初始化项目,由ModelHub XC社区提供模型
Model: open-unlearning/tofu_Llama-3.2-1B-Instruct_retain99 Source: Original Platform
This commit is contained in:
36
.gitattributes
vendored
Normal file
36
.gitattributes
vendored
Normal file
@@ -0,0 +1,36 @@
|
||||
*.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
|
||||
tokenizer.json filter=lfs diff=lfs merge=lfs -text
|
||||
40
config.json
Normal file
40
config.json
Normal file
@@ -0,0 +1,40 @@
|
||||
{
|
||||
"_name_or_path": "meta-llama/Llama-3.2-1B-Instruct",
|
||||
"architectures": [
|
||||
"LlamaForCausalLM"
|
||||
],
|
||||
"attention_bias": false,
|
||||
"attention_dropout": 0.0,
|
||||
"bos_token_id": 128000,
|
||||
"eos_token_id": [
|
||||
128001,
|
||||
128008,
|
||||
128009
|
||||
],
|
||||
"head_dim": 64,
|
||||
"hidden_act": "silu",
|
||||
"hidden_size": 2048,
|
||||
"initializer_range": 0.02,
|
||||
"intermediate_size": 8192,
|
||||
"max_position_embeddings": 131072,
|
||||
"mlp_bias": false,
|
||||
"model_type": "llama",
|
||||
"num_attention_heads": 32,
|
||||
"num_hidden_layers": 16,
|
||||
"num_key_value_heads": 8,
|
||||
"pretraining_tp": 1,
|
||||
"rms_norm_eps": 1e-05,
|
||||
"rope_scaling": {
|
||||
"factor": 32.0,
|
||||
"high_freq_factor": 4.0,
|
||||
"low_freq_factor": 1.0,
|
||||
"original_max_position_embeddings": 8192,
|
||||
"rope_type": "llama3"
|
||||
},
|
||||
"rope_theta": 500000.0,
|
||||
"tie_word_embeddings": true,
|
||||
"torch_dtype": "bfloat16",
|
||||
"transformers_version": "4.45.1",
|
||||
"use_cache": true,
|
||||
"vocab_size": 128256
|
||||
}
|
||||
12
generation_config.json
Normal file
12
generation_config.json
Normal file
@@ -0,0 +1,12 @@
|
||||
{
|
||||
"bos_token_id": 128000,
|
||||
"do_sample": true,
|
||||
"eos_token_id": [
|
||||
128001,
|
||||
128008,
|
||||
128009
|
||||
],
|
||||
"temperature": 0.6,
|
||||
"top_p": 0.9,
|
||||
"transformers_version": "4.45.1"
|
||||
}
|
||||
3
model.safetensors
Normal file
3
model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:b160c45a69bec9d85a6af136522e2a85fa38bb0fb5e1a18f6d2680eed2e17a3e
|
||||
size 2471645608
|
||||
17
special_tokens_map.json
Normal file
17
special_tokens_map.json
Normal file
@@ -0,0 +1,17 @@
|
||||
{
|
||||
"bos_token": {
|
||||
"content": "<|begin_of_text|>",
|
||||
"lstrip": false,
|
||||
"normalized": false,
|
||||
"rstrip": false,
|
||||
"single_word": false
|
||||
},
|
||||
"eos_token": {
|
||||
"content": "<|eot_id|>",
|
||||
"lstrip": false,
|
||||
"normalized": false,
|
||||
"rstrip": false,
|
||||
"single_word": false
|
||||
},
|
||||
"pad_token": "<|eot_id|>"
|
||||
}
|
||||
BIN
tokenizer.json
(Stored with Git LFS)
Normal file
BIN
tokenizer.json
(Stored with Git LFS)
Normal file
Binary file not shown.
2063
tokenizer_config.json
Normal file
2063
tokenizer_config.json
Normal file
File diff suppressed because it is too large
Load Diff
903
trainer_state.json
Normal file
903
trainer_state.json
Normal file
@@ -0,0 +1,903 @@
|
||||
{
|
||||
"best_metric": null,
|
||||
"best_model_checkpoint": null,
|
||||
"epoch": 4.96969696969697,
|
||||
"eval_steps": 500,
|
||||
"global_step": 615,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 0.04040404040404041,
|
||||
"grad_norm": 80.8431859261654,
|
||||
"learning_rate": 4.0650406504065046e-07,
|
||||
"loss": 2.64,
|
||||
"step": 5
|
||||
},
|
||||
{
|
||||
"epoch": 0.08080808080808081,
|
||||
"grad_norm": 58.95328571668908,
|
||||
"learning_rate": 8.130081300813009e-07,
|
||||
"loss": 2.5295,
|
||||
"step": 10
|
||||
},
|
||||
{
|
||||
"epoch": 0.12121212121212122,
|
||||
"grad_norm": 30.259656389849923,
|
||||
"learning_rate": 1.2195121951219514e-06,
|
||||
"loss": 2.3595,
|
||||
"step": 15
|
||||
},
|
||||
{
|
||||
"epoch": 0.16161616161616163,
|
||||
"grad_norm": 19.031626660884115,
|
||||
"learning_rate": 1.6260162601626018e-06,
|
||||
"loss": 2.2046,
|
||||
"step": 20
|
||||
},
|
||||
{
|
||||
"epoch": 0.20202020202020202,
|
||||
"grad_norm": 14.285496207217582,
|
||||
"learning_rate": 2.0325203252032523e-06,
|
||||
"loss": 2.0114,
|
||||
"step": 25
|
||||
},
|
||||
{
|
||||
"epoch": 0.24242424242424243,
|
||||
"grad_norm": 11.705575031693748,
|
||||
"learning_rate": 2.4390243902439027e-06,
|
||||
"loss": 1.9542,
|
||||
"step": 30
|
||||
},
|
||||
{
|
||||
"epoch": 0.2828282828282828,
|
||||
"grad_norm": 10.031255451818282,
|
||||
"learning_rate": 2.845528455284553e-06,
|
||||
"loss": 1.9027,
|
||||
"step": 35
|
||||
},
|
||||
{
|
||||
"epoch": 0.32323232323232326,
|
||||
"grad_norm": 9.87064503889936,
|
||||
"learning_rate": 3.2520325203252037e-06,
|
||||
"loss": 1.8376,
|
||||
"step": 40
|
||||
},
|
||||
{
|
||||
"epoch": 0.36363636363636365,
|
||||
"grad_norm": 9.463342602070677,
|
||||
"learning_rate": 3.6585365853658537e-06,
|
||||
"loss": 1.8335,
|
||||
"step": 45
|
||||
},
|
||||
{
|
||||
"epoch": 0.40404040404040403,
|
||||
"grad_norm": 8.14740265971335,
|
||||
"learning_rate": 4.0650406504065046e-06,
|
||||
"loss": 1.7531,
|
||||
"step": 50
|
||||
},
|
||||
{
|
||||
"epoch": 0.4444444444444444,
|
||||
"grad_norm": 8.579660709279775,
|
||||
"learning_rate": 4.471544715447155e-06,
|
||||
"loss": 1.746,
|
||||
"step": 55
|
||||
},
|
||||
{
|
||||
"epoch": 0.48484848484848486,
|
||||
"grad_norm": 7.764594425498635,
|
||||
"learning_rate": 4.8780487804878055e-06,
|
||||
"loss": 1.7795,
|
||||
"step": 60
|
||||
},
|
||||
{
|
||||
"epoch": 0.5252525252525253,
|
||||
"grad_norm": 7.818967776047545,
|
||||
"learning_rate": 5.2845528455284555e-06,
|
||||
"loss": 1.7845,
|
||||
"step": 65
|
||||
},
|
||||
{
|
||||
"epoch": 0.5656565656565656,
|
||||
"grad_norm": 8.571992272728625,
|
||||
"learning_rate": 5.691056910569106e-06,
|
||||
"loss": 1.7176,
|
||||
"step": 70
|
||||
},
|
||||
{
|
||||
"epoch": 0.6060606060606061,
|
||||
"grad_norm": 7.157751637340014,
|
||||
"learning_rate": 6.0975609756097564e-06,
|
||||
"loss": 1.6894,
|
||||
"step": 75
|
||||
},
|
||||
{
|
||||
"epoch": 0.6464646464646465,
|
||||
"grad_norm": 7.776730945646382,
|
||||
"learning_rate": 6.504065040650407e-06,
|
||||
"loss": 1.6733,
|
||||
"step": 80
|
||||
},
|
||||
{
|
||||
"epoch": 0.6868686868686869,
|
||||
"grad_norm": 7.538790813241334,
|
||||
"learning_rate": 6.910569105691057e-06,
|
||||
"loss": 1.6661,
|
||||
"step": 85
|
||||
},
|
||||
{
|
||||
"epoch": 0.7272727272727273,
|
||||
"grad_norm": 7.237611731257021,
|
||||
"learning_rate": 7.317073170731707e-06,
|
||||
"loss": 1.6413,
|
||||
"step": 90
|
||||
},
|
||||
{
|
||||
"epoch": 0.7676767676767676,
|
||||
"grad_norm": 8.713375291094371,
|
||||
"learning_rate": 7.723577235772358e-06,
|
||||
"loss": 1.6712,
|
||||
"step": 95
|
||||
},
|
||||
{
|
||||
"epoch": 0.8080808080808081,
|
||||
"grad_norm": 8.148761177726017,
|
||||
"learning_rate": 8.130081300813009e-06,
|
||||
"loss": 1.6491,
|
||||
"step": 100
|
||||
},
|
||||
{
|
||||
"epoch": 0.8484848484848485,
|
||||
"grad_norm": 7.670084788858041,
|
||||
"learning_rate": 8.536585365853658e-06,
|
||||
"loss": 1.6661,
|
||||
"step": 105
|
||||
},
|
||||
{
|
||||
"epoch": 0.8888888888888888,
|
||||
"grad_norm": 8.193767782896925,
|
||||
"learning_rate": 8.94308943089431e-06,
|
||||
"loss": 1.6061,
|
||||
"step": 110
|
||||
},
|
||||
{
|
||||
"epoch": 0.9292929292929293,
|
||||
"grad_norm": 7.327023272280465,
|
||||
"learning_rate": 9.34959349593496e-06,
|
||||
"loss": 1.6177,
|
||||
"step": 115
|
||||
},
|
||||
{
|
||||
"epoch": 0.9696969696969697,
|
||||
"grad_norm": 7.6240834480577995,
|
||||
"learning_rate": 9.756097560975611e-06,
|
||||
"loss": 1.7007,
|
||||
"step": 120
|
||||
},
|
||||
{
|
||||
"epoch": 1.0101010101010102,
|
||||
"grad_norm": 7.022808705113093,
|
||||
"learning_rate": 9.959349593495936e-06,
|
||||
"loss": 1.5861,
|
||||
"step": 125
|
||||
},
|
||||
{
|
||||
"epoch": 1.0505050505050506,
|
||||
"grad_norm": 7.831382750074179,
|
||||
"learning_rate": 9.857723577235772e-06,
|
||||
"loss": 1.397,
|
||||
"step": 130
|
||||
},
|
||||
{
|
||||
"epoch": 1.0909090909090908,
|
||||
"grad_norm": 7.482634887493619,
|
||||
"learning_rate": 9.756097560975611e-06,
|
||||
"loss": 1.3207,
|
||||
"step": 135
|
||||
},
|
||||
{
|
||||
"epoch": 1.1313131313131313,
|
||||
"grad_norm": 7.77405709671628,
|
||||
"learning_rate": 9.654471544715448e-06,
|
||||
"loss": 1.4016,
|
||||
"step": 140
|
||||
},
|
||||
{
|
||||
"epoch": 1.1717171717171717,
|
||||
"grad_norm": 8.316039462095251,
|
||||
"learning_rate": 9.552845528455286e-06,
|
||||
"loss": 1.4044,
|
||||
"step": 145
|
||||
},
|
||||
{
|
||||
"epoch": 1.2121212121212122,
|
||||
"grad_norm": 8.220962058193507,
|
||||
"learning_rate": 9.451219512195122e-06,
|
||||
"loss": 1.4525,
|
||||
"step": 150
|
||||
},
|
||||
{
|
||||
"epoch": 1.2525252525252526,
|
||||
"grad_norm": 8.628523413754008,
|
||||
"learning_rate": 9.34959349593496e-06,
|
||||
"loss": 1.3725,
|
||||
"step": 155
|
||||
},
|
||||
{
|
||||
"epoch": 1.2929292929292928,
|
||||
"grad_norm": 9.049067713299571,
|
||||
"learning_rate": 9.247967479674797e-06,
|
||||
"loss": 1.3988,
|
||||
"step": 160
|
||||
},
|
||||
{
|
||||
"epoch": 1.3333333333333333,
|
||||
"grad_norm": 8.79216448432911,
|
||||
"learning_rate": 9.146341463414635e-06,
|
||||
"loss": 1.3923,
|
||||
"step": 165
|
||||
},
|
||||
{
|
||||
"epoch": 1.3737373737373737,
|
||||
"grad_norm": 7.749843189602475,
|
||||
"learning_rate": 9.044715447154472e-06,
|
||||
"loss": 1.3965,
|
||||
"step": 170
|
||||
},
|
||||
{
|
||||
"epoch": 1.4141414141414141,
|
||||
"grad_norm": 8.10742211898071,
|
||||
"learning_rate": 8.94308943089431e-06,
|
||||
"loss": 1.3586,
|
||||
"step": 175
|
||||
},
|
||||
{
|
||||
"epoch": 1.4545454545454546,
|
||||
"grad_norm": 8.61374938206157,
|
||||
"learning_rate": 8.841463414634148e-06,
|
||||
"loss": 1.3455,
|
||||
"step": 180
|
||||
},
|
||||
{
|
||||
"epoch": 1.494949494949495,
|
||||
"grad_norm": 7.806546434692009,
|
||||
"learning_rate": 8.739837398373985e-06,
|
||||
"loss": 1.3164,
|
||||
"step": 185
|
||||
},
|
||||
{
|
||||
"epoch": 1.5353535353535355,
|
||||
"grad_norm": 8.055069468513308,
|
||||
"learning_rate": 8.638211382113821e-06,
|
||||
"loss": 1.3719,
|
||||
"step": 190
|
||||
},
|
||||
{
|
||||
"epoch": 1.5757575757575757,
|
||||
"grad_norm": 7.286077733666312,
|
||||
"learning_rate": 8.536585365853658e-06,
|
||||
"loss": 1.331,
|
||||
"step": 195
|
||||
},
|
||||
{
|
||||
"epoch": 1.6161616161616161,
|
||||
"grad_norm": 7.722391890399128,
|
||||
"learning_rate": 8.434959349593497e-06,
|
||||
"loss": 1.347,
|
||||
"step": 200
|
||||
},
|
||||
{
|
||||
"epoch": 1.6565656565656566,
|
||||
"grad_norm": 7.963303799143797,
|
||||
"learning_rate": 8.333333333333334e-06,
|
||||
"loss": 1.2988,
|
||||
"step": 205
|
||||
},
|
||||
{
|
||||
"epoch": 1.696969696969697,
|
||||
"grad_norm": 8.363381324799755,
|
||||
"learning_rate": 8.23170731707317e-06,
|
||||
"loss": 1.3731,
|
||||
"step": 210
|
||||
},
|
||||
{
|
||||
"epoch": 1.7373737373737375,
|
||||
"grad_norm": 8.650050591837509,
|
||||
"learning_rate": 8.130081300813009e-06,
|
||||
"loss": 1.3554,
|
||||
"step": 215
|
||||
},
|
||||
{
|
||||
"epoch": 1.7777777777777777,
|
||||
"grad_norm": 7.821382086934233,
|
||||
"learning_rate": 8.028455284552846e-06,
|
||||
"loss": 1.3257,
|
||||
"step": 220
|
||||
},
|
||||
{
|
||||
"epoch": 1.8181818181818183,
|
||||
"grad_norm": 7.593249783363984,
|
||||
"learning_rate": 7.926829268292685e-06,
|
||||
"loss": 1.2994,
|
||||
"step": 225
|
||||
},
|
||||
{
|
||||
"epoch": 1.8585858585858586,
|
||||
"grad_norm": 8.265959609765153,
|
||||
"learning_rate": 7.82520325203252e-06,
|
||||
"loss": 1.258,
|
||||
"step": 230
|
||||
},
|
||||
{
|
||||
"epoch": 1.898989898989899,
|
||||
"grad_norm": 7.47340446063849,
|
||||
"learning_rate": 7.723577235772358e-06,
|
||||
"loss": 1.3744,
|
||||
"step": 235
|
||||
},
|
||||
{
|
||||
"epoch": 1.9393939393939394,
|
||||
"grad_norm": 7.8636893423505505,
|
||||
"learning_rate": 7.621951219512196e-06,
|
||||
"loss": 1.2867,
|
||||
"step": 240
|
||||
},
|
||||
{
|
||||
"epoch": 1.9797979797979797,
|
||||
"grad_norm": 8.66108025838036,
|
||||
"learning_rate": 7.520325203252034e-06,
|
||||
"loss": 1.3423,
|
||||
"step": 245
|
||||
},
|
||||
{
|
||||
"epoch": 2.0202020202020203,
|
||||
"grad_norm": 7.253266730457967,
|
||||
"learning_rate": 7.41869918699187e-06,
|
||||
"loss": 1.1248,
|
||||
"step": 250
|
||||
},
|
||||
{
|
||||
"epoch": 2.0606060606060606,
|
||||
"grad_norm": 7.304801005516647,
|
||||
"learning_rate": 7.317073170731707e-06,
|
||||
"loss": 0.8695,
|
||||
"step": 255
|
||||
},
|
||||
{
|
||||
"epoch": 2.101010101010101,
|
||||
"grad_norm": 8.148533408280995,
|
||||
"learning_rate": 7.215447154471545e-06,
|
||||
"loss": 0.8396,
|
||||
"step": 260
|
||||
},
|
||||
{
|
||||
"epoch": 2.1414141414141414,
|
||||
"grad_norm": 9.202743834871297,
|
||||
"learning_rate": 7.113821138211383e-06,
|
||||
"loss": 0.8835,
|
||||
"step": 265
|
||||
},
|
||||
{
|
||||
"epoch": 2.1818181818181817,
|
||||
"grad_norm": 9.248143695051853,
|
||||
"learning_rate": 7.01219512195122e-06,
|
||||
"loss": 0.769,
|
||||
"step": 270
|
||||
},
|
||||
{
|
||||
"epoch": 2.2222222222222223,
|
||||
"grad_norm": 8.877400578549704,
|
||||
"learning_rate": 6.910569105691057e-06,
|
||||
"loss": 0.8883,
|
||||
"step": 275
|
||||
},
|
||||
{
|
||||
"epoch": 2.2626262626262625,
|
||||
"grad_norm": 9.858300545714043,
|
||||
"learning_rate": 6.808943089430895e-06,
|
||||
"loss": 0.8892,
|
||||
"step": 280
|
||||
},
|
||||
{
|
||||
"epoch": 2.303030303030303,
|
||||
"grad_norm": 8.940708831871842,
|
||||
"learning_rate": 6.707317073170733e-06,
|
||||
"loss": 0.8526,
|
||||
"step": 285
|
||||
},
|
||||
{
|
||||
"epoch": 2.3434343434343434,
|
||||
"grad_norm": 9.167915788662723,
|
||||
"learning_rate": 6.60569105691057e-06,
|
||||
"loss": 0.9309,
|
||||
"step": 290
|
||||
},
|
||||
{
|
||||
"epoch": 2.3838383838383836,
|
||||
"grad_norm": 8.435170262522817,
|
||||
"learning_rate": 6.504065040650407e-06,
|
||||
"loss": 0.8693,
|
||||
"step": 295
|
||||
},
|
||||
{
|
||||
"epoch": 2.4242424242424243,
|
||||
"grad_norm": 9.022959586969035,
|
||||
"learning_rate": 6.402439024390244e-06,
|
||||
"loss": 0.8659,
|
||||
"step": 300
|
||||
},
|
||||
{
|
||||
"epoch": 2.4646464646464645,
|
||||
"grad_norm": 8.705530302904208,
|
||||
"learning_rate": 6.300813008130082e-06,
|
||||
"loss": 0.9076,
|
||||
"step": 305
|
||||
},
|
||||
{
|
||||
"epoch": 2.505050505050505,
|
||||
"grad_norm": 8.449067406312437,
|
||||
"learning_rate": 6.199186991869919e-06,
|
||||
"loss": 0.8896,
|
||||
"step": 310
|
||||
},
|
||||
{
|
||||
"epoch": 2.5454545454545454,
|
||||
"grad_norm": 8.962552587001122,
|
||||
"learning_rate": 6.0975609756097564e-06,
|
||||
"loss": 0.8568,
|
||||
"step": 315
|
||||
},
|
||||
{
|
||||
"epoch": 2.5858585858585856,
|
||||
"grad_norm": 9.26680724967832,
|
||||
"learning_rate": 5.995934959349594e-06,
|
||||
"loss": 0.8707,
|
||||
"step": 320
|
||||
},
|
||||
{
|
||||
"epoch": 2.6262626262626263,
|
||||
"grad_norm": 9.852323988179384,
|
||||
"learning_rate": 5.894308943089432e-06,
|
||||
"loss": 0.9007,
|
||||
"step": 325
|
||||
},
|
||||
{
|
||||
"epoch": 2.6666666666666665,
|
||||
"grad_norm": 9.473031970955077,
|
||||
"learning_rate": 5.792682926829269e-06,
|
||||
"loss": 0.8907,
|
||||
"step": 330
|
||||
},
|
||||
{
|
||||
"epoch": 2.707070707070707,
|
||||
"grad_norm": 8.423216825316242,
|
||||
"learning_rate": 5.691056910569106e-06,
|
||||
"loss": 0.8408,
|
||||
"step": 335
|
||||
},
|
||||
{
|
||||
"epoch": 2.7474747474747474,
|
||||
"grad_norm": 8.772022355651819,
|
||||
"learning_rate": 5.589430894308944e-06,
|
||||
"loss": 0.8791,
|
||||
"step": 340
|
||||
},
|
||||
{
|
||||
"epoch": 2.787878787878788,
|
||||
"grad_norm": 9.456726517429484,
|
||||
"learning_rate": 5.487804878048781e-06,
|
||||
"loss": 0.9048,
|
||||
"step": 345
|
||||
},
|
||||
{
|
||||
"epoch": 2.8282828282828283,
|
||||
"grad_norm": 8.932119436113132,
|
||||
"learning_rate": 5.386178861788618e-06,
|
||||
"loss": 0.9458,
|
||||
"step": 350
|
||||
},
|
||||
{
|
||||
"epoch": 2.8686868686868685,
|
||||
"grad_norm": 9.076984191036512,
|
||||
"learning_rate": 5.2845528455284555e-06,
|
||||
"loss": 0.887,
|
||||
"step": 355
|
||||
},
|
||||
{
|
||||
"epoch": 2.909090909090909,
|
||||
"grad_norm": 9.228482912276068,
|
||||
"learning_rate": 5.182926829268293e-06,
|
||||
"loss": 0.9164,
|
||||
"step": 360
|
||||
},
|
||||
{
|
||||
"epoch": 2.9494949494949494,
|
||||
"grad_norm": 9.39115941622314,
|
||||
"learning_rate": 5.081300813008131e-06,
|
||||
"loss": 0.9146,
|
||||
"step": 365
|
||||
},
|
||||
{
|
||||
"epoch": 2.98989898989899,
|
||||
"grad_norm": 9.590905474617363,
|
||||
"learning_rate": 4.979674796747968e-06,
|
||||
"loss": 0.8975,
|
||||
"step": 370
|
||||
},
|
||||
{
|
||||
"epoch": 3.0303030303030303,
|
||||
"grad_norm": 8.147437990412763,
|
||||
"learning_rate": 4.8780487804878055e-06,
|
||||
"loss": 0.5845,
|
||||
"step": 375
|
||||
},
|
||||
{
|
||||
"epoch": 3.0707070707070705,
|
||||
"grad_norm": 8.966178510928351,
|
||||
"learning_rate": 4.776422764227643e-06,
|
||||
"loss": 0.4348,
|
||||
"step": 380
|
||||
},
|
||||
{
|
||||
"epoch": 3.111111111111111,
|
||||
"grad_norm": 9.411638909598917,
|
||||
"learning_rate": 4.67479674796748e-06,
|
||||
"loss": 0.4666,
|
||||
"step": 385
|
||||
},
|
||||
{
|
||||
"epoch": 3.1515151515151514,
|
||||
"grad_norm": 8.787258663179166,
|
||||
"learning_rate": 4.573170731707318e-06,
|
||||
"loss": 0.4412,
|
||||
"step": 390
|
||||
},
|
||||
{
|
||||
"epoch": 3.191919191919192,
|
||||
"grad_norm": 8.448686917354301,
|
||||
"learning_rate": 4.471544715447155e-06,
|
||||
"loss": 0.4644,
|
||||
"step": 395
|
||||
},
|
||||
{
|
||||
"epoch": 3.2323232323232323,
|
||||
"grad_norm": 10.794449599661947,
|
||||
"learning_rate": 4.369918699186992e-06,
|
||||
"loss": 0.4697,
|
||||
"step": 400
|
||||
},
|
||||
{
|
||||
"epoch": 3.2727272727272725,
|
||||
"grad_norm": 9.903329877706229,
|
||||
"learning_rate": 4.268292682926829e-06,
|
||||
"loss": 0.4451,
|
||||
"step": 405
|
||||
},
|
||||
{
|
||||
"epoch": 3.313131313131313,
|
||||
"grad_norm": 10.77521515420911,
|
||||
"learning_rate": 4.166666666666667e-06,
|
||||
"loss": 0.4332,
|
||||
"step": 410
|
||||
},
|
||||
{
|
||||
"epoch": 3.3535353535353534,
|
||||
"grad_norm": 9.850095186977901,
|
||||
"learning_rate": 4.0650406504065046e-06,
|
||||
"loss": 0.4571,
|
||||
"step": 415
|
||||
},
|
||||
{
|
||||
"epoch": 3.393939393939394,
|
||||
"grad_norm": 9.719974950746256,
|
||||
"learning_rate": 3.963414634146342e-06,
|
||||
"loss": 0.4651,
|
||||
"step": 420
|
||||
},
|
||||
{
|
||||
"epoch": 3.4343434343434343,
|
||||
"grad_norm": 8.909903135988007,
|
||||
"learning_rate": 3.861788617886179e-06,
|
||||
"loss": 0.4412,
|
||||
"step": 425
|
||||
},
|
||||
{
|
||||
"epoch": 3.474747474747475,
|
||||
"grad_norm": 9.513088350689786,
|
||||
"learning_rate": 3.760162601626017e-06,
|
||||
"loss": 0.4713,
|
||||
"step": 430
|
||||
},
|
||||
{
|
||||
"epoch": 3.515151515151515,
|
||||
"grad_norm": 8.770653506187902,
|
||||
"learning_rate": 3.6585365853658537e-06,
|
||||
"loss": 0.4325,
|
||||
"step": 435
|
||||
},
|
||||
{
|
||||
"epoch": 3.5555555555555554,
|
||||
"grad_norm": 10.698789680572704,
|
||||
"learning_rate": 3.5569105691056914e-06,
|
||||
"loss": 0.456,
|
||||
"step": 440
|
||||
},
|
||||
{
|
||||
"epoch": 3.595959595959596,
|
||||
"grad_norm": 9.719819699090596,
|
||||
"learning_rate": 3.4552845528455287e-06,
|
||||
"loss": 0.4673,
|
||||
"step": 445
|
||||
},
|
||||
{
|
||||
"epoch": 3.6363636363636362,
|
||||
"grad_norm": 10.503333896340955,
|
||||
"learning_rate": 3.3536585365853664e-06,
|
||||
"loss": 0.4571,
|
||||
"step": 450
|
||||
},
|
||||
{
|
||||
"epoch": 3.676767676767677,
|
||||
"grad_norm": 9.503329386063092,
|
||||
"learning_rate": 3.2520325203252037e-06,
|
||||
"loss": 0.4389,
|
||||
"step": 455
|
||||
},
|
||||
{
|
||||
"epoch": 3.717171717171717,
|
||||
"grad_norm": 10.009998037929371,
|
||||
"learning_rate": 3.150406504065041e-06,
|
||||
"loss": 0.4638,
|
||||
"step": 460
|
||||
},
|
||||
{
|
||||
"epoch": 3.757575757575758,
|
||||
"grad_norm": 9.165548124514086,
|
||||
"learning_rate": 3.0487804878048782e-06,
|
||||
"loss": 0.4911,
|
||||
"step": 465
|
||||
},
|
||||
{
|
||||
"epoch": 3.797979797979798,
|
||||
"grad_norm": 8.906764540289775,
|
||||
"learning_rate": 2.947154471544716e-06,
|
||||
"loss": 0.4568,
|
||||
"step": 470
|
||||
},
|
||||
{
|
||||
"epoch": 3.8383838383838382,
|
||||
"grad_norm": 9.034724254956192,
|
||||
"learning_rate": 2.845528455284553e-06,
|
||||
"loss": 0.4336,
|
||||
"step": 475
|
||||
},
|
||||
{
|
||||
"epoch": 3.878787878787879,
|
||||
"grad_norm": 11.166876327596686,
|
||||
"learning_rate": 2.7439024390243905e-06,
|
||||
"loss": 0.4499,
|
||||
"step": 480
|
||||
},
|
||||
{
|
||||
"epoch": 3.919191919191919,
|
||||
"grad_norm": 9.217158341597267,
|
||||
"learning_rate": 2.6422764227642278e-06,
|
||||
"loss": 0.421,
|
||||
"step": 485
|
||||
},
|
||||
{
|
||||
"epoch": 3.9595959595959593,
|
||||
"grad_norm": 10.35588055954636,
|
||||
"learning_rate": 2.5406504065040655e-06,
|
||||
"loss": 0.461,
|
||||
"step": 490
|
||||
},
|
||||
{
|
||||
"epoch": 4.0,
|
||||
"grad_norm": 9.702783400257974,
|
||||
"learning_rate": 2.4390243902439027e-06,
|
||||
"loss": 0.4693,
|
||||
"step": 495
|
||||
},
|
||||
{
|
||||
"epoch": 4.040404040404041,
|
||||
"grad_norm": 7.785172054818246,
|
||||
"learning_rate": 2.33739837398374e-06,
|
||||
"loss": 0.2154,
|
||||
"step": 500
|
||||
},
|
||||
{
|
||||
"epoch": 4.08080808080808,
|
||||
"grad_norm": 8.930594851346704,
|
||||
"learning_rate": 2.2357723577235773e-06,
|
||||
"loss": 0.1967,
|
||||
"step": 505
|
||||
},
|
||||
{
|
||||
"epoch": 4.121212121212121,
|
||||
"grad_norm": 10.107028846989817,
|
||||
"learning_rate": 2.1341463414634146e-06,
|
||||
"loss": 0.1844,
|
||||
"step": 510
|
||||
},
|
||||
{
|
||||
"epoch": 4.161616161616162,
|
||||
"grad_norm": 7.826371662630265,
|
||||
"learning_rate": 2.0325203252032523e-06,
|
||||
"loss": 0.19,
|
||||
"step": 515
|
||||
},
|
||||
{
|
||||
"epoch": 4.202020202020202,
|
||||
"grad_norm": 7.454368070701538,
|
||||
"learning_rate": 1.9308943089430896e-06,
|
||||
"loss": 0.204,
|
||||
"step": 520
|
||||
},
|
||||
{
|
||||
"epoch": 4.242424242424242,
|
||||
"grad_norm": 10.555419961914236,
|
||||
"learning_rate": 1.8292682926829268e-06,
|
||||
"loss": 0.1838,
|
||||
"step": 525
|
||||
},
|
||||
{
|
||||
"epoch": 4.282828282828283,
|
||||
"grad_norm": 7.50612949709692,
|
||||
"learning_rate": 1.7276422764227643e-06,
|
||||
"loss": 0.2054,
|
||||
"step": 530
|
||||
},
|
||||
{
|
||||
"epoch": 4.3232323232323235,
|
||||
"grad_norm": 7.8740842398900055,
|
||||
"learning_rate": 1.6260162601626018e-06,
|
||||
"loss": 0.1933,
|
||||
"step": 535
|
||||
},
|
||||
{
|
||||
"epoch": 4.363636363636363,
|
||||
"grad_norm": 7.239232049440118,
|
||||
"learning_rate": 1.5243902439024391e-06,
|
||||
"loss": 0.195,
|
||||
"step": 540
|
||||
},
|
||||
{
|
||||
"epoch": 4.404040404040404,
|
||||
"grad_norm": 8.52719981728453,
|
||||
"learning_rate": 1.4227642276422766e-06,
|
||||
"loss": 0.2201,
|
||||
"step": 545
|
||||
},
|
||||
{
|
||||
"epoch": 4.444444444444445,
|
||||
"grad_norm": 6.870928125369453,
|
||||
"learning_rate": 1.3211382113821139e-06,
|
||||
"loss": 0.1876,
|
||||
"step": 550
|
||||
},
|
||||
{
|
||||
"epoch": 4.484848484848484,
|
||||
"grad_norm": 7.742011223629616,
|
||||
"learning_rate": 1.2195121951219514e-06,
|
||||
"loss": 0.1811,
|
||||
"step": 555
|
||||
},
|
||||
{
|
||||
"epoch": 4.525252525252525,
|
||||
"grad_norm": 7.506513525908142,
|
||||
"learning_rate": 1.1178861788617887e-06,
|
||||
"loss": 0.1805,
|
||||
"step": 560
|
||||
},
|
||||
{
|
||||
"epoch": 4.565656565656566,
|
||||
"grad_norm": 7.401202667774116,
|
||||
"learning_rate": 1.0162601626016261e-06,
|
||||
"loss": 0.1951,
|
||||
"step": 565
|
||||
},
|
||||
{
|
||||
"epoch": 4.606060606060606,
|
||||
"grad_norm": 8.135929523728391,
|
||||
"learning_rate": 9.146341463414634e-07,
|
||||
"loss": 0.1856,
|
||||
"step": 570
|
||||
},
|
||||
{
|
||||
"epoch": 4.646464646464646,
|
||||
"grad_norm": 9.307497468880753,
|
||||
"learning_rate": 8.130081300813009e-07,
|
||||
"loss": 0.1807,
|
||||
"step": 575
|
||||
},
|
||||
{
|
||||
"epoch": 4.686868686868687,
|
||||
"grad_norm": 8.362839951501785,
|
||||
"learning_rate": 7.113821138211383e-07,
|
||||
"loss": 0.1653,
|
||||
"step": 580
|
||||
},
|
||||
{
|
||||
"epoch": 4.7272727272727275,
|
||||
"grad_norm": 9.06145198185612,
|
||||
"learning_rate": 6.097560975609757e-07,
|
||||
"loss": 0.1747,
|
||||
"step": 585
|
||||
},
|
||||
{
|
||||
"epoch": 4.767676767676767,
|
||||
"grad_norm": 7.9663701451927516,
|
||||
"learning_rate": 5.081300813008131e-07,
|
||||
"loss": 0.1922,
|
||||
"step": 590
|
||||
},
|
||||
{
|
||||
"epoch": 4.808080808080808,
|
||||
"grad_norm": 8.512067102195044,
|
||||
"learning_rate": 4.0650406504065046e-07,
|
||||
"loss": 0.1837,
|
||||
"step": 595
|
||||
},
|
||||
{
|
||||
"epoch": 4.848484848484849,
|
||||
"grad_norm": 7.294652883363056,
|
||||
"learning_rate": 3.0487804878048784e-07,
|
||||
"loss": 0.1877,
|
||||
"step": 600
|
||||
},
|
||||
{
|
||||
"epoch": 4.888888888888889,
|
||||
"grad_norm": 8.551601154075781,
|
||||
"learning_rate": 2.0325203252032523e-07,
|
||||
"loss": 0.1851,
|
||||
"step": 605
|
||||
},
|
||||
{
|
||||
"epoch": 4.929292929292929,
|
||||
"grad_norm": 8.034884715447463,
|
||||
"learning_rate": 1.0162601626016261e-07,
|
||||
"loss": 0.187,
|
||||
"step": 610
|
||||
},
|
||||
{
|
||||
"epoch": 4.96969696969697,
|
||||
"grad_norm": 7.727841885701067,
|
||||
"learning_rate": 0.0,
|
||||
"loss": 0.1957,
|
||||
"step": 615
|
||||
},
|
||||
{
|
||||
"epoch": 4.96969696969697,
|
||||
"step": 615,
|
||||
"total_flos": 849370300416.0,
|
||||
"train_loss": 0.9517717417662706,
|
||||
"train_runtime": 734.4559,
|
||||
"train_samples_per_second": 26.959,
|
||||
"train_steps_per_second": 0.837
|
||||
}
|
||||
],
|
||||
"logging_steps": 5,
|
||||
"max_steps": 615,
|
||||
"num_input_tokens_seen": 0,
|
||||
"num_train_epochs": 5,
|
||||
"save_steps": 500,
|
||||
"stateful_callbacks": {
|
||||
"TrainerControl": {
|
||||
"args": {
|
||||
"should_epoch_stop": false,
|
||||
"should_evaluate": false,
|
||||
"should_log": false,
|
||||
"should_save": false,
|
||||
"should_training_stop": false
|
||||
},
|
||||
"attributes": {}
|
||||
}
|
||||
},
|
||||
"total_flos": 849370300416.0,
|
||||
"train_batch_size": 4,
|
||||
"trial_name": null,
|
||||
"trial_params": null
|
||||
}
|
||||
3
training_args.bin
Normal file
3
training_args.bin
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:8b0b3c4f907788b2fb75c4ff204f6e8063d9e18ab81ddfced7796f6d0cc1ae55
|
||||
size 6904
|
||||
Reference in New Issue
Block a user