初始化项目,由ModelHub XC社区提供模型
Model: fpadovani/bnc_np_13 Source: Original Platform
This commit is contained in:
266
checkpoint-6000/trainer_state.json
Normal file
266
checkpoint-6000/trainer_state.json
Normal file
@@ -0,0 +1,266 @@
|
||||
{
|
||||
"best_global_step": 5096,
|
||||
"best_metric": 5.531695365905762,
|
||||
"best_model_checkpoint": null,
|
||||
"epoch": 15.306122448979592,
|
||||
"eval_steps": 500,
|
||||
"global_step": 6000,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 0.002551020408163265,
|
||||
"grad_norm": 16.32339096069336,
|
||||
"learning_rate": 0.0,
|
||||
"loss": 10.3351,
|
||||
"step": 1
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"grad_norm": 0.6908162236213684,
|
||||
"learning_rate": 7.82e-05,
|
||||
"loss": 7.1094,
|
||||
"step": 392
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"eval_loss": 6.317445755004883,
|
||||
"eval_runtime": 15.5824,
|
||||
"eval_samples_per_second": 1616.887,
|
||||
"eval_steps_per_second": 6.353,
|
||||
"step": 392
|
||||
},
|
||||
{
|
||||
"epoch": 2.0,
|
||||
"grad_norm": 0.7368313074111938,
|
||||
"learning_rate": 9.613387978142077e-05,
|
||||
"loss": 6.0963,
|
||||
"step": 784
|
||||
},
|
||||
{
|
||||
"epoch": 2.0,
|
||||
"eval_loss": 6.024065017700195,
|
||||
"eval_runtime": 15.5591,
|
||||
"eval_samples_per_second": 1619.314,
|
||||
"eval_steps_per_second": 6.363,
|
||||
"step": 784
|
||||
},
|
||||
{
|
||||
"epoch": 3.0,
|
||||
"grad_norm": 0.7423638701438904,
|
||||
"learning_rate": 9.077868852459017e-05,
|
||||
"loss": 5.8833,
|
||||
"step": 1176
|
||||
},
|
||||
{
|
||||
"epoch": 3.0,
|
||||
"eval_loss": 5.884053707122803,
|
||||
"eval_runtime": 15.6179,
|
||||
"eval_samples_per_second": 1613.212,
|
||||
"eval_steps_per_second": 6.339,
|
||||
"step": 1176
|
||||
},
|
||||
{
|
||||
"epoch": 4.0,
|
||||
"grad_norm": 0.707794725894928,
|
||||
"learning_rate": 8.542349726775956e-05,
|
||||
"loss": 5.7525,
|
||||
"step": 1568
|
||||
},
|
||||
{
|
||||
"epoch": 4.0,
|
||||
"eval_loss": 5.788422584533691,
|
||||
"eval_runtime": 15.5176,
|
||||
"eval_samples_per_second": 1623.64,
|
||||
"eval_steps_per_second": 6.38,
|
||||
"step": 1568
|
||||
},
|
||||
{
|
||||
"epoch": 5.0,
|
||||
"grad_norm": 0.7633333802223206,
|
||||
"learning_rate": 8.006830601092896e-05,
|
||||
"loss": 5.6482,
|
||||
"step": 1960
|
||||
},
|
||||
{
|
||||
"epoch": 5.0,
|
||||
"eval_loss": 5.718640327453613,
|
||||
"eval_runtime": 15.5828,
|
||||
"eval_samples_per_second": 1616.851,
|
||||
"eval_steps_per_second": 6.353,
|
||||
"step": 1960
|
||||
},
|
||||
{
|
||||
"epoch": 6.0,
|
||||
"grad_norm": 0.7929214239120483,
|
||||
"learning_rate": 7.471311475409837e-05,
|
||||
"loss": 5.5583,
|
||||
"step": 2352
|
||||
},
|
||||
{
|
||||
"epoch": 6.0,
|
||||
"eval_loss": 5.6633148193359375,
|
||||
"eval_runtime": 15.6437,
|
||||
"eval_samples_per_second": 1610.551,
|
||||
"eval_steps_per_second": 6.328,
|
||||
"step": 2352
|
||||
},
|
||||
{
|
||||
"epoch": 7.0,
|
||||
"grad_norm": 0.8233454823493958,
|
||||
"learning_rate": 6.935792349726776e-05,
|
||||
"loss": 5.4779,
|
||||
"step": 2744
|
||||
},
|
||||
{
|
||||
"epoch": 7.0,
|
||||
"eval_loss": 5.620563507080078,
|
||||
"eval_runtime": 15.5999,
|
||||
"eval_samples_per_second": 1615.079,
|
||||
"eval_steps_per_second": 6.346,
|
||||
"step": 2744
|
||||
},
|
||||
{
|
||||
"epoch": 8.0,
|
||||
"grad_norm": 0.849190354347229,
|
||||
"learning_rate": 6.400273224043716e-05,
|
||||
"loss": 5.4029,
|
||||
"step": 3136
|
||||
},
|
||||
{
|
||||
"epoch": 8.0,
|
||||
"eval_loss": 5.586855888366699,
|
||||
"eval_runtime": 15.6428,
|
||||
"eval_samples_per_second": 1610.644,
|
||||
"eval_steps_per_second": 6.329,
|
||||
"step": 3136
|
||||
},
|
||||
{
|
||||
"epoch": 9.0,
|
||||
"grad_norm": 0.9548335671424866,
|
||||
"learning_rate": 5.864754098360656e-05,
|
||||
"loss": 5.3324,
|
||||
"step": 3528
|
||||
},
|
||||
{
|
||||
"epoch": 9.0,
|
||||
"eval_loss": 5.562436580657959,
|
||||
"eval_runtime": 15.5065,
|
||||
"eval_samples_per_second": 1624.806,
|
||||
"eval_steps_per_second": 6.384,
|
||||
"step": 3528
|
||||
},
|
||||
{
|
||||
"epoch": 10.0,
|
||||
"grad_norm": 1.0412702560424805,
|
||||
"learning_rate": 5.329234972677596e-05,
|
||||
"loss": 5.2657,
|
||||
"step": 3920
|
||||
},
|
||||
{
|
||||
"epoch": 10.0,
|
||||
"eval_loss": 5.544801235198975,
|
||||
"eval_runtime": 15.5961,
|
||||
"eval_samples_per_second": 1615.463,
|
||||
"eval_steps_per_second": 6.348,
|
||||
"step": 3920
|
||||
},
|
||||
{
|
||||
"epoch": 11.0,
|
||||
"grad_norm": 1.1015349626541138,
|
||||
"learning_rate": 4.793715846994536e-05,
|
||||
"loss": 5.2018,
|
||||
"step": 4312
|
||||
},
|
||||
{
|
||||
"epoch": 11.0,
|
||||
"eval_loss": 5.536635398864746,
|
||||
"eval_runtime": 15.6212,
|
||||
"eval_samples_per_second": 1612.869,
|
||||
"eval_steps_per_second": 6.338,
|
||||
"step": 4312
|
||||
},
|
||||
{
|
||||
"epoch": 12.0,
|
||||
"grad_norm": 1.1938425302505493,
|
||||
"learning_rate": 4.258196721311475e-05,
|
||||
"loss": 5.1412,
|
||||
"step": 4704
|
||||
},
|
||||
{
|
||||
"epoch": 12.0,
|
||||
"eval_loss": 5.531932353973389,
|
||||
"eval_runtime": 15.7939,
|
||||
"eval_samples_per_second": 1595.238,
|
||||
"eval_steps_per_second": 6.268,
|
||||
"step": 4704
|
||||
},
|
||||
{
|
||||
"epoch": 13.0,
|
||||
"grad_norm": 1.2612738609313965,
|
||||
"learning_rate": 3.722677595628416e-05,
|
||||
"loss": 5.0841,
|
||||
"step": 5096
|
||||
},
|
||||
{
|
||||
"epoch": 13.0,
|
||||
"eval_loss": 5.531695365905762,
|
||||
"eval_runtime": 15.6388,
|
||||
"eval_samples_per_second": 1611.059,
|
||||
"eval_steps_per_second": 6.33,
|
||||
"step": 5096
|
||||
},
|
||||
{
|
||||
"epoch": 14.0,
|
||||
"grad_norm": 1.3297182321548462,
|
||||
"learning_rate": 3.1871584699453554e-05,
|
||||
"loss": 5.0297,
|
||||
"step": 5488
|
||||
},
|
||||
{
|
||||
"epoch": 14.0,
|
||||
"eval_loss": 5.5333709716796875,
|
||||
"eval_runtime": 15.6204,
|
||||
"eval_samples_per_second": 1612.952,
|
||||
"eval_steps_per_second": 6.338,
|
||||
"step": 5488
|
||||
},
|
||||
{
|
||||
"epoch": 15.0,
|
||||
"grad_norm": 1.4006597995758057,
|
||||
"learning_rate": 2.651639344262295e-05,
|
||||
"loss": 4.9798,
|
||||
"step": 5880
|
||||
},
|
||||
{
|
||||
"epoch": 15.0,
|
||||
"eval_loss": 5.538441181182861,
|
||||
"eval_runtime": 15.6104,
|
||||
"eval_samples_per_second": 1613.986,
|
||||
"eval_steps_per_second": 6.342,
|
||||
"step": 5880
|
||||
}
|
||||
],
|
||||
"logging_steps": 500,
|
||||
"max_steps": 7840,
|
||||
"num_input_tokens_seen": 0,
|
||||
"num_train_epochs": 20,
|
||||
"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": 1.002234580992e+17,
|
||||
"train_batch_size": 256,
|
||||
"trial_name": null,
|
||||
"trial_params": null
|
||||
}
|
||||
Reference in New Issue
Block a user