初始化项目，由ModelHub XC社区提供模型
Model: ztphs980/taptap-distill Source: Original Platform
This commit is contained in:
ModelHub XC
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
|
||||
46
config.json
Normal file
46
config.json
Normal file
@@ -0,0 +1,46 @@
|
||||
{
|
||||
"_name_or_path": "distilgpt2",
|
||||
"_num_labels": 1,
|
||||
"activation_function": "gelu_new",
|
||||
"architectures": [
|
||||
"GPT2LMHeadModel"
|
||||
],
|
||||
"attn_pdrop": 0.1,
|
||||
"bos_token_id": 50256,
|
||||
"embd_pdrop": 0.1,
|
||||
"eos_token_id": 50256,
|
||||
"id2label": {
|
||||
"0": "LABEL_0"
|
||||
},
|
||||
"initializer_range": 0.02,
|
||||
"label2id": {
|
||||
"LABEL_0": 0
|
||||
},
|
||||
"layer_norm_epsilon": 1e-05,
|
||||
"model_type": "gpt2",
|
||||
"n_ctx": 1024,
|
||||
"n_embd": 768,
|
||||
"n_head": 12,
|
||||
"n_inner": null,
|
||||
"n_layer": 6,
|
||||
"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": "4.24.0",
|
||||
"use_cache": true,
|
||||
"vocab_size": 50257
|
||||
}
|
||||
50001
merges.txt
Normal file
50001
merges.txt
Normal file
File diff suppressed because it is too large
Load Diff
3
optimizer.pt
Normal file
3
optimizer.pt
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:06daf897c4361ec368c4c2b9be185c80ad774528f7217ec73145fe458be46165
|
||||
size 655345221
|
||||
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:e605645d73762b858743a574b92b56d9a3e6285b8f5a900b33578a942dab43f1
|
||||
size 333970169
|
||||
3
rng_state_0.pth
Normal file
3
rng_state_0.pth
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:9c65af72c3f6692161fa6d71b654800d0e299627add3f8b9b71f7a8f6da56442
|
||||
size 14647
|
||||
3
rng_state_1.pth
Normal file
3
rng_state_1.pth
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:57ae4b4520610dd02cc835ab5c7e4716746e815d28998e5701c5c84fba0dfebe
|
||||
size 14583
|
||||
3
rng_state_2.pth
Normal file
3
rng_state_2.pth
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:28190900a133bbb828e9262d094206fd916941c732b3ad870663c4677f69390e
|
||||
size 14583
|
||||
3
rng_state_3.pth
Normal file
3
rng_state_3.pth
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:ed8a909a928c1c3c6752642c993668f81640df3b5a201cdd199fefcc3217adcd
|
||||
size 14583
|
||||
3
rng_state_4.pth
Normal file
3
rng_state_4.pth
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:09b6eeed1249e57b0547f19cdb38ba92fa8ce5b484630047d3c06febc33ef2ea
|
||||
size 14647
|
||||
3
rng_state_5.pth
Normal file
3
rng_state_5.pth
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:e86155f553cc3078c189d1f080b7a1ed8b78540eebb857b08121037d17aaf885
|
||||
size 14583
|
||||
3
rng_state_6.pth
Normal file
3
rng_state_6.pth
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:a3048cfc0adeb0332207afed51c8386da8dbaa2ca10e979bad243950b2f5ff6f
|
||||
size 14583
|
||||
3
rng_state_7.pth
Normal file
3
rng_state_7.pth
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:200c40c29dd8f51043c299b181991ab282e7a607cf7a169d14b9283a0f37bb5a
|
||||
size 14583
|
||||
3
scheduler.pt
Normal file
3
scheduler.pt
Normal file
@@ -0,0 +1,3 @@
|
||||
version https://git-lfs.github.com/spec/v1
|
||||
oid sha256:db7893ab4f8d9a49fcb72aa6f22f4d0b81a89b15cd9408eaf6f7413663f667fc
|
||||
size 627
|
||||
6
special_tokens_map.json
Normal file
6
special_tokens_map.json
Normal file
@@ -0,0 +1,6 @@
|
||||
{
|
||||
"bos_token": "<|endoftext|>",
|
||||
"eos_token": "<|endoftext|>",
|
||||
"pad_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
10
tokenizer_config.json
Normal file
10
tokenizer_config.json
Normal file
@@ -0,0 +1,10 @@
|
||||
{
|
||||
"add_prefix_space": false,
|
||||
"bos_token": "<|endoftext|>",
|
||||
"eos_token": "<|endoftext|>",
|
||||
"model_max_length": 1024,
|
||||
"name_or_path": "distilgpt2",
|
||||
"special_tokens_map_file": null,
|
||||
"tokenizer_class": "GPT2Tokenizer",
|
||||
"unk_token": "<|endoftext|>"
|
||||
}
|
||||
976
trainer_state.json
Normal file
976
trainer_state.json
Normal file
@@ -0,0 +1,976 @@
|
||||
{
|
||||
"best_metric": null,
|
||||
"best_model_checkpoint": null,
|
||||
"epoch": 4.844374470146542,
|
||||
"global_step": 80000,
|
||||
"is_hyper_param_search": false,
|
||||
"is_local_process_zero": true,
|
||||
"is_world_process_zero": true,
|
||||
"log_history": [
|
||||
{
|
||||
"epoch": 0.03,
|
||||
"learning_rate": 4.979166666666667e-05,
|
||||
"loss": 0.7774,
|
||||
"step": 500
|
||||
},
|
||||
{
|
||||
"epoch": 0.06,
|
||||
"learning_rate": 4.958333333333334e-05,
|
||||
"loss": 0.495,
|
||||
"step": 1000
|
||||
},
|
||||
{
|
||||
"epoch": 0.09,
|
||||
"learning_rate": 4.937500000000001e-05,
|
||||
"loss": 0.4476,
|
||||
"step": 1500
|
||||
},
|
||||
{
|
||||
"epoch": 0.12,
|
||||
"learning_rate": 4.9166666666666665e-05,
|
||||
"loss": 0.4201,
|
||||
"step": 2000
|
||||
},
|
||||
{
|
||||
"epoch": 0.15,
|
||||
"learning_rate": 4.8958333333333335e-05,
|
||||
"loss": 0.4024,
|
||||
"step": 2500
|
||||
},
|
||||
{
|
||||
"epoch": 0.18,
|
||||
"learning_rate": 4.875e-05,
|
||||
"loss": 0.391,
|
||||
"step": 3000
|
||||
},
|
||||
{
|
||||
"epoch": 0.21,
|
||||
"learning_rate": 4.854166666666667e-05,
|
||||
"loss": 0.382,
|
||||
"step": 3500
|
||||
},
|
||||
{
|
||||
"epoch": 0.24,
|
||||
"learning_rate": 4.8333333333333334e-05,
|
||||
"loss": 0.3736,
|
||||
"step": 4000
|
||||
},
|
||||
{
|
||||
"epoch": 0.27,
|
||||
"learning_rate": 4.8125000000000004e-05,
|
||||
"loss": 0.3667,
|
||||
"step": 4500
|
||||
},
|
||||
{
|
||||
"epoch": 0.3,
|
||||
"learning_rate": 4.791666666666667e-05,
|
||||
"loss": 0.3617,
|
||||
"step": 5000
|
||||
},
|
||||
{
|
||||
"epoch": 0.33,
|
||||
"learning_rate": 4.770833333333334e-05,
|
||||
"loss": 0.3593,
|
||||
"step": 5500
|
||||
},
|
||||
{
|
||||
"epoch": 0.36,
|
||||
"learning_rate": 4.75e-05,
|
||||
"loss": 0.3542,
|
||||
"step": 6000
|
||||
},
|
||||
{
|
||||
"epoch": 0.39,
|
||||
"learning_rate": 4.7291666666666666e-05,
|
||||
"loss": 0.3488,
|
||||
"step": 6500
|
||||
},
|
||||
{
|
||||
"epoch": 0.42,
|
||||
"learning_rate": 4.708333333333334e-05,
|
||||
"loss": 0.3449,
|
||||
"step": 7000
|
||||
},
|
||||
{
|
||||
"epoch": 0.45,
|
||||
"learning_rate": 4.6875e-05,
|
||||
"loss": 0.3443,
|
||||
"step": 7500
|
||||
},
|
||||
{
|
||||
"epoch": 0.48,
|
||||
"learning_rate": 4.666666666666667e-05,
|
||||
"loss": 0.3417,
|
||||
"step": 8000
|
||||
},
|
||||
{
|
||||
"epoch": 0.51,
|
||||
"learning_rate": 4.6458333333333335e-05,
|
||||
"loss": 0.3401,
|
||||
"step": 8500
|
||||
},
|
||||
{
|
||||
"epoch": 0.54,
|
||||
"learning_rate": 4.6250000000000006e-05,
|
||||
"loss": 0.3367,
|
||||
"step": 9000
|
||||
},
|
||||
{
|
||||
"epoch": 0.58,
|
||||
"learning_rate": 4.604166666666666e-05,
|
||||
"loss": 0.334,
|
||||
"step": 9500
|
||||
},
|
||||
{
|
||||
"epoch": 0.61,
|
||||
"learning_rate": 4.5833333333333334e-05,
|
||||
"loss": 0.3326,
|
||||
"step": 10000
|
||||
},
|
||||
{
|
||||
"epoch": 0.64,
|
||||
"learning_rate": 4.5625e-05,
|
||||
"loss": 0.3309,
|
||||
"step": 10500
|
||||
},
|
||||
{
|
||||
"epoch": 0.67,
|
||||
"learning_rate": 4.541666666666667e-05,
|
||||
"loss": 0.3299,
|
||||
"step": 11000
|
||||
},
|
||||
{
|
||||
"epoch": 0.7,
|
||||
"learning_rate": 4.520833333333334e-05,
|
||||
"loss": 0.3284,
|
||||
"step": 11500
|
||||
},
|
||||
{
|
||||
"epoch": 0.73,
|
||||
"learning_rate": 4.5e-05,
|
||||
"loss": 0.3284,
|
||||
"step": 12000
|
||||
},
|
||||
{
|
||||
"epoch": 0.76,
|
||||
"learning_rate": 4.4791666666666673e-05,
|
||||
"loss": 0.3255,
|
||||
"step": 12500
|
||||
},
|
||||
{
|
||||
"epoch": 0.79,
|
||||
"learning_rate": 4.458333333333334e-05,
|
||||
"loss": 0.3264,
|
||||
"step": 13000
|
||||
},
|
||||
{
|
||||
"epoch": 0.82,
|
||||
"learning_rate": 4.4375e-05,
|
||||
"loss": 0.3244,
|
||||
"step": 13500
|
||||
},
|
||||
{
|
||||
"epoch": 0.85,
|
||||
"learning_rate": 4.4166666666666665e-05,
|
||||
"loss": 0.3222,
|
||||
"step": 14000
|
||||
},
|
||||
{
|
||||
"epoch": 0.88,
|
||||
"learning_rate": 4.3958333333333336e-05,
|
||||
"loss": 0.3233,
|
||||
"step": 14500
|
||||
},
|
||||
{
|
||||
"epoch": 0.91,
|
||||
"learning_rate": 4.375e-05,
|
||||
"loss": 0.3218,
|
||||
"step": 15000
|
||||
},
|
||||
{
|
||||
"epoch": 0.94,
|
||||
"learning_rate": 4.354166666666667e-05,
|
||||
"loss": 0.3218,
|
||||
"step": 15500
|
||||
},
|
||||
{
|
||||
"epoch": 0.97,
|
||||
"learning_rate": 4.3333333333333334e-05,
|
||||
"loss": 0.3205,
|
||||
"step": 16000
|
||||
},
|
||||
{
|
||||
"epoch": 1.0,
|
||||
"learning_rate": 4.3125000000000005e-05,
|
||||
"loss": 0.3188,
|
||||
"step": 16500
|
||||
},
|
||||
{
|
||||
"epoch": 1.03,
|
||||
"learning_rate": 4.291666666666667e-05,
|
||||
"loss": 0.3175,
|
||||
"step": 17000
|
||||
},
|
||||
{
|
||||
"epoch": 1.06,
|
||||
"learning_rate": 4.270833333333333e-05,
|
||||
"loss": 0.3172,
|
||||
"step": 17500
|
||||
},
|
||||
{
|
||||
"epoch": 1.09,
|
||||
"learning_rate": 4.25e-05,
|
||||
"loss": 0.3163,
|
||||
"step": 18000
|
||||
},
|
||||
{
|
||||
"epoch": 1.12,
|
||||
"learning_rate": 4.229166666666667e-05,
|
||||
"loss": 0.3166,
|
||||
"step": 18500
|
||||
},
|
||||
{
|
||||
"epoch": 1.15,
|
||||
"learning_rate": 4.208333333333334e-05,
|
||||
"loss": 0.3169,
|
||||
"step": 19000
|
||||
},
|
||||
{
|
||||
"epoch": 1.18,
|
||||
"learning_rate": 4.1875e-05,
|
||||
"loss": 0.3138,
|
||||
"step": 19500
|
||||
},
|
||||
{
|
||||
"epoch": 1.21,
|
||||
"learning_rate": 4.166666666666667e-05,
|
||||
"loss": 0.3159,
|
||||
"step": 20000
|
||||
},
|
||||
{
|
||||
"epoch": 1.24,
|
||||
"learning_rate": 4.1458333333333336e-05,
|
||||
"loss": 0.3137,
|
||||
"step": 20500
|
||||
},
|
||||
{
|
||||
"epoch": 1.27,
|
||||
"learning_rate": 4.125e-05,
|
||||
"loss": 0.3124,
|
||||
"step": 21000
|
||||
},
|
||||
{
|
||||
"epoch": 1.3,
|
||||
"learning_rate": 4.104166666666667e-05,
|
||||
"loss": 0.312,
|
||||
"step": 21500
|
||||
},
|
||||
{
|
||||
"epoch": 1.33,
|
||||
"learning_rate": 4.0833333333333334e-05,
|
||||
"loss": 0.3125,
|
||||
"step": 22000
|
||||
},
|
||||
{
|
||||
"epoch": 1.36,
|
||||
"learning_rate": 4.0625000000000005e-05,
|
||||
"loss": 0.3123,
|
||||
"step": 22500
|
||||
},
|
||||
{
|
||||
"epoch": 1.39,
|
||||
"learning_rate": 4.041666666666667e-05,
|
||||
"loss": 0.3118,
|
||||
"step": 23000
|
||||
},
|
||||
{
|
||||
"epoch": 1.42,
|
||||
"learning_rate": 4.020833333333334e-05,
|
||||
"loss": 0.3099,
|
||||
"step": 23500
|
||||
},
|
||||
{
|
||||
"epoch": 1.45,
|
||||
"learning_rate": 4e-05,
|
||||
"loss": 0.3102,
|
||||
"step": 24000
|
||||
},
|
||||
{
|
||||
"epoch": 1.48,
|
||||
"learning_rate": 3.979166666666667e-05,
|
||||
"loss": 0.3093,
|
||||
"step": 24500
|
||||
},
|
||||
{
|
||||
"epoch": 1.51,
|
||||
"learning_rate": 3.958333333333333e-05,
|
||||
"loss": 0.3083,
|
||||
"step": 25000
|
||||
},
|
||||
{
|
||||
"epoch": 1.54,
|
||||
"learning_rate": 3.9375e-05,
|
||||
"loss": 0.3096,
|
||||
"step": 25500
|
||||
},
|
||||
{
|
||||
"epoch": 1.57,
|
||||
"learning_rate": 3.9166666666666665e-05,
|
||||
"loss": 0.3099,
|
||||
"step": 26000
|
||||
},
|
||||
{
|
||||
"epoch": 1.6,
|
||||
"learning_rate": 3.8958333333333336e-05,
|
||||
"loss": 0.3077,
|
||||
"step": 26500
|
||||
},
|
||||
{
|
||||
"epoch": 1.63,
|
||||
"learning_rate": 3.875e-05,
|
||||
"loss": 0.3078,
|
||||
"step": 27000
|
||||
},
|
||||
{
|
||||
"epoch": 1.67,
|
||||
"learning_rate": 3.854166666666667e-05,
|
||||
"loss": 0.3074,
|
||||
"step": 27500
|
||||
},
|
||||
{
|
||||
"epoch": 1.7,
|
||||
"learning_rate": 3.8333333333333334e-05,
|
||||
"loss": 0.3076,
|
||||
"step": 28000
|
||||
},
|
||||
{
|
||||
"epoch": 1.73,
|
||||
"learning_rate": 3.8125e-05,
|
||||
"loss": 0.3061,
|
||||
"step": 28500
|
||||
},
|
||||
{
|
||||
"epoch": 1.76,
|
||||
"learning_rate": 3.791666666666667e-05,
|
||||
"loss": 0.3066,
|
||||
"step": 29000
|
||||
},
|
||||
{
|
||||
"epoch": 1.79,
|
||||
"learning_rate": 3.770833333333333e-05,
|
||||
"loss": 0.3056,
|
||||
"step": 29500
|
||||
},
|
||||
{
|
||||
"epoch": 1.82,
|
||||
"learning_rate": 3.7500000000000003e-05,
|
||||
"loss": 0.3053,
|
||||
"step": 30000
|
||||
},
|
||||
{
|
||||
"epoch": 1.85,
|
||||
"learning_rate": 3.729166666666667e-05,
|
||||
"loss": 0.3056,
|
||||
"step": 30500
|
||||
},
|
||||
{
|
||||
"epoch": 1.88,
|
||||
"learning_rate": 3.708333333333334e-05,
|
||||
"loss": 0.3048,
|
||||
"step": 31000
|
||||
},
|
||||
{
|
||||
"epoch": 1.91,
|
||||
"learning_rate": 3.6875e-05,
|
||||
"loss": 0.3036,
|
||||
"step": 31500
|
||||
},
|
||||
{
|
||||
"epoch": 1.94,
|
||||
"learning_rate": 3.6666666666666666e-05,
|
||||
"loss": 0.3047,
|
||||
"step": 32000
|
||||
},
|
||||
{
|
||||
"epoch": 1.97,
|
||||
"learning_rate": 3.6458333333333336e-05,
|
||||
"loss": 0.3052,
|
||||
"step": 32500
|
||||
},
|
||||
{
|
||||
"epoch": 2.0,
|
||||
"learning_rate": 3.625e-05,
|
||||
"loss": 0.3046,
|
||||
"step": 33000
|
||||
},
|
||||
{
|
||||
"epoch": 2.03,
|
||||
"learning_rate": 3.604166666666667e-05,
|
||||
"loss": 0.3034,
|
||||
"step": 33500
|
||||
},
|
||||
{
|
||||
"epoch": 2.06,
|
||||
"learning_rate": 3.5833333333333335e-05,
|
||||
"loss": 0.3028,
|
||||
"step": 34000
|
||||
},
|
||||
{
|
||||
"epoch": 2.09,
|
||||
"learning_rate": 3.5625000000000005e-05,
|
||||
"loss": 0.3037,
|
||||
"step": 34500
|
||||
},
|
||||
{
|
||||
"epoch": 2.12,
|
||||
"learning_rate": 3.541666666666667e-05,
|
||||
"loss": 0.3012,
|
||||
"step": 35000
|
||||
},
|
||||
{
|
||||
"epoch": 2.15,
|
||||
"learning_rate": 3.520833333333334e-05,
|
||||
"loss": 0.3034,
|
||||
"step": 35500
|
||||
},
|
||||
{
|
||||
"epoch": 2.18,
|
||||
"learning_rate": 3.5e-05,
|
||||
"loss": 0.3013,
|
||||
"step": 36000
|
||||
},
|
||||
{
|
||||
"epoch": 2.21,
|
||||
"learning_rate": 3.479166666666667e-05,
|
||||
"loss": 0.3016,
|
||||
"step": 36500
|
||||
},
|
||||
{
|
||||
"epoch": 2.24,
|
||||
"learning_rate": 3.458333333333333e-05,
|
||||
"loss": 0.3004,
|
||||
"step": 37000
|
||||
},
|
||||
{
|
||||
"epoch": 2.27,
|
||||
"learning_rate": 3.4375e-05,
|
||||
"loss": 0.3007,
|
||||
"step": 37500
|
||||
},
|
||||
{
|
||||
"epoch": 2.3,
|
||||
"learning_rate": 3.4166666666666666e-05,
|
||||
"loss": 0.3009,
|
||||
"step": 38000
|
||||
},
|
||||
{
|
||||
"epoch": 2.33,
|
||||
"learning_rate": 3.3958333333333337e-05,
|
||||
"loss": 0.3,
|
||||
"step": 38500
|
||||
},
|
||||
{
|
||||
"epoch": 2.36,
|
||||
"learning_rate": 3.375000000000001e-05,
|
||||
"loss": 0.301,
|
||||
"step": 39000
|
||||
},
|
||||
{
|
||||
"epoch": 2.39,
|
||||
"learning_rate": 3.3541666666666664e-05,
|
||||
"loss": 0.3009,
|
||||
"step": 39500
|
||||
},
|
||||
{
|
||||
"epoch": 2.42,
|
||||
"learning_rate": 3.3333333333333335e-05,
|
||||
"loss": 0.2988,
|
||||
"step": 40000
|
||||
},
|
||||
{
|
||||
"epoch": 2.45,
|
||||
"learning_rate": 3.3125e-05,
|
||||
"loss": 0.2997,
|
||||
"step": 40500
|
||||
},
|
||||
{
|
||||
"epoch": 2.48,
|
||||
"learning_rate": 3.291666666666667e-05,
|
||||
"loss": 0.3001,
|
||||
"step": 41000
|
||||
},
|
||||
{
|
||||
"epoch": 2.51,
|
||||
"learning_rate": 3.270833333333333e-05,
|
||||
"loss": 0.2988,
|
||||
"step": 41500
|
||||
},
|
||||
{
|
||||
"epoch": 2.54,
|
||||
"learning_rate": 3.2500000000000004e-05,
|
||||
"loss": 0.2983,
|
||||
"step": 42000
|
||||
},
|
||||
{
|
||||
"epoch": 2.57,
|
||||
"learning_rate": 3.229166666666667e-05,
|
||||
"loss": 0.2997,
|
||||
"step": 42500
|
||||
},
|
||||
{
|
||||
"epoch": 2.6,
|
||||
"learning_rate": 3.208333333333334e-05,
|
||||
"loss": 0.2985,
|
||||
"step": 43000
|
||||
},
|
||||
{
|
||||
"epoch": 2.63,
|
||||
"learning_rate": 3.1875e-05,
|
||||
"loss": 0.298,
|
||||
"step": 43500
|
||||
},
|
||||
{
|
||||
"epoch": 2.66,
|
||||
"learning_rate": 3.1666666666666666e-05,
|
||||
"loss": 0.2994,
|
||||
"step": 44000
|
||||
},
|
||||
{
|
||||
"epoch": 2.69,
|
||||
"learning_rate": 3.145833333333334e-05,
|
||||
"loss": 0.2993,
|
||||
"step": 44500
|
||||
},
|
||||
{
|
||||
"epoch": 2.72,
|
||||
"learning_rate": 3.125e-05,
|
||||
"loss": 0.2979,
|
||||
"step": 45000
|
||||
},
|
||||
{
|
||||
"epoch": 2.76,
|
||||
"learning_rate": 3.104166666666667e-05,
|
||||
"loss": 0.2977,
|
||||
"step": 45500
|
||||
},
|
||||
{
|
||||
"epoch": 2.79,
|
||||
"learning_rate": 3.0833333333333335e-05,
|
||||
"loss": 0.2985,
|
||||
"step": 46000
|
||||
},
|
||||
{
|
||||
"epoch": 2.82,
|
||||
"learning_rate": 3.0625000000000006e-05,
|
||||
"loss": 0.2998,
|
||||
"step": 46500
|
||||
},
|
||||
{
|
||||
"epoch": 2.85,
|
||||
"learning_rate": 3.0416666666666666e-05,
|
||||
"loss": 0.2985,
|
||||
"step": 47000
|
||||
},
|
||||
{
|
||||
"epoch": 2.88,
|
||||
"learning_rate": 3.0208333333333334e-05,
|
||||
"loss": 0.2987,
|
||||
"step": 47500
|
||||
},
|
||||
{
|
||||
"epoch": 2.91,
|
||||
"learning_rate": 3e-05,
|
||||
"loss": 0.2962,
|
||||
"step": 48000
|
||||
},
|
||||
{
|
||||
"epoch": 2.94,
|
||||
"learning_rate": 2.9791666666666668e-05,
|
||||
"loss": 0.2969,
|
||||
"step": 48500
|
||||
},
|
||||
{
|
||||
"epoch": 2.97,
|
||||
"learning_rate": 2.9583333333333335e-05,
|
||||
"loss": 0.2974,
|
||||
"step": 49000
|
||||
},
|
||||
{
|
||||
"epoch": 3.0,
|
||||
"learning_rate": 2.9375000000000003e-05,
|
||||
"loss": 0.2969,
|
||||
"step": 49500
|
||||
},
|
||||
{
|
||||
"epoch": 3.03,
|
||||
"learning_rate": 2.916666666666667e-05,
|
||||
"loss": 0.298,
|
||||
"step": 50000
|
||||
},
|
||||
{
|
||||
"epoch": 3.06,
|
||||
"learning_rate": 2.8958333333333337e-05,
|
||||
"loss": 0.2959,
|
||||
"step": 50500
|
||||
},
|
||||
{
|
||||
"epoch": 3.09,
|
||||
"learning_rate": 2.8749999999999997e-05,
|
||||
"loss": 0.2966,
|
||||
"step": 51000
|
||||
},
|
||||
{
|
||||
"epoch": 3.12,
|
||||
"learning_rate": 2.8541666666666668e-05,
|
||||
"loss": 0.2952,
|
||||
"step": 51500
|
||||
},
|
||||
{
|
||||
"epoch": 3.15,
|
||||
"learning_rate": 2.8333333333333335e-05,
|
||||
"loss": 0.2969,
|
||||
"step": 52000
|
||||
},
|
||||
{
|
||||
"epoch": 3.18,
|
||||
"learning_rate": 2.8125000000000003e-05,
|
||||
"loss": 0.2961,
|
||||
"step": 52500
|
||||
},
|
||||
{
|
||||
"epoch": 3.21,
|
||||
"learning_rate": 2.791666666666667e-05,
|
||||
"loss": 0.2953,
|
||||
"step": 53000
|
||||
},
|
||||
{
|
||||
"epoch": 3.24,
|
||||
"learning_rate": 2.7708333333333337e-05,
|
||||
"loss": 0.2963,
|
||||
"step": 53500
|
||||
},
|
||||
{
|
||||
"epoch": 3.27,
|
||||
"learning_rate": 2.7500000000000004e-05,
|
||||
"loss": 0.2958,
|
||||
"step": 54000
|
||||
},
|
||||
{
|
||||
"epoch": 3.3,
|
||||
"learning_rate": 2.7291666666666665e-05,
|
||||
"loss": 0.296,
|
||||
"step": 54500
|
||||
},
|
||||
{
|
||||
"epoch": 3.33,
|
||||
"learning_rate": 2.7083333333333332e-05,
|
||||
"loss": 0.2966,
|
||||
"step": 55000
|
||||
},
|
||||
{
|
||||
"epoch": 3.36,
|
||||
"learning_rate": 2.6875e-05,
|
||||
"loss": 0.2932,
|
||||
"step": 55500
|
||||
},
|
||||
{
|
||||
"epoch": 3.39,
|
||||
"learning_rate": 2.6666666666666667e-05,
|
||||
"loss": 0.2945,
|
||||
"step": 56000
|
||||
},
|
||||
{
|
||||
"epoch": 3.42,
|
||||
"learning_rate": 2.6458333333333334e-05,
|
||||
"loss": 0.2953,
|
||||
"step": 56500
|
||||
},
|
||||
{
|
||||
"epoch": 3.45,
|
||||
"learning_rate": 2.625e-05,
|
||||
"loss": 0.2939,
|
||||
"step": 57000
|
||||
},
|
||||
{
|
||||
"epoch": 3.48,
|
||||
"learning_rate": 2.604166666666667e-05,
|
||||
"loss": 0.2949,
|
||||
"step": 57500
|
||||
},
|
||||
{
|
||||
"epoch": 3.51,
|
||||
"learning_rate": 2.5833333333333336e-05,
|
||||
"loss": 0.2941,
|
||||
"step": 58000
|
||||
},
|
||||
{
|
||||
"epoch": 3.54,
|
||||
"learning_rate": 2.5625e-05,
|
||||
"loss": 0.2952,
|
||||
"step": 58500
|
||||
},
|
||||
{
|
||||
"epoch": 3.57,
|
||||
"learning_rate": 2.5416666666666667e-05,
|
||||
"loss": 0.2959,
|
||||
"step": 59000
|
||||
},
|
||||
{
|
||||
"epoch": 3.6,
|
||||
"learning_rate": 2.5208333333333334e-05,
|
||||
"loss": 0.294,
|
||||
"step": 59500
|
||||
},
|
||||
{
|
||||
"epoch": 3.63,
|
||||
"learning_rate": 2.5e-05,
|
||||
"loss": 0.2946,
|
||||
"step": 60000
|
||||
},
|
||||
{
|
||||
"epoch": 3.66,
|
||||
"learning_rate": 2.479166666666667e-05,
|
||||
"loss": 0.2948,
|
||||
"step": 60500
|
||||
},
|
||||
{
|
||||
"epoch": 3.69,
|
||||
"learning_rate": 2.4583333333333332e-05,
|
||||
"loss": 0.2942,
|
||||
"step": 61000
|
||||
},
|
||||
{
|
||||
"epoch": 3.72,
|
||||
"learning_rate": 2.4375e-05,
|
||||
"loss": 0.2946,
|
||||
"step": 61500
|
||||
},
|
||||
{
|
||||
"epoch": 3.75,
|
||||
"learning_rate": 2.4166666666666667e-05,
|
||||
"loss": 0.2935,
|
||||
"step": 62000
|
||||
},
|
||||
{
|
||||
"epoch": 3.78,
|
||||
"learning_rate": 2.3958333333333334e-05,
|
||||
"loss": 0.2947,
|
||||
"step": 62500
|
||||
},
|
||||
{
|
||||
"epoch": 3.81,
|
||||
"learning_rate": 2.375e-05,
|
||||
"loss": 0.2942,
|
||||
"step": 63000
|
||||
},
|
||||
{
|
||||
"epoch": 3.85,
|
||||
"learning_rate": 2.354166666666667e-05,
|
||||
"loss": 0.2926,
|
||||
"step": 63500
|
||||
},
|
||||
{
|
||||
"epoch": 3.88,
|
||||
"learning_rate": 2.3333333333333336e-05,
|
||||
"loss": 0.2949,
|
||||
"step": 64000
|
||||
},
|
||||
{
|
||||
"epoch": 3.91,
|
||||
"learning_rate": 2.3125000000000003e-05,
|
||||
"loss": 0.2931,
|
||||
"step": 64500
|
||||
},
|
||||
{
|
||||
"epoch": 3.94,
|
||||
"learning_rate": 2.2916666666666667e-05,
|
||||
"loss": 0.2929,
|
||||
"step": 65000
|
||||
},
|
||||
{
|
||||
"epoch": 3.97,
|
||||
"learning_rate": 2.2708333333333334e-05,
|
||||
"loss": 0.2937,
|
||||
"step": 65500
|
||||
},
|
||||
{
|
||||
"epoch": 4.0,
|
||||
"learning_rate": 2.25e-05,
|
||||
"loss": 0.293,
|
||||
"step": 66000
|
||||
},
|
||||
{
|
||||
"epoch": 4.03,
|
||||
"learning_rate": 2.229166666666667e-05,
|
||||
"loss": 0.2919,
|
||||
"step": 66500
|
||||
},
|
||||
{
|
||||
"epoch": 4.06,
|
||||
"learning_rate": 2.2083333333333333e-05,
|
||||
"loss": 0.2947,
|
||||
"step": 67000
|
||||
},
|
||||
{
|
||||
"epoch": 4.09,
|
||||
"learning_rate": 2.1875e-05,
|
||||
"loss": 0.2933,
|
||||
"step": 67500
|
||||
},
|
||||
{
|
||||
"epoch": 4.12,
|
||||
"learning_rate": 2.1666666666666667e-05,
|
||||
"loss": 0.2923,
|
||||
"step": 68000
|
||||
},
|
||||
{
|
||||
"epoch": 4.15,
|
||||
"learning_rate": 2.1458333333333334e-05,
|
||||
"loss": 0.292,
|
||||
"step": 68500
|
||||
},
|
||||
{
|
||||
"epoch": 4.18,
|
||||
"learning_rate": 2.125e-05,
|
||||
"loss": 0.2912,
|
||||
"step": 69000
|
||||
},
|
||||
{
|
||||
"epoch": 4.21,
|
||||
"learning_rate": 2.104166666666667e-05,
|
||||
"loss": 0.2929,
|
||||
"step": 69500
|
||||
},
|
||||
{
|
||||
"epoch": 4.24,
|
||||
"learning_rate": 2.0833333333333336e-05,
|
||||
"loss": 0.2935,
|
||||
"step": 70000
|
||||
},
|
||||
{
|
||||
"epoch": 4.27,
|
||||
"learning_rate": 2.0625e-05,
|
||||
"loss": 0.2921,
|
||||
"step": 70500
|
||||
},
|
||||
{
|
||||
"epoch": 4.3,
|
||||
"learning_rate": 2.0416666666666667e-05,
|
||||
"loss": 0.2917,
|
||||
"step": 71000
|
||||
},
|
||||
{
|
||||
"epoch": 4.33,
|
||||
"learning_rate": 2.0208333333333334e-05,
|
||||
"loss": 0.2912,
|
||||
"step": 71500
|
||||
},
|
||||
{
|
||||
"epoch": 4.36,
|
||||
"learning_rate": 2e-05,
|
||||
"loss": 0.2913,
|
||||
"step": 72000
|
||||
},
|
||||
{
|
||||
"epoch": 4.39,
|
||||
"learning_rate": 1.9791666666666665e-05,
|
||||
"loss": 0.2924,
|
||||
"step": 72500
|
||||
},
|
||||
{
|
||||
"epoch": 4.42,
|
||||
"learning_rate": 1.9583333333333333e-05,
|
||||
"loss": 0.292,
|
||||
"step": 73000
|
||||
},
|
||||
{
|
||||
"epoch": 4.45,
|
||||
"learning_rate": 1.9375e-05,
|
||||
"loss": 0.2916,
|
||||
"step": 73500
|
||||
},
|
||||
{
|
||||
"epoch": 4.48,
|
||||
"learning_rate": 1.9166666666666667e-05,
|
||||
"loss": 0.2909,
|
||||
"step": 74000
|
||||
},
|
||||
{
|
||||
"epoch": 4.51,
|
||||
"learning_rate": 1.8958333333333334e-05,
|
||||
"loss": 0.2928,
|
||||
"step": 74500
|
||||
},
|
||||
{
|
||||
"epoch": 4.54,
|
||||
"learning_rate": 1.8750000000000002e-05,
|
||||
"loss": 0.289,
|
||||
"step": 75000
|
||||
},
|
||||
{
|
||||
"epoch": 4.57,
|
||||
"learning_rate": 1.854166666666667e-05,
|
||||
"loss": 0.293,
|
||||
"step": 75500
|
||||
},
|
||||
{
|
||||
"epoch": 4.6,
|
||||
"learning_rate": 1.8333333333333333e-05,
|
||||
"loss": 0.2913,
|
||||
"step": 76000
|
||||
},
|
||||
{
|
||||
"epoch": 4.63,
|
||||
"learning_rate": 1.8125e-05,
|
||||
"loss": 0.2911,
|
||||
"step": 76500
|
||||
},
|
||||
{
|
||||
"epoch": 4.66,
|
||||
"learning_rate": 1.7916666666666667e-05,
|
||||
"loss": 0.2907,
|
||||
"step": 77000
|
||||
},
|
||||
{
|
||||
"epoch": 4.69,
|
||||
"learning_rate": 1.7708333333333335e-05,
|
||||
"loss": 0.2912,
|
||||
"step": 77500
|
||||
},
|
||||
{
|
||||
"epoch": 4.72,
|
||||
"learning_rate": 1.75e-05,
|
||||
"loss": 0.2906,
|
||||
"step": 78000
|
||||
},
|
||||
{
|
||||
"epoch": 4.75,
|
||||
"learning_rate": 1.7291666666666666e-05,
|
||||
"loss": 0.2918,
|
||||
"step": 78500
|
||||
},
|
||||
{
|
||||
"epoch": 4.78,
|
||||
"learning_rate": 1.7083333333333333e-05,
|
||||
"loss": 0.2915,
|
||||
"step": 79000
|
||||
},
|
||||
{
|
||||
"epoch": 4.81,
|
||||
"learning_rate": 1.6875000000000004e-05,
|
||||
"loss": 0.291,
|
||||
"step": 79500
|
||||
},
|
||||
{
|
||||
"epoch": 4.84,
|
||||
"learning_rate": 1.6666666666666667e-05,
|
||||
"loss": 0.2922,
|
||||
"step": 80000
|
||||
}
|
||||
],
|
||||
"max_steps": 120000,
|
||||
"num_train_epochs": 8,
|
||||
"total_flos": 9.8933832875298e+17,
|
||||
"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:fbb0b4a795c1c2e6a749a99c154bfa1e8e092a3728dd38501e584eb54af24429
|
||||
size 3451
|
||||
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