Обновление модели: новая версия после переобучения
Browse files- model.safetensors +1 -1
- optimizer.pt +3 -0
- rng_state.pth +3 -0
- scaler.pt +3 -0
- scheduler.pt +3 -0
- trainer_state.json +663 -0
- training_args.bin +1 -1
model.safetensors
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 966995080
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:f10c7258c23b0dccd488dd17c06151e81f8f97cb4c7e2b8f3eb23252b0896449
|
| 3 |
size 966995080
|
optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:bd2584e5c5d95d0e7abfdf671b828dabfee7737c5b8700d5b993d35672efb823
|
| 3 |
+
size 1925071165
|
rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:661b494f26af01e5125cff8a96c225a05d5bc0093fe78270797b1d79593bf87c
|
| 3 |
+
size 14645
|
scaler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:0898b50d30f77b4851bc5d23667d66d6c9072b361442d1d8bee36f39aef61ce5
|
| 3 |
+
size 1383
|
scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:26de2a80dae09686e5e7c40500801e3d515f3f85e91e5ebee2046ad5f0b3afc8
|
| 3 |
+
size 1465
|
trainer_state.json
ADDED
|
@@ -0,0 +1,663 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": null,
|
| 3 |
+
"best_metric": null,
|
| 4 |
+
"best_model_checkpoint": null,
|
| 5 |
+
"epoch": 0.5666666666666667,
|
| 6 |
+
"eval_steps": 100,
|
| 7 |
+
"global_step": 1700,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.008333333333333333,
|
| 14 |
+
"grad_norm": 14.301618576049805,
|
| 15 |
+
"learning_rate": 4.800000000000001e-06,
|
| 16 |
+
"loss": 2.5911,
|
| 17 |
+
"step": 25
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.016666666666666666,
|
| 21 |
+
"grad_norm": 9.841421127319336,
|
| 22 |
+
"learning_rate": 9.800000000000001e-06,
|
| 23 |
+
"loss": 1.1863,
|
| 24 |
+
"step": 50
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.025,
|
| 28 |
+
"grad_norm": 9.154348373413086,
|
| 29 |
+
"learning_rate": 9.918644067796611e-06,
|
| 30 |
+
"loss": 0.8093,
|
| 31 |
+
"step": 75
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.03333333333333333,
|
| 35 |
+
"grad_norm": 8.530077934265137,
|
| 36 |
+
"learning_rate": 9.833898305084747e-06,
|
| 37 |
+
"loss": 0.6805,
|
| 38 |
+
"step": 100
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.03333333333333333,
|
| 42 |
+
"eval_loss": 0.5591385364532471,
|
| 43 |
+
"eval_runtime": 31.6571,
|
| 44 |
+
"eval_samples_per_second": 1.579,
|
| 45 |
+
"eval_steps_per_second": 0.411,
|
| 46 |
+
"eval_wer": 44.651162790697676,
|
| 47 |
+
"step": 100
|
| 48 |
+
},
|
| 49 |
+
{
|
| 50 |
+
"epoch": 0.041666666666666664,
|
| 51 |
+
"grad_norm": 9.107830047607422,
|
| 52 |
+
"learning_rate": 9.749152542372882e-06,
|
| 53 |
+
"loss": 0.5636,
|
| 54 |
+
"step": 125
|
| 55 |
+
},
|
| 56 |
+
{
|
| 57 |
+
"epoch": 0.05,
|
| 58 |
+
"grad_norm": 8.091423988342285,
|
| 59 |
+
"learning_rate": 9.664406779661017e-06,
|
| 60 |
+
"loss": 0.4729,
|
| 61 |
+
"step": 150
|
| 62 |
+
},
|
| 63 |
+
{
|
| 64 |
+
"epoch": 0.058333333333333334,
|
| 65 |
+
"grad_norm": 6.065707683563232,
|
| 66 |
+
"learning_rate": 9.579661016949154e-06,
|
| 67 |
+
"loss": 0.4313,
|
| 68 |
+
"step": 175
|
| 69 |
+
},
|
| 70 |
+
{
|
| 71 |
+
"epoch": 0.06666666666666667,
|
| 72 |
+
"grad_norm": 5.886789798736572,
|
| 73 |
+
"learning_rate": 9.494915254237289e-06,
|
| 74 |
+
"loss": 0.4189,
|
| 75 |
+
"step": 200
|
| 76 |
+
},
|
| 77 |
+
{
|
| 78 |
+
"epoch": 0.06666666666666667,
|
| 79 |
+
"eval_loss": 0.29914724826812744,
|
| 80 |
+
"eval_runtime": 31.2581,
|
| 81 |
+
"eval_samples_per_second": 1.6,
|
| 82 |
+
"eval_steps_per_second": 0.416,
|
| 83 |
+
"eval_wer": 34.18604651162791,
|
| 84 |
+
"step": 200
|
| 85 |
+
},
|
| 86 |
+
{
|
| 87 |
+
"epoch": 0.075,
|
| 88 |
+
"grad_norm": 5.359210968017578,
|
| 89 |
+
"learning_rate": 9.410169491525425e-06,
|
| 90 |
+
"loss": 0.3577,
|
| 91 |
+
"step": 225
|
| 92 |
+
},
|
| 93 |
+
{
|
| 94 |
+
"epoch": 0.08333333333333333,
|
| 95 |
+
"grad_norm": 6.733967304229736,
|
| 96 |
+
"learning_rate": 9.32542372881356e-06,
|
| 97 |
+
"loss": 0.3464,
|
| 98 |
+
"step": 250
|
| 99 |
+
},
|
| 100 |
+
{
|
| 101 |
+
"epoch": 0.09166666666666666,
|
| 102 |
+
"grad_norm": 6.77088737487793,
|
| 103 |
+
"learning_rate": 9.240677966101695e-06,
|
| 104 |
+
"loss": 0.3152,
|
| 105 |
+
"step": 275
|
| 106 |
+
},
|
| 107 |
+
{
|
| 108 |
+
"epoch": 0.1,
|
| 109 |
+
"grad_norm": 5.020869255065918,
|
| 110 |
+
"learning_rate": 9.155932203389832e-06,
|
| 111 |
+
"loss": 0.3113,
|
| 112 |
+
"step": 300
|
| 113 |
+
},
|
| 114 |
+
{
|
| 115 |
+
"epoch": 0.1,
|
| 116 |
+
"eval_loss": 0.25590869784355164,
|
| 117 |
+
"eval_runtime": 30.3892,
|
| 118 |
+
"eval_samples_per_second": 1.645,
|
| 119 |
+
"eval_steps_per_second": 0.428,
|
| 120 |
+
"eval_wer": 30.0,
|
| 121 |
+
"step": 300
|
| 122 |
+
},
|
| 123 |
+
{
|
| 124 |
+
"epoch": 0.10833333333333334,
|
| 125 |
+
"grad_norm": 4.7404465675354,
|
| 126 |
+
"learning_rate": 9.071186440677966e-06,
|
| 127 |
+
"loss": 0.2687,
|
| 128 |
+
"step": 325
|
| 129 |
+
},
|
| 130 |
+
{
|
| 131 |
+
"epoch": 0.11666666666666667,
|
| 132 |
+
"grad_norm": 5.799556732177734,
|
| 133 |
+
"learning_rate": 8.986440677966103e-06,
|
| 134 |
+
"loss": 0.2579,
|
| 135 |
+
"step": 350
|
| 136 |
+
},
|
| 137 |
+
{
|
| 138 |
+
"epoch": 0.125,
|
| 139 |
+
"grad_norm": 5.17623233795166,
|
| 140 |
+
"learning_rate": 8.901694915254238e-06,
|
| 141 |
+
"loss": 0.2683,
|
| 142 |
+
"step": 375
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 0.13333333333333333,
|
| 146 |
+
"grad_norm": 5.461397171020508,
|
| 147 |
+
"learning_rate": 8.816949152542373e-06,
|
| 148 |
+
"loss": 0.2622,
|
| 149 |
+
"step": 400
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 0.13333333333333333,
|
| 153 |
+
"eval_loss": 0.2302173525094986,
|
| 154 |
+
"eval_runtime": 30.0067,
|
| 155 |
+
"eval_samples_per_second": 1.666,
|
| 156 |
+
"eval_steps_per_second": 0.433,
|
| 157 |
+
"eval_wer": 26.976744186046513,
|
| 158 |
+
"step": 400
|
| 159 |
+
},
|
| 160 |
+
{
|
| 161 |
+
"epoch": 0.14166666666666666,
|
| 162 |
+
"grad_norm": 5.005754470825195,
|
| 163 |
+
"learning_rate": 8.73220338983051e-06,
|
| 164 |
+
"loss": 0.254,
|
| 165 |
+
"step": 425
|
| 166 |
+
},
|
| 167 |
+
{
|
| 168 |
+
"epoch": 0.15,
|
| 169 |
+
"grad_norm": 7.049324989318848,
|
| 170 |
+
"learning_rate": 8.647457627118644e-06,
|
| 171 |
+
"loss": 0.2503,
|
| 172 |
+
"step": 450
|
| 173 |
+
},
|
| 174 |
+
{
|
| 175 |
+
"epoch": 0.15833333333333333,
|
| 176 |
+
"grad_norm": 4.588349342346191,
|
| 177 |
+
"learning_rate": 8.56271186440678e-06,
|
| 178 |
+
"loss": 0.2564,
|
| 179 |
+
"step": 475
|
| 180 |
+
},
|
| 181 |
+
{
|
| 182 |
+
"epoch": 0.16666666666666666,
|
| 183 |
+
"grad_norm": 6.5539984703063965,
|
| 184 |
+
"learning_rate": 8.477966101694916e-06,
|
| 185 |
+
"loss": 0.2249,
|
| 186 |
+
"step": 500
|
| 187 |
+
},
|
| 188 |
+
{
|
| 189 |
+
"epoch": 0.16666666666666666,
|
| 190 |
+
"eval_loss": 0.21013318002223969,
|
| 191 |
+
"eval_runtime": 30.8371,
|
| 192 |
+
"eval_samples_per_second": 1.621,
|
| 193 |
+
"eval_steps_per_second": 0.422,
|
| 194 |
+
"eval_wer": 27.44186046511628,
|
| 195 |
+
"step": 500
|
| 196 |
+
},
|
| 197 |
+
{
|
| 198 |
+
"epoch": 0.175,
|
| 199 |
+
"grad_norm": 5.766194820404053,
|
| 200 |
+
"learning_rate": 8.39322033898305e-06,
|
| 201 |
+
"loss": 0.2376,
|
| 202 |
+
"step": 525
|
| 203 |
+
},
|
| 204 |
+
{
|
| 205 |
+
"epoch": 0.18333333333333332,
|
| 206 |
+
"grad_norm": 4.760487079620361,
|
| 207 |
+
"learning_rate": 8.308474576271187e-06,
|
| 208 |
+
"loss": 0.2301,
|
| 209 |
+
"step": 550
|
| 210 |
+
},
|
| 211 |
+
{
|
| 212 |
+
"epoch": 0.19166666666666668,
|
| 213 |
+
"grad_norm": 6.605999946594238,
|
| 214 |
+
"learning_rate": 8.223728813559324e-06,
|
| 215 |
+
"loss": 0.2385,
|
| 216 |
+
"step": 575
|
| 217 |
+
},
|
| 218 |
+
{
|
| 219 |
+
"epoch": 0.2,
|
| 220 |
+
"grad_norm": 6.127011775970459,
|
| 221 |
+
"learning_rate": 8.138983050847459e-06,
|
| 222 |
+
"loss": 0.2416,
|
| 223 |
+
"step": 600
|
| 224 |
+
},
|
| 225 |
+
{
|
| 226 |
+
"epoch": 0.2,
|
| 227 |
+
"eval_loss": 0.1913887858390808,
|
| 228 |
+
"eval_runtime": 30.2544,
|
| 229 |
+
"eval_samples_per_second": 1.653,
|
| 230 |
+
"eval_steps_per_second": 0.43,
|
| 231 |
+
"eval_wer": 26.51162790697674,
|
| 232 |
+
"step": 600
|
| 233 |
+
},
|
| 234 |
+
{
|
| 235 |
+
"epoch": 0.20833333333333334,
|
| 236 |
+
"grad_norm": 7.45020055770874,
|
| 237 |
+
"learning_rate": 8.054237288135594e-06,
|
| 238 |
+
"loss": 0.2491,
|
| 239 |
+
"step": 625
|
| 240 |
+
},
|
| 241 |
+
{
|
| 242 |
+
"epoch": 0.21666666666666667,
|
| 243 |
+
"grad_norm": 5.812323093414307,
|
| 244 |
+
"learning_rate": 7.96949152542373e-06,
|
| 245 |
+
"loss": 0.2281,
|
| 246 |
+
"step": 650
|
| 247 |
+
},
|
| 248 |
+
{
|
| 249 |
+
"epoch": 0.225,
|
| 250 |
+
"grad_norm": 5.469272613525391,
|
| 251 |
+
"learning_rate": 7.884745762711865e-06,
|
| 252 |
+
"loss": 0.228,
|
| 253 |
+
"step": 675
|
| 254 |
+
},
|
| 255 |
+
{
|
| 256 |
+
"epoch": 0.23333333333333334,
|
| 257 |
+
"grad_norm": 8.342656135559082,
|
| 258 |
+
"learning_rate": 7.800000000000002e-06,
|
| 259 |
+
"loss": 0.2692,
|
| 260 |
+
"step": 700
|
| 261 |
+
},
|
| 262 |
+
{
|
| 263 |
+
"epoch": 0.23333333333333334,
|
| 264 |
+
"eval_loss": 0.19376912713050842,
|
| 265 |
+
"eval_runtime": 30.1725,
|
| 266 |
+
"eval_samples_per_second": 1.657,
|
| 267 |
+
"eval_steps_per_second": 0.431,
|
| 268 |
+
"eval_wer": 25.813953488372093,
|
| 269 |
+
"step": 700
|
| 270 |
+
},
|
| 271 |
+
{
|
| 272 |
+
"epoch": 0.24166666666666667,
|
| 273 |
+
"grad_norm": 6.1778564453125,
|
| 274 |
+
"learning_rate": 7.715254237288136e-06,
|
| 275 |
+
"loss": 0.3117,
|
| 276 |
+
"step": 725
|
| 277 |
+
},
|
| 278 |
+
{
|
| 279 |
+
"epoch": 0.25,
|
| 280 |
+
"grad_norm": 6.219127178192139,
|
| 281 |
+
"learning_rate": 7.630508474576271e-06,
|
| 282 |
+
"loss": 0.2877,
|
| 283 |
+
"step": 750
|
| 284 |
+
},
|
| 285 |
+
{
|
| 286 |
+
"epoch": 0.25833333333333336,
|
| 287 |
+
"grad_norm": 5.735612392425537,
|
| 288 |
+
"learning_rate": 7.545762711864407e-06,
|
| 289 |
+
"loss": 0.2667,
|
| 290 |
+
"step": 775
|
| 291 |
+
},
|
| 292 |
+
{
|
| 293 |
+
"epoch": 0.26666666666666666,
|
| 294 |
+
"grad_norm": 7.407346725463867,
|
| 295 |
+
"learning_rate": 7.461016949152543e-06,
|
| 296 |
+
"loss": 0.2712,
|
| 297 |
+
"step": 800
|
| 298 |
+
},
|
| 299 |
+
{
|
| 300 |
+
"epoch": 0.26666666666666666,
|
| 301 |
+
"eval_loss": 0.2028380036354065,
|
| 302 |
+
"eval_runtime": 30.1352,
|
| 303 |
+
"eval_samples_per_second": 1.659,
|
| 304 |
+
"eval_steps_per_second": 0.431,
|
| 305 |
+
"eval_wer": 25.581395348837212,
|
| 306 |
+
"step": 800
|
| 307 |
+
},
|
| 308 |
+
{
|
| 309 |
+
"epoch": 0.275,
|
| 310 |
+
"grad_norm": 6.598769187927246,
|
| 311 |
+
"learning_rate": 7.3762711864406785e-06,
|
| 312 |
+
"loss": 0.2646,
|
| 313 |
+
"step": 825
|
| 314 |
+
},
|
| 315 |
+
{
|
| 316 |
+
"epoch": 0.2833333333333333,
|
| 317 |
+
"grad_norm": 7.305006980895996,
|
| 318 |
+
"learning_rate": 7.291525423728815e-06,
|
| 319 |
+
"loss": 0.2576,
|
| 320 |
+
"step": 850
|
| 321 |
+
},
|
| 322 |
+
{
|
| 323 |
+
"epoch": 0.2916666666666667,
|
| 324 |
+
"grad_norm": 5.428302764892578,
|
| 325 |
+
"learning_rate": 7.206779661016949e-06,
|
| 326 |
+
"loss": 0.2572,
|
| 327 |
+
"step": 875
|
| 328 |
+
},
|
| 329 |
+
{
|
| 330 |
+
"epoch": 0.3,
|
| 331 |
+
"grad_norm": 6.203150749206543,
|
| 332 |
+
"learning_rate": 7.122033898305085e-06,
|
| 333 |
+
"loss": 0.2415,
|
| 334 |
+
"step": 900
|
| 335 |
+
},
|
| 336 |
+
{
|
| 337 |
+
"epoch": 0.3,
|
| 338 |
+
"eval_loss": 0.2069590985774994,
|
| 339 |
+
"eval_runtime": 30.1855,
|
| 340 |
+
"eval_samples_per_second": 1.656,
|
| 341 |
+
"eval_steps_per_second": 0.431,
|
| 342 |
+
"eval_wer": 23.02325581395349,
|
| 343 |
+
"step": 900
|
| 344 |
+
},
|
| 345 |
+
{
|
| 346 |
+
"epoch": 0.30833333333333335,
|
| 347 |
+
"grad_norm": 6.383209705352783,
|
| 348 |
+
"learning_rate": 7.037288135593221e-06,
|
| 349 |
+
"loss": 0.2328,
|
| 350 |
+
"step": 925
|
| 351 |
+
},
|
| 352 |
+
{
|
| 353 |
+
"epoch": 0.31666666666666665,
|
| 354 |
+
"grad_norm": 5.5666279792785645,
|
| 355 |
+
"learning_rate": 6.952542372881357e-06,
|
| 356 |
+
"loss": 0.2324,
|
| 357 |
+
"step": 950
|
| 358 |
+
},
|
| 359 |
+
{
|
| 360 |
+
"epoch": 0.325,
|
| 361 |
+
"grad_norm": 7.117390155792236,
|
| 362 |
+
"learning_rate": 6.867796610169493e-06,
|
| 363 |
+
"loss": 0.218,
|
| 364 |
+
"step": 975
|
| 365 |
+
},
|
| 366 |
+
{
|
| 367 |
+
"epoch": 0.3333333333333333,
|
| 368 |
+
"grad_norm": 6.636458873748779,
|
| 369 |
+
"learning_rate": 6.783050847457627e-06,
|
| 370 |
+
"loss": 0.2172,
|
| 371 |
+
"step": 1000
|
| 372 |
+
},
|
| 373 |
+
{
|
| 374 |
+
"epoch": 0.3333333333333333,
|
| 375 |
+
"eval_loss": 0.19906912744045258,
|
| 376 |
+
"eval_runtime": 30.9763,
|
| 377 |
+
"eval_samples_per_second": 1.614,
|
| 378 |
+
"eval_steps_per_second": 0.42,
|
| 379 |
+
"eval_wer": 23.72093023255814,
|
| 380 |
+
"step": 1000
|
| 381 |
+
},
|
| 382 |
+
{
|
| 383 |
+
"epoch": 0.3416666666666667,
|
| 384 |
+
"grad_norm": 6.437325954437256,
|
| 385 |
+
"learning_rate": 6.6983050847457635e-06,
|
| 386 |
+
"loss": 0.2328,
|
| 387 |
+
"step": 1025
|
| 388 |
+
},
|
| 389 |
+
{
|
| 390 |
+
"epoch": 0.35,
|
| 391 |
+
"grad_norm": 5.583366394042969,
|
| 392 |
+
"learning_rate": 6.613559322033899e-06,
|
| 393 |
+
"loss": 0.2235,
|
| 394 |
+
"step": 1050
|
| 395 |
+
},
|
| 396 |
+
{
|
| 397 |
+
"epoch": 0.35833333333333334,
|
| 398 |
+
"grad_norm": 4.921070098876953,
|
| 399 |
+
"learning_rate": 6.528813559322035e-06,
|
| 400 |
+
"loss": 0.2326,
|
| 401 |
+
"step": 1075
|
| 402 |
+
},
|
| 403 |
+
{
|
| 404 |
+
"epoch": 0.36666666666666664,
|
| 405 |
+
"grad_norm": 8.010602951049805,
|
| 406 |
+
"learning_rate": 6.444067796610171e-06,
|
| 407 |
+
"loss": 0.2885,
|
| 408 |
+
"step": 1100
|
| 409 |
+
},
|
| 410 |
+
{
|
| 411 |
+
"epoch": 0.36666666666666664,
|
| 412 |
+
"eval_loss": 0.18929298222064972,
|
| 413 |
+
"eval_runtime": 29.6328,
|
| 414 |
+
"eval_samples_per_second": 1.687,
|
| 415 |
+
"eval_steps_per_second": 0.439,
|
| 416 |
+
"eval_wer": 22.55813953488372,
|
| 417 |
+
"step": 1100
|
| 418 |
+
},
|
| 419 |
+
{
|
| 420 |
+
"epoch": 0.375,
|
| 421 |
+
"grad_norm": 6.264009475708008,
|
| 422 |
+
"learning_rate": 6.3593220338983056e-06,
|
| 423 |
+
"loss": 0.238,
|
| 424 |
+
"step": 1125
|
| 425 |
+
},
|
| 426 |
+
{
|
| 427 |
+
"epoch": 0.38333333333333336,
|
| 428 |
+
"grad_norm": 6.035742282867432,
|
| 429 |
+
"learning_rate": 6.274576271186441e-06,
|
| 430 |
+
"loss": 0.2112,
|
| 431 |
+
"step": 1150
|
| 432 |
+
},
|
| 433 |
+
{
|
| 434 |
+
"epoch": 0.39166666666666666,
|
| 435 |
+
"grad_norm": 5.764890670776367,
|
| 436 |
+
"learning_rate": 6.189830508474577e-06,
|
| 437 |
+
"loss": 0.1921,
|
| 438 |
+
"step": 1175
|
| 439 |
+
},
|
| 440 |
+
{
|
| 441 |
+
"epoch": 0.4,
|
| 442 |
+
"grad_norm": 7.657561302185059,
|
| 443 |
+
"learning_rate": 6.105084745762713e-06,
|
| 444 |
+
"loss": 0.188,
|
| 445 |
+
"step": 1200
|
| 446 |
+
},
|
| 447 |
+
{
|
| 448 |
+
"epoch": 0.4,
|
| 449 |
+
"eval_loss": 0.18318532407283783,
|
| 450 |
+
"eval_runtime": 29.7362,
|
| 451 |
+
"eval_samples_per_second": 1.681,
|
| 452 |
+
"eval_steps_per_second": 0.437,
|
| 453 |
+
"eval_wer": 21.627906976744185,
|
| 454 |
+
"step": 1200
|
| 455 |
+
},
|
| 456 |
+
{
|
| 457 |
+
"epoch": 0.4083333333333333,
|
| 458 |
+
"grad_norm": 4.8827385902404785,
|
| 459 |
+
"learning_rate": 6.020338983050848e-06,
|
| 460 |
+
"loss": 0.1799,
|
| 461 |
+
"step": 1225
|
| 462 |
+
},
|
| 463 |
+
{
|
| 464 |
+
"epoch": 0.4166666666666667,
|
| 465 |
+
"grad_norm": 5.376316070556641,
|
| 466 |
+
"learning_rate": 5.935593220338983e-06,
|
| 467 |
+
"loss": 0.1836,
|
| 468 |
+
"step": 1250
|
| 469 |
+
},
|
| 470 |
+
{
|
| 471 |
+
"epoch": 0.425,
|
| 472 |
+
"grad_norm": 5.580814838409424,
|
| 473 |
+
"learning_rate": 5.850847457627119e-06,
|
| 474 |
+
"loss": 0.1945,
|
| 475 |
+
"step": 1275
|
| 476 |
+
},
|
| 477 |
+
{
|
| 478 |
+
"epoch": 0.43333333333333335,
|
| 479 |
+
"grad_norm": 7.14733362197876,
|
| 480 |
+
"learning_rate": 5.766101694915255e-06,
|
| 481 |
+
"loss": 0.1877,
|
| 482 |
+
"step": 1300
|
| 483 |
+
},
|
| 484 |
+
{
|
| 485 |
+
"epoch": 0.43333333333333335,
|
| 486 |
+
"eval_loss": 0.1844736486673355,
|
| 487 |
+
"eval_runtime": 29.7323,
|
| 488 |
+
"eval_samples_per_second": 1.682,
|
| 489 |
+
"eval_steps_per_second": 0.437,
|
| 490 |
+
"eval_wer": 22.325581395348838,
|
| 491 |
+
"step": 1300
|
| 492 |
+
},
|
| 493 |
+
{
|
| 494 |
+
"epoch": 0.44166666666666665,
|
| 495 |
+
"grad_norm": 5.891394138336182,
|
| 496 |
+
"learning_rate": 5.6813559322033906e-06,
|
| 497 |
+
"loss": 0.1703,
|
| 498 |
+
"step": 1325
|
| 499 |
+
},
|
| 500 |
+
{
|
| 501 |
+
"epoch": 0.45,
|
| 502 |
+
"grad_norm": 5.314630508422852,
|
| 503 |
+
"learning_rate": 5.5966101694915254e-06,
|
| 504 |
+
"loss": 0.1806,
|
| 505 |
+
"step": 1350
|
| 506 |
+
},
|
| 507 |
+
{
|
| 508 |
+
"epoch": 0.4583333333333333,
|
| 509 |
+
"grad_norm": 5.346804618835449,
|
| 510 |
+
"learning_rate": 5.511864406779661e-06,
|
| 511 |
+
"loss": 0.1943,
|
| 512 |
+
"step": 1375
|
| 513 |
+
},
|
| 514 |
+
{
|
| 515 |
+
"epoch": 0.4666666666666667,
|
| 516 |
+
"grad_norm": 9.024127960205078,
|
| 517 |
+
"learning_rate": 5.427118644067797e-06,
|
| 518 |
+
"loss": 0.1689,
|
| 519 |
+
"step": 1400
|
| 520 |
+
},
|
| 521 |
+
{
|
| 522 |
+
"epoch": 0.4666666666666667,
|
| 523 |
+
"eval_loss": 0.18630634248256683,
|
| 524 |
+
"eval_runtime": 29.9588,
|
| 525 |
+
"eval_samples_per_second": 1.669,
|
| 526 |
+
"eval_steps_per_second": 0.434,
|
| 527 |
+
"eval_wer": 24.186046511627907,
|
| 528 |
+
"step": 1400
|
| 529 |
+
},
|
| 530 |
+
{
|
| 531 |
+
"epoch": 0.475,
|
| 532 |
+
"grad_norm": 5.976679801940918,
|
| 533 |
+
"learning_rate": 5.342372881355933e-06,
|
| 534 |
+
"loss": 0.1731,
|
| 535 |
+
"step": 1425
|
| 536 |
+
},
|
| 537 |
+
{
|
| 538 |
+
"epoch": 0.48333333333333334,
|
| 539 |
+
"grad_norm": 4.596950054168701,
|
| 540 |
+
"learning_rate": 5.257627118644068e-06,
|
| 541 |
+
"loss": 0.1756,
|
| 542 |
+
"step": 1450
|
| 543 |
+
},
|
| 544 |
+
{
|
| 545 |
+
"epoch": 0.49166666666666664,
|
| 546 |
+
"grad_norm": 4.674180507659912,
|
| 547 |
+
"learning_rate": 5.172881355932203e-06,
|
| 548 |
+
"loss": 0.1529,
|
| 549 |
+
"step": 1475
|
| 550 |
+
},
|
| 551 |
+
{
|
| 552 |
+
"epoch": 0.5,
|
| 553 |
+
"grad_norm": 7.345108985900879,
|
| 554 |
+
"learning_rate": 5.088135593220339e-06,
|
| 555 |
+
"loss": 0.1547,
|
| 556 |
+
"step": 1500
|
| 557 |
+
},
|
| 558 |
+
{
|
| 559 |
+
"epoch": 0.5,
|
| 560 |
+
"eval_loss": 0.17312730848789215,
|
| 561 |
+
"eval_runtime": 29.6686,
|
| 562 |
+
"eval_samples_per_second": 1.685,
|
| 563 |
+
"eval_steps_per_second": 0.438,
|
| 564 |
+
"eval_wer": 21.627906976744185,
|
| 565 |
+
"step": 1500
|
| 566 |
+
},
|
| 567 |
+
{
|
| 568 |
+
"epoch": 0.5083333333333333,
|
| 569 |
+
"grad_norm": 5.215652942657471,
|
| 570 |
+
"learning_rate": 5.003389830508475e-06,
|
| 571 |
+
"loss": 0.1795,
|
| 572 |
+
"step": 1525
|
| 573 |
+
},
|
| 574 |
+
{
|
| 575 |
+
"epoch": 0.5166666666666667,
|
| 576 |
+
"grad_norm": 5.4353718757629395,
|
| 577 |
+
"learning_rate": 4.9186440677966104e-06,
|
| 578 |
+
"loss": 0.1722,
|
| 579 |
+
"step": 1550
|
| 580 |
+
},
|
| 581 |
+
{
|
| 582 |
+
"epoch": 0.525,
|
| 583 |
+
"grad_norm": 5.193563938140869,
|
| 584 |
+
"learning_rate": 4.833898305084746e-06,
|
| 585 |
+
"loss": 0.1784,
|
| 586 |
+
"step": 1575
|
| 587 |
+
},
|
| 588 |
+
{
|
| 589 |
+
"epoch": 0.5333333333333333,
|
| 590 |
+
"grad_norm": 4.616910457611084,
|
| 591 |
+
"learning_rate": 4.749152542372882e-06,
|
| 592 |
+
"loss": 0.2,
|
| 593 |
+
"step": 1600
|
| 594 |
+
},
|
| 595 |
+
{
|
| 596 |
+
"epoch": 0.5333333333333333,
|
| 597 |
+
"eval_loss": 0.16243678331375122,
|
| 598 |
+
"eval_runtime": 30.3332,
|
| 599 |
+
"eval_samples_per_second": 1.648,
|
| 600 |
+
"eval_steps_per_second": 0.429,
|
| 601 |
+
"eval_wer": 20.0,
|
| 602 |
+
"step": 1600
|
| 603 |
+
},
|
| 604 |
+
{
|
| 605 |
+
"epoch": 0.5416666666666666,
|
| 606 |
+
"grad_norm": 5.015653610229492,
|
| 607 |
+
"learning_rate": 4.664406779661017e-06,
|
| 608 |
+
"loss": 0.2083,
|
| 609 |
+
"step": 1625
|
| 610 |
+
},
|
| 611 |
+
{
|
| 612 |
+
"epoch": 0.55,
|
| 613 |
+
"grad_norm": 4.902927398681641,
|
| 614 |
+
"learning_rate": 4.5796610169491525e-06,
|
| 615 |
+
"loss": 0.169,
|
| 616 |
+
"step": 1650
|
| 617 |
+
},
|
| 618 |
+
{
|
| 619 |
+
"epoch": 0.5583333333333333,
|
| 620 |
+
"grad_norm": 4.99751615524292,
|
| 621 |
+
"learning_rate": 4.494915254237289e-06,
|
| 622 |
+
"loss": 0.1714,
|
| 623 |
+
"step": 1675
|
| 624 |
+
},
|
| 625 |
+
{
|
| 626 |
+
"epoch": 0.5666666666666667,
|
| 627 |
+
"grad_norm": 7.1267547607421875,
|
| 628 |
+
"learning_rate": 4.410169491525424e-06,
|
| 629 |
+
"loss": 0.1989,
|
| 630 |
+
"step": 1700
|
| 631 |
+
},
|
| 632 |
+
{
|
| 633 |
+
"epoch": 0.5666666666666667,
|
| 634 |
+
"eval_loss": 0.15818500518798828,
|
| 635 |
+
"eval_runtime": 29.6656,
|
| 636 |
+
"eval_samples_per_second": 1.685,
|
| 637 |
+
"eval_steps_per_second": 0.438,
|
| 638 |
+
"eval_wer": 17.441860465116278,
|
| 639 |
+
"step": 1700
|
| 640 |
+
}
|
| 641 |
+
],
|
| 642 |
+
"logging_steps": 25,
|
| 643 |
+
"max_steps": 3000,
|
| 644 |
+
"num_input_tokens_seen": 0,
|
| 645 |
+
"num_train_epochs": 9223372036854775807,
|
| 646 |
+
"save_steps": 100,
|
| 647 |
+
"stateful_callbacks": {
|
| 648 |
+
"TrainerControl": {
|
| 649 |
+
"args": {
|
| 650 |
+
"should_epoch_stop": false,
|
| 651 |
+
"should_evaluate": false,
|
| 652 |
+
"should_log": false,
|
| 653 |
+
"should_save": true,
|
| 654 |
+
"should_training_stop": false
|
| 655 |
+
},
|
| 656 |
+
"attributes": {}
|
| 657 |
+
}
|
| 658 |
+
},
|
| 659 |
+
"total_flos": 7.849522888704e+18,
|
| 660 |
+
"train_batch_size": 8,
|
| 661 |
+
"trial_name": null,
|
| 662 |
+
"trial_params": null
|
| 663 |
+
}
|
training_args.bin
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 5969
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:dd8b88d7ebabce8167e41fc2c1431c0803085272001d7219fd5bb22c3f3fbc8e
|
| 3 |
size 5969
|