初始化项目，由ModelHub XC社区提供模型
Model: pszemraj/opt-125m-email-generation Source: Original Platform
This commit is contained in:
ModelHub XC
28
.gitattributes
vendored
Normal file
28
.gitattributes
vendored
Normal file
@@ -0,0 +1,28 @@
|
|||||||
|
*.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
|
||||||
|
*.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
|
||||||
|
*.model filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.msgpack 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
|
||||||
|
*.pt filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.pth filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*.rar filter=lfs diff=lfs merge=lfs -text
|
||||||
|
saved_model/**/* 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
|
||||||
|
*.zstandard filter=lfs diff=lfs merge=lfs -text
|
||||||
|
*tfevents* filter=lfs diff=lfs merge=lfs -text
|
||||||
|
model.safetensors filter=lfs diff=lfs merge=lfs -text
|
||||||
1
.gitignore
vendored
Normal file
1
.gitignore
vendored
Normal file
@@ -0,0 +1 @@
|
|||||||
|
checkpoint-*/
|
||||||
113
README.md
Normal file
113
README.md
Normal file
@@ -0,0 +1,113 @@
|
|||||||
|
---
|
||||||
|
license: other
|
||||||
|
tags:
|
||||||
|
- generated_from_trainer
|
||||||
|
- opt
|
||||||
|
- custom-license
|
||||||
|
- non-commercial
|
||||||
|
- email
|
||||||
|
- auto-complete
|
||||||
|
- 125m
|
||||||
|
datasets:
|
||||||
|
- aeslc
|
||||||
|
widget:
|
||||||
|
- text: 'Hey <NAME>,
|
||||||
|
|
||||||
|
|
||||||
|
Thank you for signing up for my weekly newsletter. Before we get started, you''ll
|
||||||
|
have to confirm your email address.'
|
||||||
|
example_title: newsletter
|
||||||
|
- text: 'Hi <NAME>,
|
||||||
|
|
||||||
|
|
||||||
|
I hope this email finds you well. Let me start by saying that I am a big fan of
|
||||||
|
your work.'
|
||||||
|
example_title: fan
|
||||||
|
- text: 'Greetings <NAME>,
|
||||||
|
|
||||||
|
|
||||||
|
I hope you had a splendid evening at the Company sausage eating festival. I am
|
||||||
|
reaching out because'
|
||||||
|
example_title: festival
|
||||||
|
- text: 'Good Morning <NAME>,
|
||||||
|
|
||||||
|
|
||||||
|
I was just thinking to myself about how much I love creating value'
|
||||||
|
example_title: value
|
||||||
|
- text: URGENT - I need
|
||||||
|
example_title: URGENT
|
||||||
|
parameters:
|
||||||
|
min_length: 4
|
||||||
|
max_length: 64
|
||||||
|
length_penalty: 0.7
|
||||||
|
no_repeat_ngram_size: 3
|
||||||
|
do_sample: false
|
||||||
|
num_beams: 4
|
||||||
|
early_stopping: true
|
||||||
|
repetition_penalty: 3.5
|
||||||
|
use_fast: false
|
||||||
|
base_model: facebook/opt-125m
|
||||||
|
---
|
||||||
|
> NOTE: there is currently a bug with huggingface API for OPT models. Please use the [colab notebook](https://colab.research.google.com/gist/pszemraj/033dc9a38da31ced7a0343091ba42e31/email-autocomplete-demo-125m.ipynb) to test :)
|
||||||
|
|
||||||
|
# opt for email generation - 125m
|
||||||
|
|
||||||
|
Why write the rest of your email when you can generate it?
|
||||||
|
|
||||||
|
```
|
||||||
|
from transformers import pipeline
|
||||||
|
model_tag = "pszemraj/opt-125m-email-generation"
|
||||||
|
generator = pipeline(
|
||||||
|
'text-generation',
|
||||||
|
model=model_tag,
|
||||||
|
use_fast=False,
|
||||||
|
do_sample=False,
|
||||||
|
)
|
||||||
|
|
||||||
|
prompt = """
|
||||||
|
Hello,
|
||||||
|
Following up on the bubblegum shipment."""
|
||||||
|
generator(
|
||||||
|
prompt,
|
||||||
|
max_length=96,
|
||||||
|
) # generate
|
||||||
|
```
|
||||||
|
- [colab notebook](https://colab.research.google.com/gist/pszemraj/033dc9a38da31ced7a0343091ba42e31/email-autocomplete-demo-125m.ipynb) for testing/use
|
||||||
|
|
||||||
|
## About
|
||||||
|
|
||||||
|
|
||||||
|
This model is a fine-tuned version of [facebook/opt-125m](https://huggingface.co/facebook/opt-125m) on an `aeslc` dataset.
|
||||||
|
|
||||||
|
|
||||||
|
- Emails, phone numbers, etc., were attempted to be excluded in a dataset preparation step using [clean-text](https://pypi.org/project/clean-text/) in Python.
|
||||||
|
- Note that API is restricted to generating 64 tokens - you can generate longer emails by using this in a text-generation `pipeline` object
|
||||||
|
|
||||||
|
It achieves the following results on the evaluation set:
|
||||||
|
- Loss: 2.5552
|
||||||
|
|
||||||
|
## Intended uses & limitations
|
||||||
|
|
||||||
|
- OPT models cannot be used commercially
|
||||||
|
- [here is a GitHub gist](https://gist.github.com/pszemraj/c1b0a76445418b6bbddd5f9633d1bb7f) for a script to generate emails in the console or to a text file.
|
||||||
|
|
||||||
|
## Training and evaluation data
|
||||||
|
|
||||||
|
- the `email_body` field of train + validation (get more data) from the [aeslc](https://huggingface.co/datasets/aeslc) dataset.
|
||||||
|
|
||||||
|
|
||||||
|
### Training results
|
||||||
|
|
||||||
|
| Training Loss | Epoch | Step | Validation Loss |
|
||||||
|
|:-------------:|:-----:|:----:|:---------------:|
|
||||||
|
| 2.8245 | 1.0 | 129 | 2.8030 |
|
||||||
|
| 2.521 | 2.0 | 258 | 2.6343 |
|
||||||
|
| 2.2074 | 3.0 | 387 | 2.5595 |
|
||||||
|
| 2.0145 | 4.0 | 516 | 2.5552 |
|
||||||
|
|
||||||
|
|
||||||
|
### Framework versions
|
||||||
|
|
||||||
|
- Transformers 4.20.1
|
||||||
|
- Pytorch 1.11.0+cu113
|
||||||
|
- Tokenizers 0.12.1
|
||||||
29
config.json
Normal file
29
config.json
Normal file
@@ -0,0 +1,29 @@
|
|||||||
|
{
|
||||||
|
"_name_or_path": "facebook/opt-125m",
|
||||||
|
"_remove_final_layer_norm": false,
|
||||||
|
"activation_dropout": 0.0,
|
||||||
|
"activation_function": "relu",
|
||||||
|
"architectures": [
|
||||||
|
"OPTForCausalLM"
|
||||||
|
],
|
||||||
|
"attention_dropout": 0.0,
|
||||||
|
"bos_token_id": 2,
|
||||||
|
"do_layer_norm_before": true,
|
||||||
|
"dropout": 0.1,
|
||||||
|
"eos_token_id": 2,
|
||||||
|
"ffn_dim": 3072,
|
||||||
|
"hidden_size": 768,
|
||||||
|
"init_std": 0.02,
|
||||||
|
"layerdrop": 0.0,
|
||||||
|
"max_position_embeddings": 2048,
|
||||||
|
"model_type": "opt",
|
||||||
|
"num_attention_heads": 12,
|
||||||
|
"num_hidden_layers": 12,
|
||||||
|
"pad_token_id": 1,
|
||||||
|
"prefix": "</s>",
|
||||||
|
"torch_dtype": "float32",
|
||||||
|
"transformers_version": "4.20.1",
|
||||||
|
"use_cache": false,
|
||||||
|
"vocab_size": 50265,
|
||||||
|
"word_embed_proj_dim": 768
|
||||||
|
}
|
||||||
50001
merges.txt
Normal file
50001
merges.txt
Normal file
File diff suppressed because it is too large
Load Diff
3
model.safetensors
Normal file
3
model.safetensors
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:d6872219b43c483cd2fa5fd7cc0b667d20e66a6d940b93ce18d089e073418a5f
|
||||||
|
size 500958096
|
||||||
3
pytorch_model.bin
Normal file
3
pytorch_model.bin
Normal file
@@ -0,0 +1,3 @@
|
|||||||
|
version https://git-lfs.github.com/spec/v1
|
||||||
|
oid sha256:fe655df3097231d25350005967e2814776726d7da4a95fa2e1627f72d60b1eec
|
||||||
|
size 500959723
|
||||||
24
special_tokens_map.json
Normal file
24
special_tokens_map.json
Normal file
@@ -0,0 +1,24 @@
|
|||||||
|
{
|
||||||
|
"bos_token": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"eos_token": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"pad_token": "</s>",
|
||||||
|
"unk_token": {
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
}
|
||||||
|
}
|
||||||
41
tokenizer_config.json
Normal file
41
tokenizer_config.json
Normal file
@@ -0,0 +1,41 @@
|
|||||||
|
{
|
||||||
|
"add_bos_token": true,
|
||||||
|
"add_prefix_space": false,
|
||||||
|
"bos_token": {
|
||||||
|
"__type": "AddedToken",
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"eos_token": {
|
||||||
|
"__type": "AddedToken",
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"errors": "replace",
|
||||||
|
"model_max_length": 1024,
|
||||||
|
"name_or_path": "pszemraj/opt-125m-emailgen-v2_DS-aeslc_Ep-4_Bs-8",
|
||||||
|
"pad_token": {
|
||||||
|
"__type": "AddedToken",
|
||||||
|
"content": "<pad>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
},
|
||||||
|
"special_tokens_map_file": null,
|
||||||
|
"tokenizer_class": "GPT2Tokenizer",
|
||||||
|
"unk_token": {
|
||||||
|
"__type": "AddedToken",
|
||||||
|
"content": "</s>",
|
||||||
|
"lstrip": false,
|
||||||
|
"normalized": true,
|
||||||
|
"rstrip": false,
|
||||||
|
"single_word": false
|
||||||
|
}
|
||||||
|
}
|
||||||
675
trainer_state.json
Normal file
675
trainer_state.json
Normal file
@@ -0,0 +1,675 @@
|
|||||||
|
{
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 3.99758337361044,
|
||||||
|
"global_step": 516,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.04,
|
||||||
|
"learning_rate": 0.0003999073369028083,
|
||||||
|
"loss": 4.4497,
|
||||||
|
"step": 5
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.08,
|
||||||
|
"learning_rate": 0.00039962943347572903,
|
||||||
|
"loss": 3.7433,
|
||||||
|
"step": 10
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.12,
|
||||||
|
"learning_rate": 0.00039916654723268495,
|
||||||
|
"loss": 3.4124,
|
||||||
|
"step": 15
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.15,
|
||||||
|
"learning_rate": 0.0003985191070984053,
|
||||||
|
"loss": 3.3596,
|
||||||
|
"step": 20
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.19,
|
||||||
|
"learning_rate": 0.000397687713010971,
|
||||||
|
"loss": 3.2361,
|
||||||
|
"step": 25
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.23,
|
||||||
|
"learning_rate": 0.00039667313536589325,
|
||||||
|
"loss": 3.2741,
|
||||||
|
"step": 30
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.27,
|
||||||
|
"learning_rate": 0.0003954763143022415,
|
||||||
|
"loss": 3.1754,
|
||||||
|
"step": 35
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.31,
|
||||||
|
"learning_rate": 0.00039409835883148103,
|
||||||
|
"loss": 3.1644,
|
||||||
|
"step": 40
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.35,
|
||||||
|
"learning_rate": 0.00039254054580982917,
|
||||||
|
"loss": 3.158,
|
||||||
|
"step": 45
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.39,
|
||||||
|
"learning_rate": 0.00039080431875508013,
|
||||||
|
"loss": 3.1109,
|
||||||
|
"step": 50
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.43,
|
||||||
|
"learning_rate": 0.00038889128650899707,
|
||||||
|
"loss": 3.1248,
|
||||||
|
"step": 55
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.46,
|
||||||
|
"learning_rate": 0.0003868032217465096,
|
||||||
|
"loss": 3.01,
|
||||||
|
"step": 60
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.5,
|
||||||
|
"learning_rate": 0.00038454205933309793,
|
||||||
|
"loss": 3.1002,
|
||||||
|
"step": 65
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.54,
|
||||||
|
"learning_rate": 0.0003821098945318869,
|
||||||
|
"loss": 3.001,
|
||||||
|
"step": 70
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.58,
|
||||||
|
"learning_rate": 0.0003795089810621101,
|
||||||
|
"loss": 3.0187,
|
||||||
|
"step": 75
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.62,
|
||||||
|
"learning_rate": 0.00037674172901074385,
|
||||||
|
"loss": 2.9759,
|
||||||
|
"step": 80
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.66,
|
||||||
|
"learning_rate": 0.0003738107025992461,
|
||||||
|
"loss": 2.8984,
|
||||||
|
"step": 85
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.7,
|
||||||
|
"learning_rate": 0.0003707186178074693,
|
||||||
|
"loss": 2.9715,
|
||||||
|
"step": 90
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.73,
|
||||||
|
"learning_rate": 0.0003674683398569492,
|
||||||
|
"loss": 3.0181,
|
||||||
|
"step": 95
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.77,
|
||||||
|
"learning_rate": 0.0003640628805559022,
|
||||||
|
"loss": 3.0082,
|
||||||
|
"step": 100
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.81,
|
||||||
|
"learning_rate": 0.00036050539550839015,
|
||||||
|
"loss": 2.9286,
|
||||||
|
"step": 105
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.85,
|
||||||
|
"learning_rate": 0.0003567991811902403,
|
||||||
|
"loss": 2.9238,
|
||||||
|
"step": 110
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.89,
|
||||||
|
"learning_rate": 0.0003529476718944283,
|
||||||
|
"loss": 2.9692,
|
||||||
|
"step": 115
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.93,
|
||||||
|
"learning_rate": 0.0003489544365487564,
|
||||||
|
"loss": 2.9091,
|
||||||
|
"step": 120
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.97,
|
||||||
|
"learning_rate": 0.000344823175408774,
|
||||||
|
"loss": 2.8245,
|
||||||
|
"step": 125
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.0,
|
||||||
|
"eval_loss": 2.8029613494873047,
|
||||||
|
"eval_runtime": 57.7962,
|
||||||
|
"eval_samples_per_second": 33.013,
|
||||||
|
"eval_steps_per_second": 4.135,
|
||||||
|
"step": 129
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.01,
|
||||||
|
"learning_rate": 0.00034055771662900637,
|
||||||
|
"loss": 3.0457,
|
||||||
|
"step": 130
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.05,
|
||||||
|
"learning_rate": 0.00033616201271566845,
|
||||||
|
"loss": 2.5236,
|
||||||
|
"step": 135
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.09,
|
||||||
|
"learning_rate": 0.0003316401368641496,
|
||||||
|
"loss": 2.6179,
|
||||||
|
"step": 140
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.12,
|
||||||
|
"learning_rate": 0.0003269962791846651,
|
||||||
|
"loss": 2.5468,
|
||||||
|
"step": 145
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.16,
|
||||||
|
"learning_rate": 0.00032223474281956987,
|
||||||
|
"loss": 2.6191,
|
||||||
|
"step": 150
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.2,
|
||||||
|
"learning_rate": 0.0003173599399559337,
|
||||||
|
"loss": 2.639,
|
||||||
|
"step": 155
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.24,
|
||||||
|
"learning_rate": 0.0003123763877370721,
|
||||||
|
"loss": 2.6327,
|
||||||
|
"step": 160
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.28,
|
||||||
|
"learning_rate": 0.00030728870407682117,
|
||||||
|
"loss": 2.6121,
|
||||||
|
"step": 165
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.32,
|
||||||
|
"learning_rate": 0.0003021016033804358,
|
||||||
|
"loss": 2.465,
|
||||||
|
"step": 170
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.36,
|
||||||
|
"learning_rate": 0.0002968198921760758,
|
||||||
|
"loss": 2.619,
|
||||||
|
"step": 175
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.39,
|
||||||
|
"learning_rate": 0.0002914484646609277,
|
||||||
|
"loss": 2.5499,
|
||||||
|
"step": 180
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.43,
|
||||||
|
"learning_rate": 0.0002859922981660906,
|
||||||
|
"loss": 2.5248,
|
||||||
|
"step": 185
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.47,
|
||||||
|
"learning_rate": 0.0002804564485444265,
|
||||||
|
"loss": 2.6074,
|
||||||
|
"step": 190
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.51,
|
||||||
|
"learning_rate": 0.00027484604548565065,
|
||||||
|
"loss": 2.5412,
|
||||||
|
"step": 195
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.55,
|
||||||
|
"learning_rate": 0.0002691662877630023,
|
||||||
|
"loss": 2.5677,
|
||||||
|
"step": 200
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.59,
|
||||||
|
"learning_rate": 0.0002634224384159003,
|
||||||
|
"loss": 2.5344,
|
||||||
|
"step": 205
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.63,
|
||||||
|
"learning_rate": 0.00025761981987304755,
|
||||||
|
"loss": 2.5655,
|
||||||
|
"step": 210
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.67,
|
||||||
|
"learning_rate": 0.00025176380902050413,
|
||||||
|
"loss": 2.5598,
|
||||||
|
"step": 215
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.7,
|
||||||
|
"learning_rate": 0.00024585983221929805,
|
||||||
|
"loss": 2.5926,
|
||||||
|
"step": 220
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.74,
|
||||||
|
"learning_rate": 0.00023991336027719059,
|
||||||
|
"loss": 2.4798,
|
||||||
|
"step": 225
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.78,
|
||||||
|
"learning_rate": 0.00023392990337925694,
|
||||||
|
"loss": 2.4976,
|
||||||
|
"step": 230
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.82,
|
||||||
|
"learning_rate": 0.000227915005981978,
|
||||||
|
"loss": 2.5969,
|
||||||
|
"step": 235
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.86,
|
||||||
|
"learning_rate": 0.00022187424167557492,
|
||||||
|
"loss": 2.5677,
|
||||||
|
"step": 240
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.9,
|
||||||
|
"learning_rate": 0.000215813208019348,
|
||||||
|
"loss": 2.6221,
|
||||||
|
"step": 245
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.94,
|
||||||
|
"learning_rate": 0.00020973752135480505,
|
||||||
|
"loss": 2.5241,
|
||||||
|
"step": 250
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.97,
|
||||||
|
"learning_rate": 0.000203652811601385,
|
||||||
|
"loss": 2.521,
|
||||||
|
"step": 255
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.0,
|
||||||
|
"eval_loss": 2.634265899658203,
|
||||||
|
"eval_runtime": 57.8082,
|
||||||
|
"eval_samples_per_second": 33.006,
|
||||||
|
"eval_steps_per_second": 4.134,
|
||||||
|
"step": 258
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.02,
|
||||||
|
"learning_rate": 0.0001975647170396005,
|
||||||
|
"loss": 2.5802,
|
||||||
|
"step": 260
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.05,
|
||||||
|
"learning_rate": 0.00019147887908643253,
|
||||||
|
"loss": 2.2447,
|
||||||
|
"step": 265
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.09,
|
||||||
|
"learning_rate": 0.0001854009370678185,
|
||||||
|
"loss": 2.2409,
|
||||||
|
"step": 270
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.13,
|
||||||
|
"learning_rate": 0.00017933652299307847,
|
||||||
|
"loss": 2.2383,
|
||||||
|
"step": 275
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.17,
|
||||||
|
"learning_rate": 0.00017329125633612044,
|
||||||
|
"loss": 2.2028,
|
||||||
|
"step": 280
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.21,
|
||||||
|
"learning_rate": 0.00016727073882826242,
|
||||||
|
"loss": 2.1655,
|
||||||
|
"step": 285
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.25,
|
||||||
|
"learning_rate": 0.00016128054926749404,
|
||||||
|
"loss": 2.2198,
|
||||||
|
"step": 290
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.29,
|
||||||
|
"learning_rate": 0.00015532623834899002,
|
||||||
|
"loss": 2.2186,
|
||||||
|
"step": 295
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.32,
|
||||||
|
"learning_rate": 0.00014941332352166385,
|
||||||
|
"loss": 2.2225,
|
||||||
|
"step": 300
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.36,
|
||||||
|
"learning_rate": 0.00014354728387552882,
|
||||||
|
"loss": 2.2135,
|
||||||
|
"step": 305
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.4,
|
||||||
|
"learning_rate": 0.00013773355506460367,
|
||||||
|
"loss": 2.1537,
|
||||||
|
"step": 310
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.44,
|
||||||
|
"learning_rate": 0.00013197752427006679,
|
||||||
|
"loss": 2.2074,
|
||||||
|
"step": 315
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.48,
|
||||||
|
"learning_rate": 0.00012628452520832765,
|
||||||
|
"loss": 2.1916,
|
||||||
|
"step": 320
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.52,
|
||||||
|
"learning_rate": 0.00012065983318864011,
|
||||||
|
"loss": 2.2548,
|
||||||
|
"step": 325
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.56,
|
||||||
|
"learning_rate": 0.00011510866022483702,
|
||||||
|
"loss": 2.2211,
|
||||||
|
"step": 330
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.6,
|
||||||
|
"learning_rate": 0.00010963615020571705,
|
||||||
|
"loss": 2.1348,
|
||||||
|
"step": 335
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.63,
|
||||||
|
"learning_rate": 0.00010424737412855825,
|
||||||
|
"loss": 2.2425,
|
||||||
|
"step": 340
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.67,
|
||||||
|
"learning_rate": 9.894732540017415e-05,
|
||||||
|
"loss": 2.207,
|
||||||
|
"step": 345
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.71,
|
||||||
|
"learning_rate": 9.374091520986936e-05,
|
||||||
|
"loss": 2.1436,
|
||||||
|
"step": 350
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.75,
|
||||||
|
"learning_rate": 8.863296797857865e-05,
|
||||||
|
"loss": 2.1318,
|
||||||
|
"step": 355
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.79,
|
||||||
|
"learning_rate": 8.362821688840947e-05,
|
||||||
|
"loss": 2.193,
|
||||||
|
"step": 360
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.83,
|
||||||
|
"learning_rate": 7.873129949672862e-05,
|
||||||
|
"loss": 2.1751,
|
||||||
|
"step": 365
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.87,
|
||||||
|
"learning_rate": 7.394675343885826e-05,
|
||||||
|
"loss": 2.2015,
|
||||||
|
"step": 370
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.9,
|
||||||
|
"learning_rate": 6.927901222336221e-05,
|
||||||
|
"loss": 2.1469,
|
||||||
|
"step": 375
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.94,
|
||||||
|
"learning_rate": 6.473240112381944e-05,
|
||||||
|
"loss": 2.1919,
|
||||||
|
"step": 380
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.98,
|
||||||
|
"learning_rate": 6.0311133170892234e-05,
|
||||||
|
"loss": 2.2074,
|
||||||
|
"step": 385
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.0,
|
||||||
|
"eval_loss": 2.5594911575317383,
|
||||||
|
"eval_runtime": 57.8697,
|
||||||
|
"eval_samples_per_second": 32.971,
|
||||||
|
"eval_steps_per_second": 4.13,
|
||||||
|
"step": 387
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.02,
|
||||||
|
"learning_rate": 5.601930524840086e-05,
|
||||||
|
"loss": 2.1884,
|
||||||
|
"step": 390
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.06,
|
||||||
|
"learning_rate": 5.186089429702436e-05,
|
||||||
|
"loss": 2.0386,
|
||||||
|
"step": 395
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.1,
|
||||||
|
"learning_rate": 4.783975362914439e-05,
|
||||||
|
"loss": 2.0487,
|
||||||
|
"step": 400
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.14,
|
||||||
|
"learning_rate": 4.395960935824621e-05,
|
||||||
|
"loss": 1.8492,
|
||||||
|
"step": 405
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.18,
|
||||||
|
"learning_rate": 4.022405694618658e-05,
|
||||||
|
"loss": 2.0609,
|
||||||
|
"step": 410
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.22,
|
||||||
|
"learning_rate": 3.663655787152791e-05,
|
||||||
|
"loss": 1.9626,
|
||||||
|
"step": 415
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.26,
|
||||||
|
"learning_rate": 3.320043642202444e-05,
|
||||||
|
"loss": 1.9572,
|
||||||
|
"step": 420
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.29,
|
||||||
|
"learning_rate": 2.9918876614234493e-05,
|
||||||
|
"loss": 1.9518,
|
||||||
|
"step": 425
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.33,
|
||||||
|
"learning_rate": 2.679491924311226e-05,
|
||||||
|
"loss": 2.0956,
|
||||||
|
"step": 430
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.37,
|
||||||
|
"learning_rate": 2.3831459064312743e-05,
|
||||||
|
"loss": 1.997,
|
||||||
|
"step": 435
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.41,
|
||||||
|
"learning_rate": 2.1031242111821635e-05,
|
||||||
|
"loss": 1.965,
|
||||||
|
"step": 440
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.45,
|
||||||
|
"learning_rate": 1.8396863153395216e-05,
|
||||||
|
"loss": 2.0042,
|
||||||
|
"step": 445
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.49,
|
||||||
|
"learning_rate": 1.593076328616814e-05,
|
||||||
|
"loss": 2.009,
|
||||||
|
"step": 450
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.53,
|
||||||
|
"learning_rate": 1.3635227674657147e-05,
|
||||||
|
"loss": 1.9708,
|
||||||
|
"step": 455
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.56,
|
||||||
|
"learning_rate": 1.1512383433257112e-05,
|
||||||
|
"loss": 1.9904,
|
||||||
|
"step": 460
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.6,
|
||||||
|
"learning_rate": 9.564197655190609e-06,
|
||||||
|
"loss": 1.9272,
|
||||||
|
"step": 465
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.64,
|
||||||
|
"learning_rate": 7.792475589738679e-06,
|
||||||
|
"loss": 1.9683,
|
||||||
|
"step": 470
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.68,
|
||||||
|
"learning_rate": 6.198858969440747e-06,
|
||||||
|
"loss": 1.9925,
|
||||||
|
"step": 475
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.72,
|
||||||
|
"learning_rate": 4.784824488814588e-06,
|
||||||
|
"loss": 1.969,
|
||||||
|
"step": 480
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.76,
|
||||||
|
"learning_rate": 3.5516824360052546e-06,
|
||||||
|
"loss": 1.9914,
|
||||||
|
"step": 485
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.8,
|
||||||
|
"learning_rate": 2.500575478631717e-06,
|
||||||
|
"loss": 1.867,
|
||||||
|
"step": 490
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.84,
|
||||||
|
"learning_rate": 1.6324776049554401e-06,
|
||||||
|
"loss": 2.0106,
|
||||||
|
"step": 495
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.87,
|
||||||
|
"learning_rate": 9.481932213528443e-07,
|
||||||
|
"loss": 1.9669,
|
||||||
|
"step": 500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.91,
|
||||||
|
"learning_rate": 4.483564069273527e-07,
|
||||||
|
"loss": 1.9383,
|
||||||
|
"step": 505
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.95,
|
||||||
|
"learning_rate": 1.334303259521219e-07,
|
||||||
|
"loss": 1.9087,
|
||||||
|
"step": 510
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.99,
|
||||||
|
"learning_rate": 3.7067986876637704e-09,
|
||||||
|
"loss": 2.0145,
|
||||||
|
"step": 515
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"eval_loss": 2.555163860321045,
|
||||||
|
"eval_runtime": 57.8174,
|
||||||
|
"eval_samples_per_second": 33.0,
|
||||||
|
"eval_steps_per_second": 4.134,
|
||||||
|
"step": 516
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.0,
|
||||||
|
"step": 516,
|
||||||
|
"total_flos": 3.457207135056691e+16,
|
||||||
|
"train_loss": 2.476019163464391,
|
||||||
|
"train_runtime": 8176.7734,
|
||||||
|
"train_samples_per_second": 8.095,
|
||||||
|
"train_steps_per_second": 0.063
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"max_steps": 516,
|
||||||
|
"num_train_epochs": 4,
|
||||||
|
"total_flos": 3.457207135056691e+16,
|
||||||
|
"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 sha256:21fbbbf04ae745232f6880bd08d7f6a6b9f98649b60fa6c36ca6e3e2e060daf2
|
||||||
|
size 4335
|
||||||
50267
vocab.json
Normal file
50267
vocab.json
Normal file
File diff suppressed because it is too large
Load Diff
Reference in New Issue
Block a user