初始化项目,由ModelHub XC社区提供模型
Model: shrinath-suresh/gpt2 Source: Original Platform
This commit is contained in:
34
.gitattributes
vendored
Normal file
34
.gitattributes
vendored
Normal file
@@ -0,0 +1,34 @@
|
|||||||
|
*.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
|
||||||
|
*.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
|
||||||
1
.gitignore
vendored
Normal file
1
.gitignore
vendored
Normal file
@@ -0,0 +1 @@
|
|||||||
|
checkpoint-*/
|
||||||
56
README.md
Normal file
56
README.md
Normal file
@@ -0,0 +1,56 @@
|
|||||||
|
---
|
||||||
|
license: mit
|
||||||
|
tags:
|
||||||
|
- generated_from_trainer
|
||||||
|
metrics:
|
||||||
|
- accuracy
|
||||||
|
model-index:
|
||||||
|
- name: gpt2
|
||||||
|
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. -->
|
||||||
|
|
||||||
|
# gpt2
|
||||||
|
|
||||||
|
This model is a fine-tuned version of [gpt2](https://huggingface.co/gpt2) on an unknown dataset.
|
||||||
|
It achieves the following results on the evaluation set:
|
||||||
|
- Loss: 1.0655
|
||||||
|
- Accuracy: 0.7402
|
||||||
|
|
||||||
|
## 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: 5e-05
|
||||||
|
- train_batch_size: 2
|
||||||
|
- eval_batch_size: 2
|
||||||
|
- seed: 42
|
||||||
|
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
|
||||||
|
- lr_scheduler_type: linear
|
||||||
|
- num_epochs: 30.0
|
||||||
|
|
||||||
|
### Training results
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
### Framework versions
|
||||||
|
|
||||||
|
- Transformers 4.27.0.dev0
|
||||||
|
- Pytorch 1.13.1
|
||||||
|
- Datasets 2.9.0
|
||||||
|
- Tokenizers 0.13.2
|
||||||
15
all_results.json
Normal file
15
all_results.json
Normal file
@@ -0,0 +1,15 @@
|
|||||||
|
{
|
||||||
|
"epoch": 30.0,
|
||||||
|
"eval_accuracy": 0.7402085369827305,
|
||||||
|
"eval_loss": 1.0654966831207275,
|
||||||
|
"eval_runtime": 1.3052,
|
||||||
|
"eval_samples": 30,
|
||||||
|
"eval_samples_per_second": 22.986,
|
||||||
|
"eval_steps_per_second": 11.493,
|
||||||
|
"perplexity": 2.9022801396881754,
|
||||||
|
"train_loss": 1.5244493435467037,
|
||||||
|
"train_runtime": 20965.488,
|
||||||
|
"train_samples": 3163,
|
||||||
|
"train_samples_per_second": 4.526,
|
||||||
|
"train_steps_per_second": 2.264
|
||||||
|
}
|
||||||
39
config.json
Normal file
39
config.json
Normal file
@@ -0,0 +1,39 @@
|
|||||||
|
{
|
||||||
|
"_name_or_path": "gpt2",
|
||||||
|
"activation_function": "gelu_new",
|
||||||
|
"architectures": [
|
||||||
|
"GPT2LMHeadModel"
|
||||||
|
],
|
||||||
|
"attn_pdrop": 0.1,
|
||||||
|
"bos_token_id": 50256,
|
||||||
|
"embd_pdrop": 0.1,
|
||||||
|
"eos_token_id": 50256,
|
||||||
|
"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,
|
||||||
|
"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,
|
||||||
|
"task_specific_params": {
|
||||||
|
"text-generation": {
|
||||||
|
"do_sample": true,
|
||||||
|
"max_length": 50
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"torch_dtype": "float32",
|
||||||
|
"transformers_version": "4.27.0.dev0",
|
||||||
|
"use_cache": true,
|
||||||
|
"vocab_size": 50257
|
||||||
|
}
|
||||||
10
eval_results.json
Normal file
10
eval_results.json
Normal file
@@ -0,0 +1,10 @@
|
|||||||
|
{
|
||||||
|
"epoch": 30.0,
|
||||||
|
"eval_accuracy": 0.7402085369827305,
|
||||||
|
"eval_loss": 1.0654966831207275,
|
||||||
|
"eval_runtime": 1.3052,
|
||||||
|
"eval_samples": 30,
|
||||||
|
"eval_samples_per_second": 22.986,
|
||||||
|
"eval_steps_per_second": 11.493,
|
||||||
|
"perplexity": 2.9022801396881754
|
||||||
|
}
|
||||||
6
generation_config.json
Normal file
6
generation_config.json
Normal file
@@ -0,0 +1,6 @@
|
|||||||
|
{
|
||||||
|
"_from_model_config": true,
|
||||||
|
"bos_token_id": 50256,
|
||||||
|
"eos_token_id": 50256,
|
||||||
|
"transformers_version": "4.27.0.dev0"
|
||||||
|
}
|
||||||
50001
merges.txt
Normal file
50001
merges.txt
Normal file
File diff suppressed because it is too large
Load Diff
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:c63c7812c6bf0fe5f55f9f426b178433145e555d956905e2dfdba9b04bbf851d
|
||||||
|
size 510398013
|
||||||
5
special_tokens_map.json
Normal file
5
special_tokens_map.json
Normal file
@@ -0,0 +1,5 @@
|
|||||||
|
{
|
||||||
|
"bos_token": "<|endoftext|>",
|
||||||
|
"eos_token": "<|endoftext|>",
|
||||||
|
"unk_token": "<|endoftext|>"
|
||||||
|
}
|
||||||
100304
tokenizer.json
Normal file
100304
tokenizer.json
Normal file
File diff suppressed because it is too large
Load Diff
9
tokenizer_config.json
Normal file
9
tokenizer_config.json
Normal file
@@ -0,0 +1,9 @@
|
|||||||
|
{
|
||||||
|
"add_prefix_space": false,
|
||||||
|
"bos_token": "<|endoftext|>",
|
||||||
|
"eos_token": "<|endoftext|>",
|
||||||
|
"model_max_length": 1024,
|
||||||
|
"special_tokens_map_file": null,
|
||||||
|
"tokenizer_class": "GPT2Tokenizer",
|
||||||
|
"unk_token": "<|endoftext|>"
|
||||||
|
}
|
||||||
8
train_results.json
Normal file
8
train_results.json
Normal file
@@ -0,0 +1,8 @@
|
|||||||
|
{
|
||||||
|
"epoch": 30.0,
|
||||||
|
"train_loss": 1.5244493435467037,
|
||||||
|
"train_runtime": 20965.488,
|
||||||
|
"train_samples": 3163,
|
||||||
|
"train_samples_per_second": 4.526,
|
||||||
|
"train_steps_per_second": 2.264
|
||||||
|
}
|
||||||
589
trainer_state.json
Normal file
589
trainer_state.json
Normal file
@@ -0,0 +1,589 @@
|
|||||||
|
{
|
||||||
|
"best_metric": null,
|
||||||
|
"best_model_checkpoint": null,
|
||||||
|
"epoch": 30.0,
|
||||||
|
"global_step": 47460,
|
||||||
|
"is_hyper_param_search": false,
|
||||||
|
"is_local_process_zero": true,
|
||||||
|
"is_world_process_zero": true,
|
||||||
|
"log_history": [
|
||||||
|
{
|
||||||
|
"epoch": 0.32,
|
||||||
|
"learning_rate": 4.94732406236831e-05,
|
||||||
|
"loss": 2.451,
|
||||||
|
"step": 500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.63,
|
||||||
|
"learning_rate": 4.8946481247366205e-05,
|
||||||
|
"loss": 2.2767,
|
||||||
|
"step": 1000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 0.95,
|
||||||
|
"learning_rate": 4.8419721871049303e-05,
|
||||||
|
"loss": 2.2059,
|
||||||
|
"step": 1500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.26,
|
||||||
|
"learning_rate": 4.789296249473241e-05,
|
||||||
|
"loss": 2.1348,
|
||||||
|
"step": 2000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.58,
|
||||||
|
"learning_rate": 4.7366203118415506e-05,
|
||||||
|
"loss": 2.0683,
|
||||||
|
"step": 2500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 1.9,
|
||||||
|
"learning_rate": 4.683944374209861e-05,
|
||||||
|
"loss": 2.0449,
|
||||||
|
"step": 3000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.21,
|
||||||
|
"learning_rate": 4.631268436578171e-05,
|
||||||
|
"loss": 1.9823,
|
||||||
|
"step": 3500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.53,
|
||||||
|
"learning_rate": 4.5785924989464814e-05,
|
||||||
|
"loss": 1.9737,
|
||||||
|
"step": 4000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 2.84,
|
||||||
|
"learning_rate": 4.525916561314791e-05,
|
||||||
|
"loss": 1.9638,
|
||||||
|
"step": 4500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.16,
|
||||||
|
"learning_rate": 4.473240623683102e-05,
|
||||||
|
"loss": 1.8954,
|
||||||
|
"step": 5000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.48,
|
||||||
|
"learning_rate": 4.420564686051412e-05,
|
||||||
|
"loss": 1.8848,
|
||||||
|
"step": 5500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 3.79,
|
||||||
|
"learning_rate": 4.367888748419722e-05,
|
||||||
|
"loss": 1.8964,
|
||||||
|
"step": 6000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.11,
|
||||||
|
"learning_rate": 4.3152128107880325e-05,
|
||||||
|
"loss": 1.8572,
|
||||||
|
"step": 6500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.42,
|
||||||
|
"learning_rate": 4.262536873156342e-05,
|
||||||
|
"loss": 1.8132,
|
||||||
|
"step": 7000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 4.74,
|
||||||
|
"learning_rate": 4.209860935524653e-05,
|
||||||
|
"loss": 1.8463,
|
||||||
|
"step": 7500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.06,
|
||||||
|
"learning_rate": 4.1571849978929626e-05,
|
||||||
|
"loss": 1.8012,
|
||||||
|
"step": 8000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.37,
|
||||||
|
"learning_rate": 4.104509060261273e-05,
|
||||||
|
"loss": 1.7557,
|
||||||
|
"step": 8500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 5.69,
|
||||||
|
"learning_rate": 4.051833122629583e-05,
|
||||||
|
"loss": 1.7647,
|
||||||
|
"step": 9000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.01,
|
||||||
|
"learning_rate": 3.9991571849978934e-05,
|
||||||
|
"loss": 1.7886,
|
||||||
|
"step": 9500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.32,
|
||||||
|
"learning_rate": 3.946481247366203e-05,
|
||||||
|
"loss": 1.7078,
|
||||||
|
"step": 10000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.64,
|
||||||
|
"learning_rate": 3.893805309734514e-05,
|
||||||
|
"loss": 1.7211,
|
||||||
|
"step": 10500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 6.95,
|
||||||
|
"learning_rate": 3.8411293721028235e-05,
|
||||||
|
"loss": 1.7393,
|
||||||
|
"step": 11000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.27,
|
||||||
|
"learning_rate": 3.788453434471134e-05,
|
||||||
|
"loss": 1.6734,
|
||||||
|
"step": 11500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.59,
|
||||||
|
"learning_rate": 3.735777496839444e-05,
|
||||||
|
"loss": 1.6889,
|
||||||
|
"step": 12000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 7.9,
|
||||||
|
"learning_rate": 3.6831015592077536e-05,
|
||||||
|
"loss": 1.6733,
|
||||||
|
"step": 12500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.22,
|
||||||
|
"learning_rate": 3.630425621576064e-05,
|
||||||
|
"loss": 1.6575,
|
||||||
|
"step": 13000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.53,
|
||||||
|
"learning_rate": 3.577749683944374e-05,
|
||||||
|
"loss": 1.6172,
|
||||||
|
"step": 13500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 8.85,
|
||||||
|
"learning_rate": 3.5250737463126844e-05,
|
||||||
|
"loss": 1.6498,
|
||||||
|
"step": 14000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.17,
|
||||||
|
"learning_rate": 3.472397808680995e-05,
|
||||||
|
"loss": 1.6185,
|
||||||
|
"step": 14500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.48,
|
||||||
|
"learning_rate": 3.419721871049305e-05,
|
||||||
|
"loss": 1.5877,
|
||||||
|
"step": 15000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 9.8,
|
||||||
|
"learning_rate": 3.367045933417615e-05,
|
||||||
|
"loss": 1.6174,
|
||||||
|
"step": 15500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.11,
|
||||||
|
"learning_rate": 3.3143699957859256e-05,
|
||||||
|
"loss": 1.6148,
|
||||||
|
"step": 16000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.43,
|
||||||
|
"learning_rate": 3.2616940581542354e-05,
|
||||||
|
"loss": 1.5563,
|
||||||
|
"step": 16500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 10.75,
|
||||||
|
"learning_rate": 3.209018120522546e-05,
|
||||||
|
"loss": 1.5754,
|
||||||
|
"step": 17000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.06,
|
||||||
|
"learning_rate": 3.156342182890856e-05,
|
||||||
|
"loss": 1.5547,
|
||||||
|
"step": 17500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.38,
|
||||||
|
"learning_rate": 3.1036662452591655e-05,
|
||||||
|
"loss": 1.5282,
|
||||||
|
"step": 18000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 11.69,
|
||||||
|
"learning_rate": 3.050990307627476e-05,
|
||||||
|
"loss": 1.5312,
|
||||||
|
"step": 18500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.01,
|
||||||
|
"learning_rate": 2.998314369995786e-05,
|
||||||
|
"loss": 1.5508,
|
||||||
|
"step": 19000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.33,
|
||||||
|
"learning_rate": 2.9456384323640963e-05,
|
||||||
|
"loss": 1.4954,
|
||||||
|
"step": 19500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.64,
|
||||||
|
"learning_rate": 2.8929624947324065e-05,
|
||||||
|
"loss": 1.5208,
|
||||||
|
"step": 20000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 12.96,
|
||||||
|
"learning_rate": 2.8402865571007166e-05,
|
||||||
|
"loss": 1.5115,
|
||||||
|
"step": 20500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.27,
|
||||||
|
"learning_rate": 2.7876106194690264e-05,
|
||||||
|
"loss": 1.4648,
|
||||||
|
"step": 21000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.59,
|
||||||
|
"learning_rate": 2.7349346818373366e-05,
|
||||||
|
"loss": 1.4778,
|
||||||
|
"step": 21500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 13.91,
|
||||||
|
"learning_rate": 2.6822587442056467e-05,
|
||||||
|
"loss": 1.4992,
|
||||||
|
"step": 22000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.22,
|
||||||
|
"learning_rate": 2.629582806573957e-05,
|
||||||
|
"loss": 1.4505,
|
||||||
|
"step": 22500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.54,
|
||||||
|
"learning_rate": 2.576906868942267e-05,
|
||||||
|
"loss": 1.4585,
|
||||||
|
"step": 23000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 14.85,
|
||||||
|
"learning_rate": 2.524230931310577e-05,
|
||||||
|
"loss": 1.4571,
|
||||||
|
"step": 23500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.17,
|
||||||
|
"learning_rate": 2.4715549936788876e-05,
|
||||||
|
"loss": 1.441,
|
||||||
|
"step": 24000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.49,
|
||||||
|
"learning_rate": 2.4188790560471978e-05,
|
||||||
|
"loss": 1.4268,
|
||||||
|
"step": 24500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 15.8,
|
||||||
|
"learning_rate": 2.366203118415508e-05,
|
||||||
|
"loss": 1.4248,
|
||||||
|
"step": 25000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.12,
|
||||||
|
"learning_rate": 2.313527180783818e-05,
|
||||||
|
"loss": 1.4385,
|
||||||
|
"step": 25500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.43,
|
||||||
|
"learning_rate": 2.2608512431521282e-05,
|
||||||
|
"loss": 1.3802,
|
||||||
|
"step": 26000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 16.75,
|
||||||
|
"learning_rate": 2.2081753055204384e-05,
|
||||||
|
"loss": 1.4195,
|
||||||
|
"step": 26500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.07,
|
||||||
|
"learning_rate": 2.1554993678887485e-05,
|
||||||
|
"loss": 1.4127,
|
||||||
|
"step": 27000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.38,
|
||||||
|
"learning_rate": 2.1028234302570587e-05,
|
||||||
|
"loss": 1.3683,
|
||||||
|
"step": 27500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 17.7,
|
||||||
|
"learning_rate": 2.0501474926253688e-05,
|
||||||
|
"loss": 1.3864,
|
||||||
|
"step": 28000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.02,
|
||||||
|
"learning_rate": 1.997471554993679e-05,
|
||||||
|
"loss": 1.405,
|
||||||
|
"step": 28500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.33,
|
||||||
|
"learning_rate": 1.944795617361989e-05,
|
||||||
|
"loss": 1.3668,
|
||||||
|
"step": 29000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.65,
|
||||||
|
"learning_rate": 1.8921196797302992e-05,
|
||||||
|
"loss": 1.3738,
|
||||||
|
"step": 29500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 18.96,
|
||||||
|
"learning_rate": 1.8394437420986094e-05,
|
||||||
|
"loss": 1.3662,
|
||||||
|
"step": 30000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.28,
|
||||||
|
"learning_rate": 1.7867678044669195e-05,
|
||||||
|
"loss": 1.3227,
|
||||||
|
"step": 30500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.6,
|
||||||
|
"learning_rate": 1.7340918668352297e-05,
|
||||||
|
"loss": 1.3413,
|
||||||
|
"step": 31000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 19.91,
|
||||||
|
"learning_rate": 1.6814159292035402e-05,
|
||||||
|
"loss": 1.3815,
|
||||||
|
"step": 31500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.23,
|
||||||
|
"learning_rate": 1.62873999157185e-05,
|
||||||
|
"loss": 1.3393,
|
||||||
|
"step": 32000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.54,
|
||||||
|
"learning_rate": 1.57606405394016e-05,
|
||||||
|
"loss": 1.3243,
|
||||||
|
"step": 32500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 20.86,
|
||||||
|
"learning_rate": 1.5233881163084704e-05,
|
||||||
|
"loss": 1.3235,
|
||||||
|
"step": 33000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 21.18,
|
||||||
|
"learning_rate": 1.4707121786767806e-05,
|
||||||
|
"loss": 1.3202,
|
||||||
|
"step": 33500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 21.49,
|
||||||
|
"learning_rate": 1.4180362410450906e-05,
|
||||||
|
"loss": 1.3038,
|
||||||
|
"step": 34000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 21.81,
|
||||||
|
"learning_rate": 1.3653603034134007e-05,
|
||||||
|
"loss": 1.3142,
|
||||||
|
"step": 34500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 22.12,
|
||||||
|
"learning_rate": 1.3126843657817109e-05,
|
||||||
|
"loss": 1.3412,
|
||||||
|
"step": 35000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 22.44,
|
||||||
|
"learning_rate": 1.260008428150021e-05,
|
||||||
|
"loss": 1.293,
|
||||||
|
"step": 35500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 22.76,
|
||||||
|
"learning_rate": 1.2073324905183313e-05,
|
||||||
|
"loss": 1.3082,
|
||||||
|
"step": 36000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 23.07,
|
||||||
|
"learning_rate": 1.1546565528866415e-05,
|
||||||
|
"loss": 1.3009,
|
||||||
|
"step": 36500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 23.39,
|
||||||
|
"learning_rate": 1.1019806152549515e-05,
|
||||||
|
"loss": 1.3034,
|
||||||
|
"step": 37000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 23.7,
|
||||||
|
"learning_rate": 1.0493046776232618e-05,
|
||||||
|
"loss": 1.2953,
|
||||||
|
"step": 37500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 24.02,
|
||||||
|
"learning_rate": 9.96628739991572e-06,
|
||||||
|
"loss": 1.2674,
|
||||||
|
"step": 38000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 24.34,
|
||||||
|
"learning_rate": 9.43952802359882e-06,
|
||||||
|
"loss": 1.2845,
|
||||||
|
"step": 38500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 24.65,
|
||||||
|
"learning_rate": 8.912768647281922e-06,
|
||||||
|
"loss": 1.2762,
|
||||||
|
"step": 39000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 24.97,
|
||||||
|
"learning_rate": 8.386009270965024e-06,
|
||||||
|
"loss": 1.2756,
|
||||||
|
"step": 39500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 25.28,
|
||||||
|
"learning_rate": 7.859249894648125e-06,
|
||||||
|
"loss": 1.2749,
|
||||||
|
"step": 40000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 25.6,
|
||||||
|
"learning_rate": 7.3324905183312265e-06,
|
||||||
|
"loss": 1.2762,
|
||||||
|
"step": 40500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 25.92,
|
||||||
|
"learning_rate": 6.805731142014328e-06,
|
||||||
|
"loss": 1.2609,
|
||||||
|
"step": 41000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 26.23,
|
||||||
|
"learning_rate": 6.2789717656974295e-06,
|
||||||
|
"loss": 1.2401,
|
||||||
|
"step": 41500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 26.55,
|
||||||
|
"learning_rate": 5.752212389380531e-06,
|
||||||
|
"loss": 1.2583,
|
||||||
|
"step": 42000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 26.86,
|
||||||
|
"learning_rate": 5.225453013063633e-06,
|
||||||
|
"loss": 1.2767,
|
||||||
|
"step": 42500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 27.18,
|
||||||
|
"learning_rate": 4.698693636746735e-06,
|
||||||
|
"loss": 1.2532,
|
||||||
|
"step": 43000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 27.5,
|
||||||
|
"learning_rate": 4.171934260429835e-06,
|
||||||
|
"loss": 1.2522,
|
||||||
|
"step": 43500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 27.81,
|
||||||
|
"learning_rate": 3.6451748841129377e-06,
|
||||||
|
"loss": 1.2567,
|
||||||
|
"step": 44000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 28.13,
|
||||||
|
"learning_rate": 3.1184155077960387e-06,
|
||||||
|
"loss": 1.2599,
|
||||||
|
"step": 44500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 28.45,
|
||||||
|
"learning_rate": 2.59165613147914e-06,
|
||||||
|
"loss": 1.2493,
|
||||||
|
"step": 45000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 28.76,
|
||||||
|
"learning_rate": 2.064896755162242e-06,
|
||||||
|
"loss": 1.245,
|
||||||
|
"step": 45500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 29.08,
|
||||||
|
"learning_rate": 1.5381373788453435e-06,
|
||||||
|
"loss": 1.2396,
|
||||||
|
"step": 46000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 29.39,
|
||||||
|
"learning_rate": 1.0113780025284452e-06,
|
||||||
|
"loss": 1.2441,
|
||||||
|
"step": 46500
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 29.71,
|
||||||
|
"learning_rate": 4.846186262115466e-07,
|
||||||
|
"loss": 1.2251,
|
||||||
|
"step": 47000
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"epoch": 30.0,
|
||||||
|
"step": 47460,
|
||||||
|
"total_flos": 4.958800183296e+16,
|
||||||
|
"train_loss": 1.5244493435467037,
|
||||||
|
"train_runtime": 20965.488,
|
||||||
|
"train_samples_per_second": 4.526,
|
||||||
|
"train_steps_per_second": 2.264
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"max_steps": 47460,
|
||||||
|
"num_train_epochs": 30,
|
||||||
|
"total_flos": 4.958800183296e+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 sha256:224fe1555ca1d9f041213aaea0a02e59f0b8a8b11fa9c34ec8becbf1ceeda8cd
|
||||||
|
size 3515
|
||||||
1
vocab.json
Normal file
1
vocab.json
Normal file
File diff suppressed because one or more lines are too long
Reference in New Issue
Block a user