初始化项目,由ModelHub XC社区提供模型
Model: fpadovani/cds_o_fr_13 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
|
||||||
2
.gitignore
vendored
Normal file
2
.gitignore
vendored
Normal file
@@ -0,0 +1,2 @@
|
|||||||
|
step_*
|
||||||
|
epoch_*
|
||||||
77
README.md
Normal file
77
README.md
Normal file
@@ -0,0 +1,77 @@
|
|||||||
|
---
|
||||||
|
library_name: transformers
|
||||||
|
tags:
|
||||||
|
- generated_from_trainer
|
||||||
|
model-index:
|
||||||
|
- name: cds_o_fr_13
|
||||||
|
results: []
|
||||||
|
---
|
||||||
|
|
||||||
|
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
|
||||||
|
should probably proofread and complete it, then remove this comment. -->
|
||||||
|
|
||||||
|
# cds_o_fr_13
|
||||||
|
|
||||||
|
This model is a fine-tuned version of [](https://huggingface.co/) on an unknown dataset.
|
||||||
|
It achieves the following results on the evaluation set:
|
||||||
|
- Loss: 2.9088
|
||||||
|
|
||||||
|
## Model description
|
||||||
|
|
||||||
|
More information needed
|
||||||
|
|
||||||
|
## Intended uses & limitations
|
||||||
|
|
||||||
|
More information needed
|
||||||
|
|
||||||
|
## Training and evaluation data
|
||||||
|
|
||||||
|
More information needed
|
||||||
|
|
||||||
|
## Training procedure
|
||||||
|
|
||||||
|
### Training hyperparameters
|
||||||
|
|
||||||
|
The following hyperparameters were used during training:
|
||||||
|
- learning_rate: 0.0001
|
||||||
|
- train_batch_size: 256
|
||||||
|
- eval_batch_size: 256
|
||||||
|
- seed: 13
|
||||||
|
- optimizer: Use adamw_torch_fused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
|
||||||
|
- lr_scheduler_type: linear
|
||||||
|
- lr_scheduler_warmup_steps: 500
|
||||||
|
- num_epochs: 20
|
||||||
|
- mixed_precision_training: Native AMP
|
||||||
|
|
||||||
|
### Training results
|
||||||
|
|
||||||
|
| Training Loss | Epoch | Step | Validation Loss |
|
||||||
|
|:-------------:|:-----:|:----:|:---------------:|
|
||||||
|
| 5.8188 | 1.0 | 145 | 4.1782 |
|
||||||
|
| 3.6451 | 2.0 | 290 | 3.4042 |
|
||||||
|
| 3.2742 | 3.0 | 435 | 3.1872 |
|
||||||
|
| 3.1065 | 4.0 | 580 | 3.0692 |
|
||||||
|
| 3.0059 | 5.0 | 725 | 3.0006 |
|
||||||
|
| 2.9407 | 6.0 | 870 | 2.9596 |
|
||||||
|
| 2.8903 | 7.0 | 1015 | 2.9294 |
|
||||||
|
| 2.8492 | 8.0 | 1160 | 2.9076 |
|
||||||
|
| 2.8124 | 9.0 | 1305 | 2.8944 |
|
||||||
|
| 2.7787 | 10.0 | 1450 | 2.8837 |
|
||||||
|
| 2.7466 | 11.0 | 1595 | 2.8761 |
|
||||||
|
| 2.7144 | 12.0 | 1740 | 2.8737 |
|
||||||
|
| 2.6832 | 13.0 | 1885 | 2.8720 |
|
||||||
|
| 2.6516 | 14.0 | 2030 | 2.8742 |
|
||||||
|
| 2.6203 | 15.0 | 2175 | 2.8789 |
|
||||||
|
| 2.5899 | 16.0 | 2320 | 2.8853 |
|
||||||
|
| 2.561 | 17.0 | 2465 | 2.8913 |
|
||||||
|
| 2.5336 | 18.0 | 2610 | 2.8993 |
|
||||||
|
| 2.5111 | 19.0 | 2755 | 2.9061 |
|
||||||
|
| 2.4944 | 20.0 | 2900 | 2.9088 |
|
||||||
|
|
||||||
|
|
||||||
|
### Framework versions
|
||||||
|
|
||||||
|
- Transformers 4.56.1
|
||||||
|
- Pytorch 2.8.0+cu128
|
||||||
|
- Datasets 4.0.0
|
||||||
|
- Tokenizers 0.22.0
|
||||||
33
check-1/config.json
Normal file
33
check-1/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-1/generation_config.json
Normal file
9
check-1/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-1/model.safetensors
Normal file
3
check-1/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:ff66b155f2355ab3469388ab82ce10c9b5512591dfc01d38a2d88864a66bc203
|
||||||
|
size 392536704
|
||||||
33
check-101/config.json
Normal file
33
check-101/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-101/generation_config.json
Normal file
9
check-101/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-101/model.safetensors
Normal file
3
check-101/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:d439b725ce5b1cff59cdd854868305ecdcd71429630490eafe7e1399c48bc164
|
||||||
|
size 392536704
|
||||||
33
check-12/config.json
Normal file
33
check-12/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-12/generation_config.json
Normal file
9
check-12/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-12/model.safetensors
Normal file
3
check-12/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:8f595449f51d5319a1abfc04caa387c9dc2dbad3ff1dc11d111fa6fdd244ab78
|
||||||
|
size 392536704
|
||||||
33
check-1245/config.json
Normal file
33
check-1245/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-1245/generation_config.json
Normal file
9
check-1245/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-1245/model.safetensors
Normal file
3
check-1245/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:126a9a3abf18a252e81358e87c8a68a62a5311ffefae8efa6eaaaabb93626f57
|
||||||
|
size 392536704
|
||||||
33
check-153/config.json
Normal file
33
check-153/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-153/generation_config.json
Normal file
9
check-153/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-153/model.safetensors
Normal file
3
check-153/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:3e653fa74eda8d4b96878695779b6c4727704bcbea274b53dc03019e036b8ba3
|
||||||
|
size 392536704
|
||||||
33
check-1894/config.json
Normal file
33
check-1894/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-1894/generation_config.json
Normal file
9
check-1894/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-1894/model.safetensors
Normal file
3
check-1894/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:0e382443af3ce8f8984350c6911381a57a72f41f47ddc88fbe45e52c7128094d
|
||||||
|
size 392536704
|
||||||
33
check-19/config.json
Normal file
33
check-19/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-19/generation_config.json
Normal file
9
check-19/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-19/model.safetensors
Normal file
3
check-19/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:63611f0104d6bff468ec4afdd34a5770eca23227577cb32fee0f850e7f6c0943
|
||||||
|
size 392536704
|
||||||
33
check-2/config.json
Normal file
33
check-2/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-2/generation_config.json
Normal file
9
check-2/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-2/model.safetensors
Normal file
3
check-2/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:fa0a3fa1ea9057d0460bc8ed85361fce4eb5ca7e2c9059fce72877868b6e4d52
|
||||||
|
size 392536704
|
||||||
33
check-233/config.json
Normal file
33
check-233/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-233/generation_config.json
Normal file
9
check-233/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-233/model.safetensors
Normal file
3
check-233/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:0c86887b6f58831299dd4fbb1ba01f4f636dea3dff7ac275ac0ec194533216da
|
||||||
|
size 392536704
|
||||||
33
check-2880/config.json
Normal file
33
check-2880/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-2880/generation_config.json
Normal file
9
check-2880/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-2880/model.safetensors
Normal file
3
check-2880/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:73b01d8e0dfb924c251087c75fc53395643237c55252090f215933351ec86542
|
||||||
|
size 392536704
|
||||||
33
check-29/config.json
Normal file
33
check-29/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-29/generation_config.json
Normal file
9
check-29/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-29/model.safetensors
Normal file
3
check-29/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:d879f6d2c0614f7fa25a5f118f2430b72a525feda4ef05443f196f11eaee4c21
|
||||||
|
size 392536704
|
||||||
33
check-354/config.json
Normal file
33
check-354/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-354/generation_config.json
Normal file
9
check-354/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-354/model.safetensors
Normal file
3
check-354/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:7e1187253588fb98ceca8d2cdbc7fd18266070e727147c02f5b6497d5796f20a
|
||||||
|
size 392536704
|
||||||
33
check-4/config.json
Normal file
33
check-4/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-4/generation_config.json
Normal file
9
check-4/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-4/model.safetensors
Normal file
3
check-4/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:583674a62e8efa9ad17a4fb4115c4ac5c27dae273ad095eabe237ab7577311ca
|
||||||
|
size 392536704
|
||||||
33
check-44/config.json
Normal file
33
check-44/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-44/generation_config.json
Normal file
9
check-44/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-44/model.safetensors
Normal file
3
check-44/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:b3b79eca462f996f4fdf816189530ff2180e24a31a10da9fe55944f98df96805
|
||||||
|
size 392536704
|
||||||
33
check-5/config.json
Normal file
33
check-5/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-5/generation_config.json
Normal file
9
check-5/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-5/model.safetensors
Normal file
3
check-5/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:2c90a4c2a2b9a77a77d1bdc6742400288e11d758648fc7a8aeecf21f3dc2b145
|
||||||
|
size 392536704
|
||||||
33
check-538/config.json
Normal file
33
check-538/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-538/generation_config.json
Normal file
9
check-538/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-538/model.safetensors
Normal file
3
check-538/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:fd00c0d7d478e53347b8555d62938fb53e874d82d2d49bb0c60b923fdd42bc67
|
||||||
|
size 392536704
|
||||||
33
check-66/config.json
Normal file
33
check-66/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-66/generation_config.json
Normal file
9
check-66/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-66/model.safetensors
Normal file
3
check-66/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:1fb25282806ff07ecf42ce118dee7c1a8337d0671b98e3422c1716e4df323b50
|
||||||
|
size 392536704
|
||||||
33
check-8/config.json
Normal file
33
check-8/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-8/generation_config.json
Normal file
9
check-8/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-8/model.safetensors
Normal file
3
check-8/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:3a49278aafeec71b35f2c9b5b69a7248d3735563e7451902dc09e3c9f561651f
|
||||||
|
size 392536704
|
||||||
33
check-819/config.json
Normal file
33
check-819/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
check-819/generation_config.json
Normal file
9
check-819/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
check-819/model.safetensors
Normal file
3
check-819/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:f39cb390de89b2e89bc6413b1d7ee0d2bb871a5c200974599744a85f00b3f7d3
|
||||||
|
size 392536704
|
||||||
33
checkpoint-1015/config.json
Normal file
33
checkpoint-1015/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
checkpoint-1015/generation_config.json
Normal file
9
checkpoint-1015/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
checkpoint-1015/model.safetensors
Normal file
3
checkpoint-1015/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:557342db863adac9e6384e3353cddf093e14fd2be1151cfffe1a27709a04ef8e
|
||||||
|
size 392536704
|
||||||
3
checkpoint-1015/optimizer.pt
Normal file
3
checkpoint-1015/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:7ddb16fd556ea0da432bc2158308e02ba42031c9ffa57c296658a4c20242f99b
|
||||||
|
size 785167627
|
||||||
3
checkpoint-1015/rng_state.pth
Normal file
3
checkpoint-1015/rng_state.pth
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:b355b33326d37dccda5dbe0c75efa0123ba2681593018c551751d0d4e63a4a04
|
||||||
|
size 14709
|
||||||
3
checkpoint-1015/scaler.pt
Normal file
3
checkpoint-1015/scaler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:46b2f6446f0b27df06da019626a4e1873499b30df9f7b33b69faa54469a75be2
|
||||||
|
size 1383
|
||||||
3
checkpoint-1015/scheduler.pt
Normal file
3
checkpoint-1015/scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:465e320c2b11792fcce78282d2e353788fce58e0f78c5474162e9c7abe4c597d
|
||||||
|
size 1465
|
||||||
8
checkpoint-1015/special_tokens_map.json
Normal file
8
checkpoint-1015/special_tokens_map.json
Normal file
@@ -0,0 +1,8 @@
|
|||||||
|
{
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"mask_token": "<mask>",
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"sep_token": "<sep>",
|
||||||
|
"unk_token": "<unk>"
|
||||||
|
}
|
||||||
79755
checkpoint-1015/tokenizer.json
Normal file
79755
checkpoint-1015/tokenizer.json
Normal file
File diff suppressed because it is too large
Load Diff
62
checkpoint-1015/tokenizer_config.json
Normal file
62
checkpoint-1015/tokenizer_config.json
Normal file
@@ -0,0 +1,62 @@
|
|||||||
|
{
|
||||||
|
"added_tokens_decoder": {
|
||||||
|
"0": {
|
||||||
|
"content": "<pad>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"1": {
|
||||||
|
"content": "<s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"2": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"3": {
|
||||||
|
"content": "<unk>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"4": {
|
||||||
|
"content": "<mask>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"5": {
|
||||||
|
"content": "<sep>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"extra_special_tokens": {},
|
||||||
|
"mask_token": "<mask>",
|
||||||
|
"model_max_length": 1000000000000000019884624838656,
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"sep_token": "<sep>",
|
||||||
|
"tokenizer_class": "PreTrainedTokenizerFast",
|
||||||
|
"unk_token": "<unk>"
|
||||||
|
}
|
||||||
146
checkpoint-1015/trainer_state.json
Normal file
146
checkpoint-1015/trainer_state.json
Normal file
@@ -0,0 +1,146 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": 1015,
|
||||||
|
"best_metric": 2.929441452026367,
|
||||||
|
"best_model_checkpoint": "/home/p318482/syntactic-bootstrapping/model_trained/cds_o_fr_13/checkpoint-1015",
|
||||||
|
"epoch": 7.0,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 1015,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.006896551724137931,
|
||||||
|
"grad_norm": 32.2354736328125,
|
||||||
|
"learning_rate": 0.0,
|
||||||
|
"loss": 9.7326,
|
||||||
|
"step": 1
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"grad_norm": 1.26012122631073,
|
||||||
|
"learning_rate": 2.88e-05,
|
||||||
|
"loss": 5.8188,
|
||||||
|
"step": 145
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"eval_loss": 4.1781511306762695,
|
||||||
|
"eval_runtime": 4.3842,
|
||||||
|
"eval_samples_per_second": 803.562,
|
||||||
|
"eval_steps_per_second": 3.193,
|
||||||
|
"step": 145
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"grad_norm": 1.0639448165893555,
|
||||||
|
"learning_rate": 5.7799999999999995e-05,
|
||||||
|
"loss": 3.6451,
|
||||||
|
"step": 290
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"eval_loss": 3.4042274951934814,
|
||||||
|
"eval_runtime": 4.6134,
|
||||||
|
"eval_samples_per_second": 763.65,
|
||||||
|
"eval_steps_per_second": 3.035,
|
||||||
|
"step": 290
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.0,
|
||||||
|
"grad_norm": 0.9253916144371033,
|
||||||
|
"learning_rate": 8.680000000000001e-05,
|
||||||
|
"loss": 3.2742,
|
||||||
|
"step": 435
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.0,
|
||||||
|
"eval_loss": 3.1871676445007324,
|
||||||
|
"eval_runtime": 4.7952,
|
||||||
|
"eval_samples_per_second": 734.687,
|
||||||
|
"eval_steps_per_second": 2.92,
|
||||||
|
"step": 435
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"grad_norm": 0.8254706263542175,
|
||||||
|
"learning_rate": 9.668067226890756e-05,
|
||||||
|
"loss": 3.1065,
|
||||||
|
"step": 580
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"eval_loss": 3.0691733360290527,
|
||||||
|
"eval_runtime": 4.4368,
|
||||||
|
"eval_samples_per_second": 794.047,
|
||||||
|
"eval_steps_per_second": 3.155,
|
||||||
|
"step": 580
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.0,
|
||||||
|
"grad_norm": 0.7847094535827637,
|
||||||
|
"learning_rate": 9.058823529411765e-05,
|
||||||
|
"loss": 3.0059,
|
||||||
|
"step": 725
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.0,
|
||||||
|
"eval_loss": 3.00063157081604,
|
||||||
|
"eval_runtime": 4.5738,
|
||||||
|
"eval_samples_per_second": 770.265,
|
||||||
|
"eval_steps_per_second": 3.061,
|
||||||
|
"step": 725
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.0,
|
||||||
|
"grad_norm": 0.82077956199646,
|
||||||
|
"learning_rate": 8.449579831932774e-05,
|
||||||
|
"loss": 2.9407,
|
||||||
|
"step": 870
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.0,
|
||||||
|
"eval_loss": 2.95955753326416,
|
||||||
|
"eval_runtime": 4.664,
|
||||||
|
"eval_samples_per_second": 755.368,
|
||||||
|
"eval_steps_per_second": 3.002,
|
||||||
|
"step": 870
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.0,
|
||||||
|
"grad_norm": 0.7905252575874329,
|
||||||
|
"learning_rate": 7.840336134453782e-05,
|
||||||
|
"loss": 2.8903,
|
||||||
|
"step": 1015
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.0,
|
||||||
|
"eval_loss": 2.929441452026367,
|
||||||
|
"eval_runtime": 4.4917,
|
||||||
|
"eval_samples_per_second": 784.335,
|
||||||
|
"eval_steps_per_second": 3.117,
|
||||||
|
"step": 1015
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 500,
|
||||||
|
"max_steps": 2900,
|
||||||
|
"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": 1.6911342895104e+16,
|
||||||
|
"train_batch_size": 256,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
checkpoint-1015/training_args.bin
Normal file
3
checkpoint-1015/training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:35d1173395a906c65a769a2df8203d374e82540a954fe0dc718fba07dd3acdc2
|
||||||
|
size 5905
|
||||||
33
checkpoint-1160/config.json
Normal file
33
checkpoint-1160/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
checkpoint-1160/generation_config.json
Normal file
9
checkpoint-1160/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
checkpoint-1160/model.safetensors
Normal file
3
checkpoint-1160/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:8fb32bf9275051dead708987d983a408773d479c6996a9017ef4fca9558903b9
|
||||||
|
size 392536704
|
||||||
3
checkpoint-1160/optimizer.pt
Normal file
3
checkpoint-1160/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:4843d2fcb7c828960ab1a99c0e0c634870e7812cdf6b941beae94b1e38fbd687
|
||||||
|
size 785167627
|
||||||
3
checkpoint-1160/rng_state.pth
Normal file
3
checkpoint-1160/rng_state.pth
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:96d0cfc27b5aa0ba6b8fa68150e7f9634880a42af774dd5ec0ef39e8f4b30144
|
||||||
|
size 14709
|
||||||
3
checkpoint-1160/scaler.pt
Normal file
3
checkpoint-1160/scaler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:6a01e05c141882b52ba1d11c99445d54bc70ba64ecb2da4f75d8d22201fd2731
|
||||||
|
size 1383
|
||||||
3
checkpoint-1160/scheduler.pt
Normal file
3
checkpoint-1160/scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:1ba236707809e46fa7582953d39e4e704ad3853e87945489040a90f5a3977823
|
||||||
|
size 1465
|
||||||
8
checkpoint-1160/special_tokens_map.json
Normal file
8
checkpoint-1160/special_tokens_map.json
Normal file
@@ -0,0 +1,8 @@
|
|||||||
|
{
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"mask_token": "<mask>",
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"sep_token": "<sep>",
|
||||||
|
"unk_token": "<unk>"
|
||||||
|
}
|
||||||
79755
checkpoint-1160/tokenizer.json
Normal file
79755
checkpoint-1160/tokenizer.json
Normal file
File diff suppressed because it is too large
Load Diff
62
checkpoint-1160/tokenizer_config.json
Normal file
62
checkpoint-1160/tokenizer_config.json
Normal file
@@ -0,0 +1,62 @@
|
|||||||
|
{
|
||||||
|
"added_tokens_decoder": {
|
||||||
|
"0": {
|
||||||
|
"content": "<pad>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"1": {
|
||||||
|
"content": "<s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"2": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"3": {
|
||||||
|
"content": "<unk>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"4": {
|
||||||
|
"content": "<mask>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"5": {
|
||||||
|
"content": "<sep>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"extra_special_tokens": {},
|
||||||
|
"mask_token": "<mask>",
|
||||||
|
"model_max_length": 1000000000000000019884624838656,
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"sep_token": "<sep>",
|
||||||
|
"tokenizer_class": "PreTrainedTokenizerFast",
|
||||||
|
"unk_token": "<unk>"
|
||||||
|
}
|
||||||
161
checkpoint-1160/trainer_state.json
Normal file
161
checkpoint-1160/trainer_state.json
Normal file
@@ -0,0 +1,161 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": 1160,
|
||||||
|
"best_metric": 2.907557487487793,
|
||||||
|
"best_model_checkpoint": "/home/p318482/syntactic-bootstrapping/model_trained/cds_o_fr_13/checkpoint-1160",
|
||||||
|
"epoch": 8.0,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 1160,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.006896551724137931,
|
||||||
|
"grad_norm": 32.2354736328125,
|
||||||
|
"learning_rate": 0.0,
|
||||||
|
"loss": 9.7326,
|
||||||
|
"step": 1
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"grad_norm": 1.26012122631073,
|
||||||
|
"learning_rate": 2.88e-05,
|
||||||
|
"loss": 5.8188,
|
||||||
|
"step": 145
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"eval_loss": 4.1781511306762695,
|
||||||
|
"eval_runtime": 4.3842,
|
||||||
|
"eval_samples_per_second": 803.562,
|
||||||
|
"eval_steps_per_second": 3.193,
|
||||||
|
"step": 145
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"grad_norm": 1.0639448165893555,
|
||||||
|
"learning_rate": 5.7799999999999995e-05,
|
||||||
|
"loss": 3.6451,
|
||||||
|
"step": 290
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"eval_loss": 3.4042274951934814,
|
||||||
|
"eval_runtime": 4.6134,
|
||||||
|
"eval_samples_per_second": 763.65,
|
||||||
|
"eval_steps_per_second": 3.035,
|
||||||
|
"step": 290
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.0,
|
||||||
|
"grad_norm": 0.9253916144371033,
|
||||||
|
"learning_rate": 8.680000000000001e-05,
|
||||||
|
"loss": 3.2742,
|
||||||
|
"step": 435
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.0,
|
||||||
|
"eval_loss": 3.1871676445007324,
|
||||||
|
"eval_runtime": 4.7952,
|
||||||
|
"eval_samples_per_second": 734.687,
|
||||||
|
"eval_steps_per_second": 2.92,
|
||||||
|
"step": 435
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"grad_norm": 0.8254706263542175,
|
||||||
|
"learning_rate": 9.668067226890756e-05,
|
||||||
|
"loss": 3.1065,
|
||||||
|
"step": 580
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"eval_loss": 3.0691733360290527,
|
||||||
|
"eval_runtime": 4.4368,
|
||||||
|
"eval_samples_per_second": 794.047,
|
||||||
|
"eval_steps_per_second": 3.155,
|
||||||
|
"step": 580
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.0,
|
||||||
|
"grad_norm": 0.7847094535827637,
|
||||||
|
"learning_rate": 9.058823529411765e-05,
|
||||||
|
"loss": 3.0059,
|
||||||
|
"step": 725
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.0,
|
||||||
|
"eval_loss": 3.00063157081604,
|
||||||
|
"eval_runtime": 4.5738,
|
||||||
|
"eval_samples_per_second": 770.265,
|
||||||
|
"eval_steps_per_second": 3.061,
|
||||||
|
"step": 725
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.0,
|
||||||
|
"grad_norm": 0.82077956199646,
|
||||||
|
"learning_rate": 8.449579831932774e-05,
|
||||||
|
"loss": 2.9407,
|
||||||
|
"step": 870
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.0,
|
||||||
|
"eval_loss": 2.95955753326416,
|
||||||
|
"eval_runtime": 4.664,
|
||||||
|
"eval_samples_per_second": 755.368,
|
||||||
|
"eval_steps_per_second": 3.002,
|
||||||
|
"step": 870
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.0,
|
||||||
|
"grad_norm": 0.7905252575874329,
|
||||||
|
"learning_rate": 7.840336134453782e-05,
|
||||||
|
"loss": 2.8903,
|
||||||
|
"step": 1015
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.0,
|
||||||
|
"eval_loss": 2.929441452026367,
|
||||||
|
"eval_runtime": 4.4917,
|
||||||
|
"eval_samples_per_second": 784.335,
|
||||||
|
"eval_steps_per_second": 3.117,
|
||||||
|
"step": 1015
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.0,
|
||||||
|
"grad_norm": 0.8253563642501831,
|
||||||
|
"learning_rate": 7.23109243697479e-05,
|
||||||
|
"loss": 2.8492,
|
||||||
|
"step": 1160
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.0,
|
||||||
|
"eval_loss": 2.907557487487793,
|
||||||
|
"eval_runtime": 4.4334,
|
||||||
|
"eval_samples_per_second": 794.644,
|
||||||
|
"eval_steps_per_second": 3.158,
|
||||||
|
"step": 1160
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 500,
|
||||||
|
"max_steps": 2900,
|
||||||
|
"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": 1.9327249022976e+16,
|
||||||
|
"train_batch_size": 256,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
checkpoint-1160/training_args.bin
Normal file
3
checkpoint-1160/training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:35d1173395a906c65a769a2df8203d374e82540a954fe0dc718fba07dd3acdc2
|
||||||
|
size 5905
|
||||||
33
checkpoint-1305/config.json
Normal file
33
checkpoint-1305/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
checkpoint-1305/generation_config.json
Normal file
9
checkpoint-1305/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
checkpoint-1305/model.safetensors
Normal file
3
checkpoint-1305/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:b225dccbaebbc5ff0c997ad034e55f06ca30453d59dc948a1305cc3555176c00
|
||||||
|
size 392536704
|
||||||
3
checkpoint-1305/optimizer.pt
Normal file
3
checkpoint-1305/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:f4ef5ccd13b113280a9aa90bd088d8433df53d6d8853e63f5256257388c75d9c
|
||||||
|
size 785167627
|
||||||
3
checkpoint-1305/rng_state.pth
Normal file
3
checkpoint-1305/rng_state.pth
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:c097ed7a3a90b3751ba0390ea9885463d79f4c8584de41de8fe3ed6bdff8fdb5
|
||||||
|
size 14709
|
||||||
3
checkpoint-1305/scaler.pt
Normal file
3
checkpoint-1305/scaler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:fb3f993f19242cc21b249926529d9621fcd4005c95c36819f3b93098771d8c48
|
||||||
|
size 1383
|
||||||
3
checkpoint-1305/scheduler.pt
Normal file
3
checkpoint-1305/scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:8d082ce387ce17f69c45b6ca0dcc100d3ad0fe496283dae1cc9d9dda55625dbd
|
||||||
|
size 1465
|
||||||
8
checkpoint-1305/special_tokens_map.json
Normal file
8
checkpoint-1305/special_tokens_map.json
Normal file
@@ -0,0 +1,8 @@
|
|||||||
|
{
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"mask_token": "<mask>",
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"sep_token": "<sep>",
|
||||||
|
"unk_token": "<unk>"
|
||||||
|
}
|
||||||
79755
checkpoint-1305/tokenizer.json
Normal file
79755
checkpoint-1305/tokenizer.json
Normal file
File diff suppressed because it is too large
Load Diff
62
checkpoint-1305/tokenizer_config.json
Normal file
62
checkpoint-1305/tokenizer_config.json
Normal file
@@ -0,0 +1,62 @@
|
|||||||
|
{
|
||||||
|
"added_tokens_decoder": {
|
||||||
|
"0": {
|
||||||
|
"content": "<pad>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"1": {
|
||||||
|
"content": "<s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"2": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"3": {
|
||||||
|
"content": "<unk>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"4": {
|
||||||
|
"content": "<mask>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
},
|
||||||
|
"5": {
|
||||||
|
"content": "<sep>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": false,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false,
|
||||||
|
"special": true
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"bos_token": "<s>",
|
||||||
|
"clean_up_tokenization_spaces": false,
|
||||||
|
"eos_token": "</s>",
|
||||||
|
"extra_special_tokens": {},
|
||||||
|
"mask_token": "<mask>",
|
||||||
|
"model_max_length": 1000000000000000019884624838656,
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"sep_token": "<sep>",
|
||||||
|
"tokenizer_class": "PreTrainedTokenizerFast",
|
||||||
|
"unk_token": "<unk>"
|
||||||
|
}
|
||||||
176
checkpoint-1305/trainer_state.json
Normal file
176
checkpoint-1305/trainer_state.json
Normal file
@@ -0,0 +1,176 @@
|
|||||||
|
{
|
||||||
|
"best_global_step": 1305,
|
||||||
|
"best_metric": 2.894392728805542,
|
||||||
|
"best_model_checkpoint": "/home/p318482/syntactic-bootstrapping/model_trained/cds_o_fr_13/checkpoint-1305",
|
||||||
|
"epoch": 9.0,
|
||||||
|
"eval_steps": 500,
|
||||||
|
"global_step": 1305,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.006896551724137931,
|
||||||
|
"grad_norm": 32.2354736328125,
|
||||||
|
"learning_rate": 0.0,
|
||||||
|
"loss": 9.7326,
|
||||||
|
"step": 1
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"grad_norm": 1.26012122631073,
|
||||||
|
"learning_rate": 2.88e-05,
|
||||||
|
"loss": 5.8188,
|
||||||
|
"step": 145
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"eval_loss": 4.1781511306762695,
|
||||||
|
"eval_runtime": 4.3842,
|
||||||
|
"eval_samples_per_second": 803.562,
|
||||||
|
"eval_steps_per_second": 3.193,
|
||||||
|
"step": 145
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"grad_norm": 1.0639448165893555,
|
||||||
|
"learning_rate": 5.7799999999999995e-05,
|
||||||
|
"loss": 3.6451,
|
||||||
|
"step": 290
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"eval_loss": 3.4042274951934814,
|
||||||
|
"eval_runtime": 4.6134,
|
||||||
|
"eval_samples_per_second": 763.65,
|
||||||
|
"eval_steps_per_second": 3.035,
|
||||||
|
"step": 290
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.0,
|
||||||
|
"grad_norm": 0.9253916144371033,
|
||||||
|
"learning_rate": 8.680000000000001e-05,
|
||||||
|
"loss": 3.2742,
|
||||||
|
"step": 435
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.0,
|
||||||
|
"eval_loss": 3.1871676445007324,
|
||||||
|
"eval_runtime": 4.7952,
|
||||||
|
"eval_samples_per_second": 734.687,
|
||||||
|
"eval_steps_per_second": 2.92,
|
||||||
|
"step": 435
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"grad_norm": 0.8254706263542175,
|
||||||
|
"learning_rate": 9.668067226890756e-05,
|
||||||
|
"loss": 3.1065,
|
||||||
|
"step": 580
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"eval_loss": 3.0691733360290527,
|
||||||
|
"eval_runtime": 4.4368,
|
||||||
|
"eval_samples_per_second": 794.047,
|
||||||
|
"eval_steps_per_second": 3.155,
|
||||||
|
"step": 580
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.0,
|
||||||
|
"grad_norm": 0.7847094535827637,
|
||||||
|
"learning_rate": 9.058823529411765e-05,
|
||||||
|
"loss": 3.0059,
|
||||||
|
"step": 725
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.0,
|
||||||
|
"eval_loss": 3.00063157081604,
|
||||||
|
"eval_runtime": 4.5738,
|
||||||
|
"eval_samples_per_second": 770.265,
|
||||||
|
"eval_steps_per_second": 3.061,
|
||||||
|
"step": 725
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.0,
|
||||||
|
"grad_norm": 0.82077956199646,
|
||||||
|
"learning_rate": 8.449579831932774e-05,
|
||||||
|
"loss": 2.9407,
|
||||||
|
"step": 870
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.0,
|
||||||
|
"eval_loss": 2.95955753326416,
|
||||||
|
"eval_runtime": 4.664,
|
||||||
|
"eval_samples_per_second": 755.368,
|
||||||
|
"eval_steps_per_second": 3.002,
|
||||||
|
"step": 870
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.0,
|
||||||
|
"grad_norm": 0.7905252575874329,
|
||||||
|
"learning_rate": 7.840336134453782e-05,
|
||||||
|
"loss": 2.8903,
|
||||||
|
"step": 1015
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.0,
|
||||||
|
"eval_loss": 2.929441452026367,
|
||||||
|
"eval_runtime": 4.4917,
|
||||||
|
"eval_samples_per_second": 784.335,
|
||||||
|
"eval_steps_per_second": 3.117,
|
||||||
|
"step": 1015
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.0,
|
||||||
|
"grad_norm": 0.8253563642501831,
|
||||||
|
"learning_rate": 7.23109243697479e-05,
|
||||||
|
"loss": 2.8492,
|
||||||
|
"step": 1160
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.0,
|
||||||
|
"eval_loss": 2.907557487487793,
|
||||||
|
"eval_runtime": 4.4334,
|
||||||
|
"eval_samples_per_second": 794.644,
|
||||||
|
"eval_steps_per_second": 3.158,
|
||||||
|
"step": 1160
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.0,
|
||||||
|
"grad_norm": 0.8737186789512634,
|
||||||
|
"learning_rate": 6.621848739495798e-05,
|
||||||
|
"loss": 2.8124,
|
||||||
|
"step": 1305
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.0,
|
||||||
|
"eval_loss": 2.894392728805542,
|
||||||
|
"eval_runtime": 4.3693,
|
||||||
|
"eval_samples_per_second": 806.31,
|
||||||
|
"eval_steps_per_second": 3.204,
|
||||||
|
"step": 1305
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"logging_steps": 500,
|
||||||
|
"max_steps": 2900,
|
||||||
|
"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": 2.1743155150848e+16,
|
||||||
|
"train_batch_size": 256,
|
||||||
|
"trial_name": null,
|
||||||
|
"trial_params": null
|
||||||
|
}
|
||||||
3
checkpoint-1305/training_args.bin
Normal file
3
checkpoint-1305/training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:35d1173395a906c65a769a2df8203d374e82540a954fe0dc718fba07dd3acdc2
|
||||||
|
size 5905
|
||||||
33
checkpoint-145/config.json
Normal file
33
checkpoint-145/config.json
Normal file
@@ -0,0 +1,33 @@
|
|||||||
|
{
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"dtype": "float32",
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"initializer_range": 0.02,
|
||||||
|
"layer_norm_epsilon": 1e-05,
|
||||||
|
"model_type": "gpt2",
|
||||||
|
"n_ctx": 1024,
|
||||||
|
"n_embd": 768,
|
||||||
|
"n_head": 12,
|
||||||
|
"n_inner": null,
|
||||||
|
"n_layer": 12,
|
||||||
|
"n_positions": 1024,
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"reorder_and_upcast_attn": false,
|
||||||
|
"resid_pdrop": 0.1,
|
||||||
|
"scale_attn_by_inverse_layer_idx": false,
|
||||||
|
"scale_attn_weights": true,
|
||||||
|
"summary_activation": null,
|
||||||
|
"summary_first_dropout": 0.1,
|
||||||
|
"summary_proj_to_labels": true,
|
||||||
|
"summary_type": "cls_index",
|
||||||
|
"summary_use_proj": true,
|
||||||
|
"transformers_version": "4.56.1",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 16000
|
||||||
|
}
|
||||||
9
checkpoint-145/generation_config.json
Normal file
9
checkpoint-145/generation_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 1,
|
||||||
|
"eos_token_id": [
|
||||||
|
2
|
||||||
|
],
|
||||||
|
"pad_token_id": 2,
|
||||||
|
"transformers_version": "4.56.1"
|
||||||
|
}
|
||||||
3
checkpoint-145/model.safetensors
Normal file
3
checkpoint-145/model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:10b79411c96c05cedfc6fe07e071ee1fddbbf6ff97f1ca8f0c1a9db0e9002f80
|
||||||
|
size 392536704
|
||||||
3
checkpoint-145/optimizer.pt
Normal file
3
checkpoint-145/optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:126111981fb8e904bd9efe06f2c1c92003ad92ee33728f74f7eebdadc5149797
|
||||||
|
size 785167627
|
||||||
Some files were not shown because too many files have changed in this diff Show More
Reference in New Issue
Block a user