初始化项目,由ModelHub XC社区提供模型
Model: mnoukhov/pythia410m-sft-tldr Source: Original Platform
This commit is contained in:
@@ -0,0 +1,699 @@
|
||||
wandb_version: 1
|
||||
|
||||
_wandb:
|
||||
desc: null
|
||||
value:
|
||||
python_version: 3.11.2
|
||||
cli_version: 0.15.9
|
||||
framework: huggingface
|
||||
huggingface_version: 4.38.2
|
||||
is_jupyter_run: false
|
||||
is_kaggle_kernel: false
|
||||
start_time: 1715275916.76161
|
||||
t:
|
||||
1:
|
||||
- 1
|
||||
- 5
|
||||
- 11
|
||||
- 49
|
||||
- 51
|
||||
- 53
|
||||
- 55
|
||||
- 71
|
||||
- 84
|
||||
- 98
|
||||
- 105
|
||||
2:
|
||||
- 1
|
||||
- 5
|
||||
- 11
|
||||
- 49
|
||||
- 51
|
||||
- 53
|
||||
- 55
|
||||
- 71
|
||||
- 84
|
||||
- 98
|
||||
- 105
|
||||
3:
|
||||
- 7
|
||||
- 23
|
||||
4: 3.11.2
|
||||
5: 0.15.9
|
||||
6: 4.38.2
|
||||
8:
|
||||
- 5
|
||||
9:
|
||||
1: transformers_trainer
|
||||
m:
|
||||
- 1: train/global_step
|
||||
6:
|
||||
- 3
|
||||
- 1: train/loss
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: train/grad_norm
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: train/learning_rate
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: train/epoch
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: eval/loss
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: eval/runtime
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: eval/samples_per_second
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: eval/steps_per_second
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: train/train_runtime
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: train/train_samples_per_second
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: train/train_steps_per_second
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: train/total_flos
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
- 1: train/train_loss
|
||||
5: 1
|
||||
6:
|
||||
- 1
|
||||
return_dict:
|
||||
desc: null
|
||||
value: true
|
||||
output_hidden_states:
|
||||
desc: null
|
||||
value: false
|
||||
output_attentions:
|
||||
desc: null
|
||||
value: false
|
||||
torchscript:
|
||||
desc: null
|
||||
value: false
|
||||
torch_dtype:
|
||||
desc: null
|
||||
value: null
|
||||
use_bfloat16:
|
||||
desc: null
|
||||
value: false
|
||||
tf_legacy_loss:
|
||||
desc: null
|
||||
value: false
|
||||
pruned_heads:
|
||||
desc: null
|
||||
value: {}
|
||||
tie_word_embeddings:
|
||||
desc: null
|
||||
value: false
|
||||
chunk_size_feed_forward:
|
||||
desc: null
|
||||
value: 0
|
||||
is_encoder_decoder:
|
||||
desc: null
|
||||
value: false
|
||||
is_decoder:
|
||||
desc: null
|
||||
value: false
|
||||
cross_attention_hidden_size:
|
||||
desc: null
|
||||
value: null
|
||||
add_cross_attention:
|
||||
desc: null
|
||||
value: false
|
||||
tie_encoder_decoder:
|
||||
desc: null
|
||||
value: false
|
||||
max_length:
|
||||
desc: null
|
||||
value: 20
|
||||
min_length:
|
||||
desc: null
|
||||
value: 0
|
||||
do_sample:
|
||||
desc: null
|
||||
value: false
|
||||
early_stopping:
|
||||
desc: null
|
||||
value: false
|
||||
num_beams:
|
||||
desc: null
|
||||
value: 1
|
||||
num_beam_groups:
|
||||
desc: null
|
||||
value: 1
|
||||
diversity_penalty:
|
||||
desc: null
|
||||
value: 0.0
|
||||
temperature:
|
||||
desc: null
|
||||
value: 1.0
|
||||
top_k:
|
||||
desc: null
|
||||
value: 50
|
||||
top_p:
|
||||
desc: null
|
||||
value: 1.0
|
||||
typical_p:
|
||||
desc: null
|
||||
value: 1.0
|
||||
repetition_penalty:
|
||||
desc: null
|
||||
value: 1.0
|
||||
length_penalty:
|
||||
desc: null
|
||||
value: 1.0
|
||||
no_repeat_ngram_size:
|
||||
desc: null
|
||||
value: 0
|
||||
encoder_no_repeat_ngram_size:
|
||||
desc: null
|
||||
value: 0
|
||||
bad_words_ids:
|
||||
desc: null
|
||||
value: null
|
||||
num_return_sequences:
|
||||
desc: null
|
||||
value: 1
|
||||
output_scores:
|
||||
desc: null
|
||||
value: false
|
||||
return_dict_in_generate:
|
||||
desc: null
|
||||
value: false
|
||||
forced_bos_token_id:
|
||||
desc: null
|
||||
value: null
|
||||
forced_eos_token_id:
|
||||
desc: null
|
||||
value: null
|
||||
remove_invalid_values:
|
||||
desc: null
|
||||
value: false
|
||||
exponential_decay_length_penalty:
|
||||
desc: null
|
||||
value: null
|
||||
suppress_tokens:
|
||||
desc: null
|
||||
value: null
|
||||
begin_suppress_tokens:
|
||||
desc: null
|
||||
value: null
|
||||
architectures:
|
||||
desc: null
|
||||
value:
|
||||
- GPTNeoXForCausalLM
|
||||
finetuning_task:
|
||||
desc: null
|
||||
value: null
|
||||
id2label:
|
||||
desc: null
|
||||
value:
|
||||
'0': LABEL_0
|
||||
'1': LABEL_1
|
||||
label2id:
|
||||
desc: null
|
||||
value:
|
||||
LABEL_0: 0
|
||||
LABEL_1: 1
|
||||
tokenizer_class:
|
||||
desc: null
|
||||
value: null
|
||||
prefix:
|
||||
desc: null
|
||||
value: null
|
||||
bos_token_id:
|
||||
desc: null
|
||||
value: 0
|
||||
pad_token_id:
|
||||
desc: null
|
||||
value: null
|
||||
eos_token_id:
|
||||
desc: null
|
||||
value: 0
|
||||
sep_token_id:
|
||||
desc: null
|
||||
value: null
|
||||
decoder_start_token_id:
|
||||
desc: null
|
||||
value: null
|
||||
task_specific_params:
|
||||
desc: null
|
||||
value: null
|
||||
problem_type:
|
||||
desc: null
|
||||
value: null
|
||||
_name_or_path:
|
||||
desc: null
|
||||
value: EleutherAI/pythia-410m-deduped
|
||||
transformers_version:
|
||||
desc: null
|
||||
value: 4.38.2
|
||||
model_type:
|
||||
desc: null
|
||||
value: gpt_neox
|
||||
vocab_size:
|
||||
desc: null
|
||||
value: 50304
|
||||
max_position_embeddings:
|
||||
desc: null
|
||||
value: 2048
|
||||
hidden_size:
|
||||
desc: null
|
||||
value: 1024
|
||||
num_hidden_layers:
|
||||
desc: null
|
||||
value: 24
|
||||
num_attention_heads:
|
||||
desc: null
|
||||
value: 16
|
||||
intermediate_size:
|
||||
desc: null
|
||||
value: 4096
|
||||
hidden_act:
|
||||
desc: null
|
||||
value: gelu
|
||||
rotary_pct:
|
||||
desc: null
|
||||
value: 0.25
|
||||
rotary_emb_base:
|
||||
desc: null
|
||||
value: 10000
|
||||
attention_dropout:
|
||||
desc: null
|
||||
value: 0.0
|
||||
hidden_dropout:
|
||||
desc: null
|
||||
value: 0.0
|
||||
classifier_dropout:
|
||||
desc: null
|
||||
value: 0.1
|
||||
initializer_range:
|
||||
desc: null
|
||||
value: 0.02
|
||||
layer_norm_eps:
|
||||
desc: null
|
||||
value: 1.0e-05
|
||||
use_cache:
|
||||
desc: null
|
||||
value: true
|
||||
use_parallel_residual:
|
||||
desc: null
|
||||
value: true
|
||||
rope_scaling:
|
||||
desc: null
|
||||
value: null
|
||||
attention_bias:
|
||||
desc: null
|
||||
value: true
|
||||
output_dir:
|
||||
desc: null
|
||||
value: /home/toolkit/trl/results/a805570edd5eddcfb7deb3a583d7b4c2
|
||||
overwrite_output_dir:
|
||||
desc: null
|
||||
value: false
|
||||
do_train:
|
||||
desc: null
|
||||
value: false
|
||||
do_eval:
|
||||
desc: null
|
||||
value: true
|
||||
do_predict:
|
||||
desc: null
|
||||
value: false
|
||||
evaluation_strategy:
|
||||
desc: null
|
||||
value: steps
|
||||
prediction_loss_only:
|
||||
desc: null
|
||||
value: false
|
||||
per_device_train_batch_size:
|
||||
desc: null
|
||||
value: 32
|
||||
per_device_eval_batch_size:
|
||||
desc: null
|
||||
value: 8
|
||||
per_gpu_train_batch_size:
|
||||
desc: null
|
||||
value: null
|
||||
per_gpu_eval_batch_size:
|
||||
desc: null
|
||||
value: null
|
||||
gradient_accumulation_steps:
|
||||
desc: null
|
||||
value: 4
|
||||
eval_accumulation_steps:
|
||||
desc: null
|
||||
value: null
|
||||
eval_delay:
|
||||
desc: null
|
||||
value: 0
|
||||
learning_rate:
|
||||
desc: null
|
||||
value: 3.0e-06
|
||||
weight_decay:
|
||||
desc: null
|
||||
value: 0.0
|
||||
adam_beta1:
|
||||
desc: null
|
||||
value: 0.9
|
||||
adam_beta2:
|
||||
desc: null
|
||||
value: 0.999
|
||||
adam_epsilon:
|
||||
desc: null
|
||||
value: 1.0e-08
|
||||
max_grad_norm:
|
||||
desc: null
|
||||
value: 1.0
|
||||
num_train_epochs:
|
||||
desc: null
|
||||
value: 1.0
|
||||
max_steps:
|
||||
desc: null
|
||||
value: -1
|
||||
lr_scheduler_type:
|
||||
desc: null
|
||||
value: cosine
|
||||
lr_scheduler_kwargs:
|
||||
desc: null
|
||||
value: {}
|
||||
warmup_ratio:
|
||||
desc: null
|
||||
value: 0.0
|
||||
warmup_steps:
|
||||
desc: null
|
||||
value: 0
|
||||
log_level:
|
||||
desc: null
|
||||
value: passive
|
||||
log_level_replica:
|
||||
desc: null
|
||||
value: warning
|
||||
log_on_each_node:
|
||||
desc: null
|
||||
value: true
|
||||
logging_dir:
|
||||
desc: null
|
||||
value: /home/toolkit/trl/results/a805570edd5eddcfb7deb3a583d7b4c2/runs/May09_17-31-02_40084257-ebc6-4abd-94a1-8b674b58783e
|
||||
logging_strategy:
|
||||
desc: null
|
||||
value: steps
|
||||
logging_first_step:
|
||||
desc: null
|
||||
value: false
|
||||
logging_steps:
|
||||
desc: null
|
||||
value: 100
|
||||
logging_nan_inf_filter:
|
||||
desc: null
|
||||
value: true
|
||||
save_strategy:
|
||||
desc: null
|
||||
value: steps
|
||||
save_steps:
|
||||
desc: null
|
||||
value: 500
|
||||
save_total_limit:
|
||||
desc: null
|
||||
value: null
|
||||
save_safetensors:
|
||||
desc: null
|
||||
value: true
|
||||
save_on_each_node:
|
||||
desc: null
|
||||
value: false
|
||||
save_only_model:
|
||||
desc: null
|
||||
value: false
|
||||
no_cuda:
|
||||
desc: null
|
||||
value: false
|
||||
use_cpu:
|
||||
desc: null
|
||||
value: false
|
||||
use_mps_device:
|
||||
desc: null
|
||||
value: false
|
||||
seed:
|
||||
desc: null
|
||||
value: 42
|
||||
data_seed:
|
||||
desc: null
|
||||
value: null
|
||||
jit_mode_eval:
|
||||
desc: null
|
||||
value: false
|
||||
use_ipex:
|
||||
desc: null
|
||||
value: false
|
||||
bf16:
|
||||
desc: null
|
||||
value: true
|
||||
fp16:
|
||||
desc: null
|
||||
value: false
|
||||
fp16_opt_level:
|
||||
desc: null
|
||||
value: O1
|
||||
half_precision_backend:
|
||||
desc: null
|
||||
value: auto
|
||||
bf16_full_eval:
|
||||
desc: null
|
||||
value: false
|
||||
fp16_full_eval:
|
||||
desc: null
|
||||
value: false
|
||||
tf32:
|
||||
desc: null
|
||||
value: null
|
||||
local_rank:
|
||||
desc: null
|
||||
value: 0
|
||||
ddp_backend:
|
||||
desc: null
|
||||
value: null
|
||||
tpu_num_cores:
|
||||
desc: null
|
||||
value: null
|
||||
tpu_metrics_debug:
|
||||
desc: null
|
||||
value: false
|
||||
debug:
|
||||
desc: null
|
||||
value: []
|
||||
dataloader_drop_last:
|
||||
desc: null
|
||||
value: false
|
||||
eval_steps:
|
||||
desc: null
|
||||
value: 0.2
|
||||
dataloader_num_workers:
|
||||
desc: null
|
||||
value: 0
|
||||
dataloader_prefetch_factor:
|
||||
desc: null
|
||||
value: null
|
||||
past_index:
|
||||
desc: null
|
||||
value: -1
|
||||
run_name:
|
||||
desc: null
|
||||
value: /home/toolkit/trl/results/a805570edd5eddcfb7deb3a583d7b4c2
|
||||
disable_tqdm:
|
||||
desc: null
|
||||
value: false
|
||||
remove_unused_columns:
|
||||
desc: null
|
||||
value: true
|
||||
label_names:
|
||||
desc: null
|
||||
value: null
|
||||
load_best_model_at_end:
|
||||
desc: null
|
||||
value: false
|
||||
metric_for_best_model:
|
||||
desc: null
|
||||
value: null
|
||||
greater_is_better:
|
||||
desc: null
|
||||
value: null
|
||||
ignore_data_skip:
|
||||
desc: null
|
||||
value: false
|
||||
fsdp:
|
||||
desc: null
|
||||
value: []
|
||||
fsdp_min_num_params:
|
||||
desc: null
|
||||
value: 0
|
||||
fsdp_config:
|
||||
desc: null
|
||||
value:
|
||||
min_num_params: 0
|
||||
xla: false
|
||||
xla_fsdp_v2: false
|
||||
xla_fsdp_grad_ckpt: false
|
||||
fsdp_transformer_layer_cls_to_wrap:
|
||||
desc: null
|
||||
value: null
|
||||
accelerator_config:
|
||||
desc: null
|
||||
value:
|
||||
split_batches: false
|
||||
dispatch_batches: null
|
||||
even_batches: true
|
||||
use_seedable_sampler: true
|
||||
deepspeed:
|
||||
desc: null
|
||||
value: null
|
||||
label_smoothing_factor:
|
||||
desc: null
|
||||
value: 0.0
|
||||
optim:
|
||||
desc: null
|
||||
value: adamw_torch
|
||||
optim_args:
|
||||
desc: null
|
||||
value: null
|
||||
adafactor:
|
||||
desc: null
|
||||
value: false
|
||||
group_by_length:
|
||||
desc: null
|
||||
value: false
|
||||
length_column_name:
|
||||
desc: null
|
||||
value: length
|
||||
report_to:
|
||||
desc: null
|
||||
value:
|
||||
- wandb
|
||||
ddp_find_unused_parameters:
|
||||
desc: null
|
||||
value: false
|
||||
ddp_bucket_cap_mb:
|
||||
desc: null
|
||||
value: null
|
||||
ddp_broadcast_buffers:
|
||||
desc: null
|
||||
value: null
|
||||
dataloader_pin_memory:
|
||||
desc: null
|
||||
value: true
|
||||
dataloader_persistent_workers:
|
||||
desc: null
|
||||
value: false
|
||||
skip_memory_metrics:
|
||||
desc: null
|
||||
value: true
|
||||
use_legacy_prediction_loop:
|
||||
desc: null
|
||||
value: false
|
||||
push_to_hub:
|
||||
desc: null
|
||||
value: true
|
||||
resume_from_checkpoint:
|
||||
desc: null
|
||||
value: null
|
||||
hub_model_id:
|
||||
desc: null
|
||||
value: mnoukhov/pythia410m-sft-tldr
|
||||
hub_strategy:
|
||||
desc: null
|
||||
value: every_save
|
||||
hub_token:
|
||||
desc: null
|
||||
value: <HUB_TOKEN>
|
||||
hub_private_repo:
|
||||
desc: null
|
||||
value: false
|
||||
hub_always_push:
|
||||
desc: null
|
||||
value: false
|
||||
gradient_checkpointing:
|
||||
desc: null
|
||||
value: false
|
||||
gradient_checkpointing_kwargs:
|
||||
desc: null
|
||||
value: null
|
||||
include_inputs_for_metrics:
|
||||
desc: null
|
||||
value: false
|
||||
fp16_backend:
|
||||
desc: null
|
||||
value: auto
|
||||
push_to_hub_model_id:
|
||||
desc: null
|
||||
value: null
|
||||
push_to_hub_organization:
|
||||
desc: null
|
||||
value: null
|
||||
push_to_hub_token:
|
||||
desc: null
|
||||
value: <PUSH_TO_HUB_TOKEN>
|
||||
mp_parameters:
|
||||
desc: null
|
||||
value: ''
|
||||
auto_find_batch_size:
|
||||
desc: null
|
||||
value: false
|
||||
full_determinism:
|
||||
desc: null
|
||||
value: false
|
||||
torchdynamo:
|
||||
desc: null
|
||||
value: null
|
||||
ray_scope:
|
||||
desc: null
|
||||
value: last
|
||||
ddp_timeout:
|
||||
desc: null
|
||||
value: 1800
|
||||
torch_compile:
|
||||
desc: null
|
||||
value: false
|
||||
torch_compile_backend:
|
||||
desc: null
|
||||
value: null
|
||||
torch_compile_mode:
|
||||
desc: null
|
||||
value: null
|
||||
dispatch_batches:
|
||||
desc: null
|
||||
value: null
|
||||
split_batches:
|
||||
desc: null
|
||||
value: null
|
||||
include_tokens_per_second:
|
||||
desc: null
|
||||
value: false
|
||||
include_num_input_tokens_seen:
|
||||
desc: null
|
||||
value: false
|
||||
neftune_noise_alpha:
|
||||
desc: null
|
||||
value: null
|
||||
Reference in New Issue
Block a user