval_runtime": 100.0625,
|
||||
"eval_samples_per_second": 25.014,
|
||||
"eval_steps_per_second": 6.256,
|
||||
"step": 742
|
||||
},
|
||||
{
|
||||
"epoch": 0.5048805116122518,
|
||||
"grad_norm": 1.0703125,
|
||||
"learning_rate": 4.753883383078079e-05,
|
||||
"loss": 0.5537,
|
||||
"step": 750
|
||||
},
|
||||
{
|
||||
"epoch": 0.5385392123864019,
|
||||
"grad_norm": 1.0234375,
|
||||
"learning_rate": 4.71312051141516e-05,
|
||||
"loss": 0.5381,
|
||||
"step": 800
|
||||
},
|
||||
{
|
||||
"epoch": 0.572197913160552,
|
||||
"grad_norm": 1.0390625,
|
||||
"learning_rate": 4.669438701859086e-05,
|
||||
"loss": 0.5376,
|
||||
"step": 850
|
||||
},
|
||||
{
|
||||
"epoch": 0.6058566139347021,
|
||||
"grad_norm": 0.98046875,
|
||||
"learning_rate": 4.6228955673995206e-05,
|
||||
"loss": 0.5311,
|
||||
"step": 900
|
||||
},
|
||||
{
|
||||
"epoch": 0.6395153147088523,
|
||||
"grad_norm": 0.94921875,
|
||||
"learning_rate": 4.5735524948963945e-05,
|
||||
"loss": 0.5254,
|
||||
"step": 950
|
||||
},
|
||||
{
|
||||
"epoch": 0.6731740154830024,
|
||||
"grad_norm": 0.94921875,
|
||||
"learning_rate": 4.521474564115293e-05,
|
||||
"loss": 0.5235,
|
||||
"step": 1000
|
||||
},
|
||||
{
|
||||
"epoch": 0.7068327162571525,
|
||||
"grad_norm": 1.0,
|
||||
"learning_rate": 4.4667304618921875e-05,
|
||||
"loss": 0.517,
|
||||
"step": 1050
|
||||
},
|
||||
{
|
||||
"epoch": 0.7404914170313026,
|
||||
"grad_norm": 0.98828125,
|
||||
"learning_rate": 4.4093923915407166e-05,
|
||||
"loss": 0.5065,
|
||||
"step": 1100
|
||||
},
|
||||
{
|
||||
"epoch": 0.7492426792325816,
|
||||
"eval_loss": 0.5226994156837463,
|
||||
"eval_runtime": 99.9631,
|
||||
"eval_samples_per_second": 25.039,
|
||||
"eval_steps_per_second": 6.262,
|
||||
"step": 1113
|
||||
},
|
||||
{
|
||||
"epoch": 0.7741501178054527,
|
||||
"grad_norm": 1.0,
|
||||
"learning_rate": 4.349535977621498e-05,
|
||||
"loss": 0.5059,
|
||||
"step": 1150
|
||||
},
|
||||
{
|
||||
"epoch": 0.8078088185796028,
|
||||
"grad_norm": 0.95703125,
|
||||
"learning_rate": 4.2872401661990755e-05,
|
||||
"loss": 0.4953,
|
||||
"step": 1200
|
||||
},
|
||||
{
|
||||
"epoch": 0.841467519353753,
|
||||
"grad_norm": 0.97265625,
|
||||
"learning_rate": 4.222587120718056e-05,
|
||||
"loss": 0.497,
|
||||
"step": 1250
|
||||
},
|
||||
{
|
||||
"epoch": 0.8751262201279031,
|
||||
"grad_norm": 0.87890625,
|
||||
"learning_rate": 4.155662113635761e-05,
|
||||
"loss": 0.4887,
|
||||
"step": 1300
|
||||
},
|
||||
{
|
||||
"epoch": 0.9087849209020532,
|
||||
"grad_norm": 0.93359375,
|
||||
"learning_rate": 4.0865534139543396e-05,
|
||||
"loss": 0.492,
|
||||
"step": 1350
|
||||
},
|
||||
{
|
||||
"epoch": 0.9424436216762033,
|
||||
"grad_norm": 0.890625,
|
||||
"learning_rate": 4.0153521708006474e-05,
|
||||
"loss": 0.4841,
|
||||
"step": 1400
|
||||
},
|
||||
{
|
||||
"epoch": 0.9761023224503534,
|
||||
"grad_norm": 0.96875,
|
||||
"learning_rate": 3.9421522932074786e-05,
|
||||
"loss": 0.4799,
|
||||
"step": 1450
|
||||
},
|
||||
{
|
||||
"epoch": 0.9989902389767755,
|
||||
"eval_loss": 0.4874838888645172,
|
||||
"eval_runtime": 98.6858,
|
||||
"eval_samples_per_second": 25.363,
|
||||
"eval_steps_per_second": 6.343,
|
||||
"step": 1484
|
||||
},
|
||||
{
|
||||
"epoch": 1.009424436216762,
|
||||
"grad_norm": 0.7890625,
|
||||
"learning_rate": 3.867050326254679e-05,
|
||||
"loss": 0.4807,
|
||||
"step": 1500
|
||||
},
|
||||
{
|
||||
"epoch": 1.0430831369909122,
|
||||
"grad_norm": 0.80078125,
|
||||
"learning_rate": 3.790145323733514e-05,
|
||||
"loss": 0.385,
|
||||
"step": 1550
|
||||
},
|
||||
{
|
||||
"epoch": 1.0767418377650624,
|
||||
"grad_norm": 0.77734375,
|
||||
"learning_rate": 3.71153871750225e-05,
|
||||
"loss": 0.388,
|
||||
"step": 1600
|
||||
},
|
||||
{
|
||||
"epoch": 1.1104005385392124,
|
||||
"grad_norm": 0.734375,
|
||||
"learning_rate": 3.631334183705223e-05,
|
||||
"loss": 0.3861,
|
||||
"step": 1650
|
||||
},
|
||||
{
|
||||
"epoch": 1.1440592393133624,
|
||||
"grad_norm": 0.89453125,
|
||||
"learning_rate": 3.5496375060318876e-05,
|
||||
"loss": 0.3832,
|
||||
"step": 1700
|
||||
},
|
||||
{
|
||||
"epoch": 1.1777179400875126,
|
||||
"grad_norm": 0.84375,
|
||||
"learning_rate": 3.46655643619616e-05,
|
||||
"loss": 0.3813,
|
||||
"step": 1750
|
||||
},
|
||||
{
|
||||
"epoch": 1.2113766408616629,
|
||||
"grad_norm": 0.890625,
|
||||
"learning_rate": 3.3822005518200875e-05,
|
||||
"loss": 0.3817,
|
||||
"step": 1800
|
||||
},
|
||||
{
|
||||
"epoch": 1.2450353416358129,
|
||||
"grad_norm": 0.72265625,
|
||||
"learning_rate": 3.296681111909288e-05,
|
||||
"loss": 0.3789,
|
||||
"step": 1850
|
||||
},
|
||||
{
|
||||
"epoch": 1.248401211713228,
|
||||
"eval_loss": 0.46673256158828735,
|
||||
"eval_runtime": 100.3992,
|
||||
"eval_samples_per_second": 24.93,
|
||||
"eval_steps_per_second": 6.235,
|
||||
"step": 1855
|
||||
},
|
||||
{
|
||||
"epoch": 1.2786940424099629,
|
||||
"grad_norm": 0.921875,
|
||||
"learning_rate": 3.210110910110775e-05,
|
||||
"loss": 0.378,
|
||||
"step": 1900
|
||||
},
|
||||
{
|
||||
"epoch": 1.312352743184113,
|
||||
"grad_norm": 0.89453125,
|
||||
"learning_rate": 3.122604125946696e-05,
|
||||
"loss": 0.3724,
|
||||
"step": 1950
|
||||
},
|
||||
{
|
||||
"epoch": 1.3460114439582633,
|
||||
"grad_norm": 0.76171875,
|
||||
"learning_rate": 3.0342761742202137e-05,
|
||||
"loss": 0.3729,
|
||||
"step": 2000
|
||||
},
|
||||
{
|
||||
"epoch": 1.3796701447324133,
|
||||
"grad_norm": 0.85546875,
|
||||
"learning_rate": 2.9452435527921506e-05,
|
||||
"loss": 0.3688,
|
||||
"step": 2050
|
||||
},
|
||||
{
|
||||
"epoch": 1.4133288455065633,
|
||||
"grad_norm": 0.72265625,
|
||||
"learning_rate": 2.855623688929152e-05,
|
||||
"loss": 0.3681,
|
||||
"step": 2100
|
||||
},
|
||||
{
|
||||
"epoch": 1.4469875462807136,
|
||||
"grad_norm": 0.90234375,
|
||||
"learning_rate": 2.7655347844260417e-05,
|
||||
"loss": 0.3629,
|
||||
"step": 2150
|
||||
},
|
||||
{
|
||||
"epoch": 1.4806462470548638,
|
||||
"grad_norm": 0.82421875,
|
||||
"learning_rate": 2.6750956597066286e-05,
|
||||
"loss": 0.3637,
|
||||
"step": 2200
|
||||
},
|
||||
{
|
||||
"epoch": 1.4981487714574218,
|
||||
"eval_loss": 0.4537140727043152,
|
||||
"eval_runtime": 100.1826,
|
||||
"eval_samples_per_second": 24.984,
|
||||
"eval_steps_per_second": 6.249,
|
||||
"step": 2226
|
||||
},
|
||||
{
|
||||
"epoch": 1.5143049478290138,
|
||||
"grad_norm": 0.91015625,
|
||||
"learning_rate": 2.5844255971085913e-05,
|
||||
"loss": 0.3652,
|
||||
"step": 2250
|
||||
},
|
||||
{
|
||||
"epoch": 1.5479636486031638,
|
||||
"grad_norm": 0.7890625,
|
||||
"learning_rate": 2.493644183559134e-05,
|
||||
"loss": 0.357,
|
||||
"step": 2300
|
||||
},
|
||||
{
|
||||
"epoch": 1.581622349377314,
|
||||
"grad_norm": 0.73046875,
|
||||
"learning_rate": 2.4028711528489107e-05,
|
||||
"loss": 0.3573,
|
||||
"step": 2350
|
||||
},
|
||||
{
|
||||
"epoch": 1.6152810501514643,
|
||||
"grad_norm": 0.78515625,
|
||||
"learning_rate": 2.312226227712245e-05,
|
||||
"loss": 0.356,
|
||||
"step": 2400
|
||||
},
|
||||
{
|
||||
"epoch": 1.6489397509256143,
|
||||
"grad_norm": 0.78125,
|
||||
"learning_rate": 2.221828961921939e-05,
|
||||
"loss": 0.3532,
|
||||
"step": 2450
|
||||
},
|
||||
{
|
||||
"epoch": 1.6825984516997643,
|
||||
"grad_norm": 0.7890625,
|
||||
"learning_rate": 2.1317985826069228e-05,
|
||||
"loss": 0.3496,
|
||||
"step": 2500
|
||||
},
|
||||
{
|
||||
"epoch": 1.7162571524739145,
|
||||
"grad_norm": 0.78515625,
|
||||
"learning_rate": 2.042253833000726e-05,
|
||||
"loss": 0.3479,
|
||||
"step": 2550
|
||||
},
|
||||
{
|
||||
"epoch": 1.7478963312016156,
|
||||
"eval_loss": 0.4370940923690796,
|
||||
"eval_runtime": 100.667,
|
||||
"eval_samples_per_second": 24.864,
|
||||
"eval_steps_per_second": 6.219,
|
||||
"step": 2597
|
||||
},
|
||||
{
|
||||
"epoch": 1.7499158532480648,
|
||||
"grad_norm": 0.9609375,
|
||||
"learning_rate": 1.9533128158281727e-05,
|
||||
"loss": 0.3489,
|
||||
"step": 2600
|
||||
},
|
||||
{
|
||||
"epoch": 1.7835745540222148,
|
||||
"grad_norm": 0.89453125,
|
||||
"learning_rate": 1.865092837536851e-05,
|
||||
"loss": 0.3438,
|
||||
"step": 2650
|
||||
},
|
||||
{
|
||||
"epoch": 1.8172332547963648,
|
||||
"grad_norm": 0.859375,
|
||||
"learning_rate": 1.777710253578821e-05,
|
||||
"loss": 0.3439,
|
||||
"step": 2700
|
||||
},
|
||||
{
|
||||
"epoch": 1.850891955570515,
|
||||
"grad_norm": 0.76953125,
|
||||
"learning_rate": 1.6912803149466065e-05,
|
||||
"loss": 0.3417,
|
||||
"step": 2750
|
||||
},
|
||||
{
|
||||
"epoch": 1.8845506563446652,
|
||||
"grad_norm": 0.84765625,
|
||||
"learning_rate": 1.605917016165891e-05,
|
||||
"loss": 0.3398,
|
||||
"step": 2800
|
||||
},
|
||||
{
|
||||
"epoch": 1.9182093571188152,
|
||||
"grad_norm": 0.8515625,
|
||||
"learning_rate": 1.5217329449453915e-05,
|
||||
"loss": 0.3401,
|
||||
"step": 2850
|
||||
},
|
||||
{
|
||||
"epoch": 1.9518680578929652,
|
||||
"grad_norm": 0.8671875,
|
||||
"learning_rate": 1.4388391336822216e-05,
|
||||
"loss": 0.3389,
|
||||
"step": 2900
|
||||
},
|
||||
{
|
||||
"epoch": 1.9855267586671155,
|
||||
"grad_norm": 0.890625,
|
||||
"learning_rate": 1.3573449130185945e-05,
|
||||
"loss": 0.3311,
|
||||
"step": 2950
|
||||
},
|
||||
{
|
||||
"epoch": 1.9976438909458096,
|
||||
"eval_loss": 0.4261794984340668,
|
||||
"eval_runtime": 99.6602,
|
||||
"eval_samples_per_second": 25.115,
|
||||
"eval_steps_per_second": 6.281,
|
||||
"step": 2968
|
||||
}
|
||||
],
|
||||
"logging_steps": 50,
|
||||
"max_steps": 4458,
|
||||
"num_input_tokens_seen": 0,
|
||||
"num_train_epochs": 3,
|
||||
"save_steps": 371,
|
||||
"stateful_callbacks": {
|
||||
"TrainerControl": {
|
||||
"args": {
|
||||
"should_epoch_stop": false,
|
||||
"should_evaluate": false,
|
||||
"should_log": false,
|
||||
"should_save": true,
|
||||
"should_training_stop": false
|
||||
},
|
||||
"attributes": {}
|
||||
}
|
||||
},
|
||||
"total_flos": 1.7464408109253181e+18,
|
||||
"train_batch_size": 8,
|
||||
"trial_name": null,
|
||||
"trial_params": null
|
||||
}
|
||||
Reference in New Issue
Block a user