Upload folder using huggingface_hub
Browse files- checkpoint-1500/config.json +38 -0
- checkpoint-1500/model.safetensors +3 -0
- checkpoint-1500/optimizer.pt +3 -0
- checkpoint-1500/rng_state.pth +3 -0
- checkpoint-1500/scaler.pt +3 -0
- checkpoint-1500/scheduler.pt +3 -0
- checkpoint-1500/trainer_state.json +254 -0
- checkpoint-1500/training_args.bin +3 -0
- checkpoint-3000/config.json +38 -0
- checkpoint-3000/model.safetensors +3 -0
- checkpoint-3000/optimizer.pt +3 -0
- checkpoint-3000/rng_state.pth +3 -0
- checkpoint-3000/scaler.pt +3 -0
- checkpoint-3000/scheduler.pt +3 -0
- checkpoint-3000/trainer_state.json +474 -0
- checkpoint-3000/training_args.bin +3 -0
- checkpoint-4500/config.json +38 -0
- checkpoint-4500/model.safetensors +3 -0
- checkpoint-4500/optimizer.pt +3 -0
- checkpoint-4500/rng_state.pth +3 -0
- checkpoint-4500/scaler.pt +3 -0
- checkpoint-4500/scheduler.pt +3 -0
- checkpoint-4500/trainer_state.json +694 -0
- checkpoint-4500/training_args.bin +3 -0
- config.json +38 -0
- model.safetensors +3 -0
- tokenizer.json +0 -0
- tokenizer_config.json +14 -0
- training_args.bin +3 -0
checkpoint-1500/config.json
ADDED
|
@@ -0,0 +1,38 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"activation": "gelu",
|
| 3 |
+
"architectures": [
|
| 4 |
+
"DistilBertForSequenceClassification"
|
| 5 |
+
],
|
| 6 |
+
"attention_dropout": 0.1,
|
| 7 |
+
"bos_token_id": null,
|
| 8 |
+
"dim": 768,
|
| 9 |
+
"dropout": 0.1,
|
| 10 |
+
"dtype": "float32",
|
| 11 |
+
"eos_token_id": null,
|
| 12 |
+
"hidden_dim": 3072,
|
| 13 |
+
"id2label": {
|
| 14 |
+
"0": "LABEL_0",
|
| 15 |
+
"1": "LABEL_1",
|
| 16 |
+
"2": "LABEL_2"
|
| 17 |
+
},
|
| 18 |
+
"initializer_range": 0.02,
|
| 19 |
+
"label2id": {
|
| 20 |
+
"LABEL_0": 0,
|
| 21 |
+
"LABEL_1": 1,
|
| 22 |
+
"LABEL_2": 2
|
| 23 |
+
},
|
| 24 |
+
"max_position_embeddings": 512,
|
| 25 |
+
"model_type": "distilbert",
|
| 26 |
+
"n_heads": 12,
|
| 27 |
+
"n_layers": 6,
|
| 28 |
+
"pad_token_id": 0,
|
| 29 |
+
"problem_type": "single_label_classification",
|
| 30 |
+
"qa_dropout": 0.1,
|
| 31 |
+
"seq_classif_dropout": 0.2,
|
| 32 |
+
"sinusoidal_pos_embds": false,
|
| 33 |
+
"tie_weights_": true,
|
| 34 |
+
"tie_word_embeddings": true,
|
| 35 |
+
"transformers_version": "5.0.0",
|
| 36 |
+
"use_cache": false,
|
| 37 |
+
"vocab_size": 30522
|
| 38 |
+
}
|
checkpoint-1500/model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:da2b830bda9f61a8871322cdcefbd6e5090ec0ecbe783602f7abd2345198a9da
|
| 3 |
+
size 267835644
|
checkpoint-1500/optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:81688c5e4349f63ca9e5a0bc547985983297fa6a07501191bae1ca0e01965184
|
| 3 |
+
size 535735371
|
checkpoint-1500/rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:4eb8cddcd913599047e2b976ee093563e6a7de0688b50ddd9cfd2243b2885ffb
|
| 3 |
+
size 14645
|
checkpoint-1500/scaler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:5b87c9c43999125bc2210ab36d5c37dfce5789c14900814f44e68858148d5cfe
|
| 3 |
+
size 1383
|
checkpoint-1500/scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:8651996ca751db86fc462eaabfe72834998f6928d8021bfe0688ace581bec017
|
| 3 |
+
size 1465
|
checkpoint-1500/trainer_state.json
ADDED
|
@@ -0,0 +1,254 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 1500,
|
| 3 |
+
"best_metric": 0.9003333333333333,
|
| 4 |
+
"best_model_checkpoint": "./bert_sentiment/checkpoint-1500",
|
| 5 |
+
"epoch": 1.0,
|
| 6 |
+
"eval_steps": 500,
|
| 7 |
+
"global_step": 1500,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.03333333333333333,
|
| 14 |
+
"grad_norm": 3.479710578918457,
|
| 15 |
+
"learning_rate": 1.9782222222222226e-05,
|
| 16 |
+
"loss": 0.7514212799072265,
|
| 17 |
+
"step": 50
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.06666666666666667,
|
| 21 |
+
"grad_norm": 4.670628070831299,
|
| 22 |
+
"learning_rate": 1.9560000000000002e-05,
|
| 23 |
+
"loss": 0.3902192687988281,
|
| 24 |
+
"step": 100
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.1,
|
| 28 |
+
"grad_norm": 5.7589311599731445,
|
| 29 |
+
"learning_rate": 1.933777777777778e-05,
|
| 30 |
+
"loss": 0.33949462890625,
|
| 31 |
+
"step": 150
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.13333333333333333,
|
| 35 |
+
"grad_norm": 4.067751884460449,
|
| 36 |
+
"learning_rate": 1.9115555555555555e-05,
|
| 37 |
+
"loss": 0.33474082946777345,
|
| 38 |
+
"step": 200
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.16666666666666666,
|
| 42 |
+
"grad_norm": 3.686368703842163,
|
| 43 |
+
"learning_rate": 1.8893333333333334e-05,
|
| 44 |
+
"loss": 0.3177255439758301,
|
| 45 |
+
"step": 250
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.2,
|
| 49 |
+
"grad_norm": 6.319432258605957,
|
| 50 |
+
"learning_rate": 1.8671111111111114e-05,
|
| 51 |
+
"loss": 0.2812022018432617,
|
| 52 |
+
"step": 300
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.23333333333333334,
|
| 56 |
+
"grad_norm": 3.8072714805603027,
|
| 57 |
+
"learning_rate": 1.844888888888889e-05,
|
| 58 |
+
"loss": 0.2559480094909668,
|
| 59 |
+
"step": 350
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.26666666666666666,
|
| 63 |
+
"grad_norm": 4.523482322692871,
|
| 64 |
+
"learning_rate": 1.822666666666667e-05,
|
| 65 |
+
"loss": 0.2626876449584961,
|
| 66 |
+
"step": 400
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.3,
|
| 70 |
+
"grad_norm": 2.817197799682617,
|
| 71 |
+
"learning_rate": 1.8004444444444446e-05,
|
| 72 |
+
"loss": 0.3256193923950195,
|
| 73 |
+
"step": 450
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.3333333333333333,
|
| 77 |
+
"grad_norm": 3.9101459980010986,
|
| 78 |
+
"learning_rate": 1.7782222222222222e-05,
|
| 79 |
+
"loss": 0.30728796005249026,
|
| 80 |
+
"step": 500
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.36666666666666664,
|
| 84 |
+
"grad_norm": 3.636112689971924,
|
| 85 |
+
"learning_rate": 1.756e-05,
|
| 86 |
+
"loss": 0.2814035415649414,
|
| 87 |
+
"step": 550
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.4,
|
| 91 |
+
"grad_norm": 4.270909786224365,
|
| 92 |
+
"learning_rate": 1.733777777777778e-05,
|
| 93 |
+
"loss": 0.2671175956726074,
|
| 94 |
+
"step": 600
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 0.43333333333333335,
|
| 98 |
+
"grad_norm": 3.5811963081359863,
|
| 99 |
+
"learning_rate": 1.7115555555555557e-05,
|
| 100 |
+
"loss": 0.25774858474731444,
|
| 101 |
+
"step": 650
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 0.4666666666666667,
|
| 105 |
+
"grad_norm": 11.455394744873047,
|
| 106 |
+
"learning_rate": 1.6893333333333336e-05,
|
| 107 |
+
"loss": 0.27479818344116214,
|
| 108 |
+
"step": 700
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 0.5,
|
| 112 |
+
"grad_norm": 6.1281538009643555,
|
| 113 |
+
"learning_rate": 1.6671111111111113e-05,
|
| 114 |
+
"loss": 0.24686885833740235,
|
| 115 |
+
"step": 750
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.5333333333333333,
|
| 119 |
+
"grad_norm": 7.202641010284424,
|
| 120 |
+
"learning_rate": 1.644888888888889e-05,
|
| 121 |
+
"loss": 0.26539958953857423,
|
| 122 |
+
"step": 800
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.5666666666666667,
|
| 126 |
+
"grad_norm": 3.4096128940582275,
|
| 127 |
+
"learning_rate": 1.6226666666666668e-05,
|
| 128 |
+
"loss": 0.2481496238708496,
|
| 129 |
+
"step": 850
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.6,
|
| 133 |
+
"grad_norm": 7.4319167137146,
|
| 134 |
+
"learning_rate": 1.6004444444444444e-05,
|
| 135 |
+
"loss": 0.25358463287353517,
|
| 136 |
+
"step": 900
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 0.6333333333333333,
|
| 140 |
+
"grad_norm": 3.6229159832000732,
|
| 141 |
+
"learning_rate": 1.5782222222222224e-05,
|
| 142 |
+
"loss": 0.2626451301574707,
|
| 143 |
+
"step": 950
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 0.6666666666666666,
|
| 147 |
+
"grad_norm": 2.367079734802246,
|
| 148 |
+
"learning_rate": 1.556e-05,
|
| 149 |
+
"loss": 0.26292551040649415,
|
| 150 |
+
"step": 1000
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 0.7,
|
| 154 |
+
"grad_norm": 4.4477362632751465,
|
| 155 |
+
"learning_rate": 1.533777777777778e-05,
|
| 156 |
+
"loss": 0.24553998947143554,
|
| 157 |
+
"step": 1050
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 0.7333333333333333,
|
| 161 |
+
"grad_norm": 2.3915748596191406,
|
| 162 |
+
"learning_rate": 1.5115555555555557e-05,
|
| 163 |
+
"loss": 0.25567365646362306,
|
| 164 |
+
"step": 1100
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 0.7666666666666667,
|
| 168 |
+
"grad_norm": 6.107210636138916,
|
| 169 |
+
"learning_rate": 1.4893333333333335e-05,
|
| 170 |
+
"loss": 0.28151472091674806,
|
| 171 |
+
"step": 1150
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.8,
|
| 175 |
+
"grad_norm": 3.2168939113616943,
|
| 176 |
+
"learning_rate": 1.4671111111111111e-05,
|
| 177 |
+
"loss": 0.24539962768554688,
|
| 178 |
+
"step": 1200
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 0.8333333333333334,
|
| 182 |
+
"grad_norm": 7.0336480140686035,
|
| 183 |
+
"learning_rate": 1.444888888888889e-05,
|
| 184 |
+
"loss": 0.23697126388549805,
|
| 185 |
+
"step": 1250
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 0.8666666666666667,
|
| 189 |
+
"grad_norm": 4.812771320343018,
|
| 190 |
+
"learning_rate": 1.4226666666666669e-05,
|
| 191 |
+
"loss": 0.25675743103027343,
|
| 192 |
+
"step": 1300
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.9,
|
| 196 |
+
"grad_norm": 4.850314617156982,
|
| 197 |
+
"learning_rate": 1.4004444444444445e-05,
|
| 198 |
+
"loss": 0.2451687240600586,
|
| 199 |
+
"step": 1350
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.9333333333333333,
|
| 203 |
+
"grad_norm": 5.732236385345459,
|
| 204 |
+
"learning_rate": 1.3782222222222223e-05,
|
| 205 |
+
"loss": 0.2709473419189453,
|
| 206 |
+
"step": 1400
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.9666666666666667,
|
| 210 |
+
"grad_norm": 3.129007577896118,
|
| 211 |
+
"learning_rate": 1.3560000000000002e-05,
|
| 212 |
+
"loss": 0.23223379135131836,
|
| 213 |
+
"step": 1450
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 1.0,
|
| 217 |
+
"grad_norm": 3.3871912956237793,
|
| 218 |
+
"learning_rate": 1.3337777777777778e-05,
|
| 219 |
+
"loss": 0.232031192779541,
|
| 220 |
+
"step": 1500
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 1.0,
|
| 224 |
+
"eval_accuracy": 0.9003333333333333,
|
| 225 |
+
"eval_f1_macro": 0.9200494194751014,
|
| 226 |
+
"eval_loss": 0.2325107902288437,
|
| 227 |
+
"eval_runtime": 5.2054,
|
| 228 |
+
"eval_samples_per_second": 1152.659,
|
| 229 |
+
"eval_steps_per_second": 36.117,
|
| 230 |
+
"step": 1500
|
| 231 |
+
}
|
| 232 |
+
],
|
| 233 |
+
"logging_steps": 50,
|
| 234 |
+
"max_steps": 4500,
|
| 235 |
+
"num_input_tokens_seen": 0,
|
| 236 |
+
"num_train_epochs": 3,
|
| 237 |
+
"save_steps": 500,
|
| 238 |
+
"stateful_callbacks": {
|
| 239 |
+
"TrainerControl": {
|
| 240 |
+
"args": {
|
| 241 |
+
"should_epoch_stop": false,
|
| 242 |
+
"should_evaluate": false,
|
| 243 |
+
"should_log": false,
|
| 244 |
+
"should_save": true,
|
| 245 |
+
"should_training_stop": false
|
| 246 |
+
},
|
| 247 |
+
"attributes": {}
|
| 248 |
+
}
|
| 249 |
+
},
|
| 250 |
+
"total_flos": 1589637132288000.0,
|
| 251 |
+
"train_batch_size": 32,
|
| 252 |
+
"trial_name": null,
|
| 253 |
+
"trial_params": null
|
| 254 |
+
}
|
checkpoint-1500/training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:9a702896c7df6b436584df03618bdfedcd94d34aa6532aab87db6043c15fa273
|
| 3 |
+
size 5201
|
checkpoint-3000/config.json
ADDED
|
@@ -0,0 +1,38 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"activation": "gelu",
|
| 3 |
+
"architectures": [
|
| 4 |
+
"DistilBertForSequenceClassification"
|
| 5 |
+
],
|
| 6 |
+
"attention_dropout": 0.1,
|
| 7 |
+
"bos_token_id": null,
|
| 8 |
+
"dim": 768,
|
| 9 |
+
"dropout": 0.1,
|
| 10 |
+
"dtype": "float32",
|
| 11 |
+
"eos_token_id": null,
|
| 12 |
+
"hidden_dim": 3072,
|
| 13 |
+
"id2label": {
|
| 14 |
+
"0": "LABEL_0",
|
| 15 |
+
"1": "LABEL_1",
|
| 16 |
+
"2": "LABEL_2"
|
| 17 |
+
},
|
| 18 |
+
"initializer_range": 0.02,
|
| 19 |
+
"label2id": {
|
| 20 |
+
"LABEL_0": 0,
|
| 21 |
+
"LABEL_1": 1,
|
| 22 |
+
"LABEL_2": 2
|
| 23 |
+
},
|
| 24 |
+
"max_position_embeddings": 512,
|
| 25 |
+
"model_type": "distilbert",
|
| 26 |
+
"n_heads": 12,
|
| 27 |
+
"n_layers": 6,
|
| 28 |
+
"pad_token_id": 0,
|
| 29 |
+
"problem_type": "single_label_classification",
|
| 30 |
+
"qa_dropout": 0.1,
|
| 31 |
+
"seq_classif_dropout": 0.2,
|
| 32 |
+
"sinusoidal_pos_embds": false,
|
| 33 |
+
"tie_weights_": true,
|
| 34 |
+
"tie_word_embeddings": true,
|
| 35 |
+
"transformers_version": "5.0.0",
|
| 36 |
+
"use_cache": false,
|
| 37 |
+
"vocab_size": 30522
|
| 38 |
+
}
|
checkpoint-3000/model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:f8504bdccea52dcf03f5307bb7cbf32dab43ef36cb8f8e41c52f6b1cc01b0df7
|
| 3 |
+
size 267835644
|
checkpoint-3000/optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:b6edcc6a46d3743a7a711a720682eea7eba226f67583d420714c4eaa233f695e
|
| 3 |
+
size 535735371
|
checkpoint-3000/rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:70cc10e2c2c333e171b1bd670206fd6681db32708154692edde2ae686996323d
|
| 3 |
+
size 14645
|
checkpoint-3000/scaler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:05e2ce936c1e192fc695139289a8b7a234baf7ea3540bb3a2c88dbc10656189c
|
| 3 |
+
size 1383
|
checkpoint-3000/scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:f845ab8326caa4da811cd5f0bb348dba64982fb2fb6ada442a72f537a05ea128
|
| 3 |
+
size 1465
|
checkpoint-3000/trainer_state.json
ADDED
|
@@ -0,0 +1,474 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 3000,
|
| 3 |
+
"best_metric": 0.902,
|
| 4 |
+
"best_model_checkpoint": "./bert_sentiment/checkpoint-3000",
|
| 5 |
+
"epoch": 2.0,
|
| 6 |
+
"eval_steps": 500,
|
| 7 |
+
"global_step": 3000,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.03333333333333333,
|
| 14 |
+
"grad_norm": 3.479710578918457,
|
| 15 |
+
"learning_rate": 1.9782222222222226e-05,
|
| 16 |
+
"loss": 0.7514212799072265,
|
| 17 |
+
"step": 50
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.06666666666666667,
|
| 21 |
+
"grad_norm": 4.670628070831299,
|
| 22 |
+
"learning_rate": 1.9560000000000002e-05,
|
| 23 |
+
"loss": 0.3902192687988281,
|
| 24 |
+
"step": 100
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.1,
|
| 28 |
+
"grad_norm": 5.7589311599731445,
|
| 29 |
+
"learning_rate": 1.933777777777778e-05,
|
| 30 |
+
"loss": 0.33949462890625,
|
| 31 |
+
"step": 150
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.13333333333333333,
|
| 35 |
+
"grad_norm": 4.067751884460449,
|
| 36 |
+
"learning_rate": 1.9115555555555555e-05,
|
| 37 |
+
"loss": 0.33474082946777345,
|
| 38 |
+
"step": 200
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.16666666666666666,
|
| 42 |
+
"grad_norm": 3.686368703842163,
|
| 43 |
+
"learning_rate": 1.8893333333333334e-05,
|
| 44 |
+
"loss": 0.3177255439758301,
|
| 45 |
+
"step": 250
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.2,
|
| 49 |
+
"grad_norm": 6.319432258605957,
|
| 50 |
+
"learning_rate": 1.8671111111111114e-05,
|
| 51 |
+
"loss": 0.2812022018432617,
|
| 52 |
+
"step": 300
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.23333333333333334,
|
| 56 |
+
"grad_norm": 3.8072714805603027,
|
| 57 |
+
"learning_rate": 1.844888888888889e-05,
|
| 58 |
+
"loss": 0.2559480094909668,
|
| 59 |
+
"step": 350
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.26666666666666666,
|
| 63 |
+
"grad_norm": 4.523482322692871,
|
| 64 |
+
"learning_rate": 1.822666666666667e-05,
|
| 65 |
+
"loss": 0.2626876449584961,
|
| 66 |
+
"step": 400
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.3,
|
| 70 |
+
"grad_norm": 2.817197799682617,
|
| 71 |
+
"learning_rate": 1.8004444444444446e-05,
|
| 72 |
+
"loss": 0.3256193923950195,
|
| 73 |
+
"step": 450
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.3333333333333333,
|
| 77 |
+
"grad_norm": 3.9101459980010986,
|
| 78 |
+
"learning_rate": 1.7782222222222222e-05,
|
| 79 |
+
"loss": 0.30728796005249026,
|
| 80 |
+
"step": 500
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.36666666666666664,
|
| 84 |
+
"grad_norm": 3.636112689971924,
|
| 85 |
+
"learning_rate": 1.756e-05,
|
| 86 |
+
"loss": 0.2814035415649414,
|
| 87 |
+
"step": 550
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.4,
|
| 91 |
+
"grad_norm": 4.270909786224365,
|
| 92 |
+
"learning_rate": 1.733777777777778e-05,
|
| 93 |
+
"loss": 0.2671175956726074,
|
| 94 |
+
"step": 600
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 0.43333333333333335,
|
| 98 |
+
"grad_norm": 3.5811963081359863,
|
| 99 |
+
"learning_rate": 1.7115555555555557e-05,
|
| 100 |
+
"loss": 0.25774858474731444,
|
| 101 |
+
"step": 650
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 0.4666666666666667,
|
| 105 |
+
"grad_norm": 11.455394744873047,
|
| 106 |
+
"learning_rate": 1.6893333333333336e-05,
|
| 107 |
+
"loss": 0.27479818344116214,
|
| 108 |
+
"step": 700
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 0.5,
|
| 112 |
+
"grad_norm": 6.1281538009643555,
|
| 113 |
+
"learning_rate": 1.6671111111111113e-05,
|
| 114 |
+
"loss": 0.24686885833740235,
|
| 115 |
+
"step": 750
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.5333333333333333,
|
| 119 |
+
"grad_norm": 7.202641010284424,
|
| 120 |
+
"learning_rate": 1.644888888888889e-05,
|
| 121 |
+
"loss": 0.26539958953857423,
|
| 122 |
+
"step": 800
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.5666666666666667,
|
| 126 |
+
"grad_norm": 3.4096128940582275,
|
| 127 |
+
"learning_rate": 1.6226666666666668e-05,
|
| 128 |
+
"loss": 0.2481496238708496,
|
| 129 |
+
"step": 850
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.6,
|
| 133 |
+
"grad_norm": 7.4319167137146,
|
| 134 |
+
"learning_rate": 1.6004444444444444e-05,
|
| 135 |
+
"loss": 0.25358463287353517,
|
| 136 |
+
"step": 900
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 0.6333333333333333,
|
| 140 |
+
"grad_norm": 3.6229159832000732,
|
| 141 |
+
"learning_rate": 1.5782222222222224e-05,
|
| 142 |
+
"loss": 0.2626451301574707,
|
| 143 |
+
"step": 950
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 0.6666666666666666,
|
| 147 |
+
"grad_norm": 2.367079734802246,
|
| 148 |
+
"learning_rate": 1.556e-05,
|
| 149 |
+
"loss": 0.26292551040649415,
|
| 150 |
+
"step": 1000
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 0.7,
|
| 154 |
+
"grad_norm": 4.4477362632751465,
|
| 155 |
+
"learning_rate": 1.533777777777778e-05,
|
| 156 |
+
"loss": 0.24553998947143554,
|
| 157 |
+
"step": 1050
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 0.7333333333333333,
|
| 161 |
+
"grad_norm": 2.3915748596191406,
|
| 162 |
+
"learning_rate": 1.5115555555555557e-05,
|
| 163 |
+
"loss": 0.25567365646362306,
|
| 164 |
+
"step": 1100
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 0.7666666666666667,
|
| 168 |
+
"grad_norm": 6.107210636138916,
|
| 169 |
+
"learning_rate": 1.4893333333333335e-05,
|
| 170 |
+
"loss": 0.28151472091674806,
|
| 171 |
+
"step": 1150
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.8,
|
| 175 |
+
"grad_norm": 3.2168939113616943,
|
| 176 |
+
"learning_rate": 1.4671111111111111e-05,
|
| 177 |
+
"loss": 0.24539962768554688,
|
| 178 |
+
"step": 1200
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 0.8333333333333334,
|
| 182 |
+
"grad_norm": 7.0336480140686035,
|
| 183 |
+
"learning_rate": 1.444888888888889e-05,
|
| 184 |
+
"loss": 0.23697126388549805,
|
| 185 |
+
"step": 1250
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 0.8666666666666667,
|
| 189 |
+
"grad_norm": 4.812771320343018,
|
| 190 |
+
"learning_rate": 1.4226666666666669e-05,
|
| 191 |
+
"loss": 0.25675743103027343,
|
| 192 |
+
"step": 1300
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.9,
|
| 196 |
+
"grad_norm": 4.850314617156982,
|
| 197 |
+
"learning_rate": 1.4004444444444445e-05,
|
| 198 |
+
"loss": 0.2451687240600586,
|
| 199 |
+
"step": 1350
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.9333333333333333,
|
| 203 |
+
"grad_norm": 5.732236385345459,
|
| 204 |
+
"learning_rate": 1.3782222222222223e-05,
|
| 205 |
+
"loss": 0.2709473419189453,
|
| 206 |
+
"step": 1400
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.9666666666666667,
|
| 210 |
+
"grad_norm": 3.129007577896118,
|
| 211 |
+
"learning_rate": 1.3560000000000002e-05,
|
| 212 |
+
"loss": 0.23223379135131836,
|
| 213 |
+
"step": 1450
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 1.0,
|
| 217 |
+
"grad_norm": 3.3871912956237793,
|
| 218 |
+
"learning_rate": 1.3337777777777778e-05,
|
| 219 |
+
"loss": 0.232031192779541,
|
| 220 |
+
"step": 1500
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 1.0,
|
| 224 |
+
"eval_accuracy": 0.9003333333333333,
|
| 225 |
+
"eval_f1_macro": 0.9200494194751014,
|
| 226 |
+
"eval_loss": 0.2325107902288437,
|
| 227 |
+
"eval_runtime": 5.2054,
|
| 228 |
+
"eval_samples_per_second": 1152.659,
|
| 229 |
+
"eval_steps_per_second": 36.117,
|
| 230 |
+
"step": 1500
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 1.0333333333333334,
|
| 234 |
+
"grad_norm": 2.816903591156006,
|
| 235 |
+
"learning_rate": 1.3115555555555556e-05,
|
| 236 |
+
"loss": 0.16037725448608398,
|
| 237 |
+
"step": 1550
|
| 238 |
+
},
|
| 239 |
+
{
|
| 240 |
+
"epoch": 1.0666666666666667,
|
| 241 |
+
"grad_norm": 4.2907867431640625,
|
| 242 |
+
"learning_rate": 1.2893333333333336e-05,
|
| 243 |
+
"loss": 0.18981908798217773,
|
| 244 |
+
"step": 1600
|
| 245 |
+
},
|
| 246 |
+
{
|
| 247 |
+
"epoch": 1.1,
|
| 248 |
+
"grad_norm": 1.8919950723648071,
|
| 249 |
+
"learning_rate": 1.2671111111111112e-05,
|
| 250 |
+
"loss": 0.20456928253173828,
|
| 251 |
+
"step": 1650
|
| 252 |
+
},
|
| 253 |
+
{
|
| 254 |
+
"epoch": 1.1333333333333333,
|
| 255 |
+
"grad_norm": 7.305306911468506,
|
| 256 |
+
"learning_rate": 1.244888888888889e-05,
|
| 257 |
+
"loss": 0.20954521179199218,
|
| 258 |
+
"step": 1700
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 1.1666666666666667,
|
| 262 |
+
"grad_norm": 5.671319484710693,
|
| 263 |
+
"learning_rate": 1.2226666666666666e-05,
|
| 264 |
+
"loss": 0.1750396156311035,
|
| 265 |
+
"step": 1750
|
| 266 |
+
},
|
| 267 |
+
{
|
| 268 |
+
"epoch": 1.2,
|
| 269 |
+
"grad_norm": 3.4403674602508545,
|
| 270 |
+
"learning_rate": 1.2004444444444445e-05,
|
| 271 |
+
"loss": 0.1580425262451172,
|
| 272 |
+
"step": 1800
|
| 273 |
+
},
|
| 274 |
+
{
|
| 275 |
+
"epoch": 1.2333333333333334,
|
| 276 |
+
"grad_norm": 3.180039644241333,
|
| 277 |
+
"learning_rate": 1.1782222222222223e-05,
|
| 278 |
+
"loss": 0.1945333671569824,
|
| 279 |
+
"step": 1850
|
| 280 |
+
},
|
| 281 |
+
{
|
| 282 |
+
"epoch": 1.2666666666666666,
|
| 283 |
+
"grad_norm": 4.131124019622803,
|
| 284 |
+
"learning_rate": 1.156e-05,
|
| 285 |
+
"loss": 0.1714198875427246,
|
| 286 |
+
"step": 1900
|
| 287 |
+
},
|
| 288 |
+
{
|
| 289 |
+
"epoch": 1.3,
|
| 290 |
+
"grad_norm": 4.44835901260376,
|
| 291 |
+
"learning_rate": 1.1337777777777779e-05,
|
| 292 |
+
"loss": 0.1797838592529297,
|
| 293 |
+
"step": 1950
|
| 294 |
+
},
|
| 295 |
+
{
|
| 296 |
+
"epoch": 1.3333333333333333,
|
| 297 |
+
"grad_norm": 8.10306453704834,
|
| 298 |
+
"learning_rate": 1.1115555555555557e-05,
|
| 299 |
+
"loss": 0.16566892623901366,
|
| 300 |
+
"step": 2000
|
| 301 |
+
},
|
| 302 |
+
{
|
| 303 |
+
"epoch": 1.3666666666666667,
|
| 304 |
+
"grad_norm": 2.1913328170776367,
|
| 305 |
+
"learning_rate": 1.0893333333333333e-05,
|
| 306 |
+
"loss": 0.19191305160522462,
|
| 307 |
+
"step": 2050
|
| 308 |
+
},
|
| 309 |
+
{
|
| 310 |
+
"epoch": 1.4,
|
| 311 |
+
"grad_norm": 5.5452961921691895,
|
| 312 |
+
"learning_rate": 1.0671111111111112e-05,
|
| 313 |
+
"loss": 0.16953279495239257,
|
| 314 |
+
"step": 2100
|
| 315 |
+
},
|
| 316 |
+
{
|
| 317 |
+
"epoch": 1.4333333333333333,
|
| 318 |
+
"grad_norm": 6.535331726074219,
|
| 319 |
+
"learning_rate": 1.044888888888889e-05,
|
| 320 |
+
"loss": 0.18914375305175782,
|
| 321 |
+
"step": 2150
|
| 322 |
+
},
|
| 323 |
+
{
|
| 324 |
+
"epoch": 1.4666666666666668,
|
| 325 |
+
"grad_norm": 3.548736572265625,
|
| 326 |
+
"learning_rate": 1.0226666666666666e-05,
|
| 327 |
+
"loss": 0.17549373626708983,
|
| 328 |
+
"step": 2200
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 1.5,
|
| 332 |
+
"grad_norm": 6.765810966491699,
|
| 333 |
+
"learning_rate": 1.0004444444444446e-05,
|
| 334 |
+
"loss": 0.21416725158691408,
|
| 335 |
+
"step": 2250
|
| 336 |
+
},
|
| 337 |
+
{
|
| 338 |
+
"epoch": 1.5333333333333332,
|
| 339 |
+
"grad_norm": 4.802906036376953,
|
| 340 |
+
"learning_rate": 9.782222222222222e-06,
|
| 341 |
+
"loss": 0.1929642677307129,
|
| 342 |
+
"step": 2300
|
| 343 |
+
},
|
| 344 |
+
{
|
| 345 |
+
"epoch": 1.5666666666666667,
|
| 346 |
+
"grad_norm": 2.109327554702759,
|
| 347 |
+
"learning_rate": 9.56e-06,
|
| 348 |
+
"loss": 0.14835596084594727,
|
| 349 |
+
"step": 2350
|
| 350 |
+
},
|
| 351 |
+
{
|
| 352 |
+
"epoch": 1.6,
|
| 353 |
+
"grad_norm": 4.239046096801758,
|
| 354 |
+
"learning_rate": 9.33777777777778e-06,
|
| 355 |
+
"loss": 0.16386781692504881,
|
| 356 |
+
"step": 2400
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 1.6333333333333333,
|
| 360 |
+
"grad_norm": 4.252853870391846,
|
| 361 |
+
"learning_rate": 9.115555555555556e-06,
|
| 362 |
+
"loss": 0.170528564453125,
|
| 363 |
+
"step": 2450
|
| 364 |
+
},
|
| 365 |
+
{
|
| 366 |
+
"epoch": 1.6666666666666665,
|
| 367 |
+
"grad_norm": 5.925084590911865,
|
| 368 |
+
"learning_rate": 8.893333333333333e-06,
|
| 369 |
+
"loss": 0.17361125946044922,
|
| 370 |
+
"step": 2500
|
| 371 |
+
},
|
| 372 |
+
{
|
| 373 |
+
"epoch": 1.7,
|
| 374 |
+
"grad_norm": 4.021454811096191,
|
| 375 |
+
"learning_rate": 8.671111111111113e-06,
|
| 376 |
+
"loss": 0.16607669830322266,
|
| 377 |
+
"step": 2550
|
| 378 |
+
},
|
| 379 |
+
{
|
| 380 |
+
"epoch": 1.7333333333333334,
|
| 381 |
+
"grad_norm": 2.922668933868408,
|
| 382 |
+
"learning_rate": 8.448888888888889e-06,
|
| 383 |
+
"loss": 0.17937726974487306,
|
| 384 |
+
"step": 2600
|
| 385 |
+
},
|
| 386 |
+
{
|
| 387 |
+
"epoch": 1.7666666666666666,
|
| 388 |
+
"grad_norm": 2.068452835083008,
|
| 389 |
+
"learning_rate": 8.226666666666667e-06,
|
| 390 |
+
"loss": 0.16617158889770509,
|
| 391 |
+
"step": 2650
|
| 392 |
+
},
|
| 393 |
+
{
|
| 394 |
+
"epoch": 1.8,
|
| 395 |
+
"grad_norm": 5.592191696166992,
|
| 396 |
+
"learning_rate": 8.004444444444445e-06,
|
| 397 |
+
"loss": 0.1614869499206543,
|
| 398 |
+
"step": 2700
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 1.8333333333333335,
|
| 402 |
+
"grad_norm": 5.648172378540039,
|
| 403 |
+
"learning_rate": 7.782222222222223e-06,
|
| 404 |
+
"loss": 0.16185134887695313,
|
| 405 |
+
"step": 2750
|
| 406 |
+
},
|
| 407 |
+
{
|
| 408 |
+
"epoch": 1.8666666666666667,
|
| 409 |
+
"grad_norm": 6.319865703582764,
|
| 410 |
+
"learning_rate": 7.5600000000000005e-06,
|
| 411 |
+
"loss": 0.1830705451965332,
|
| 412 |
+
"step": 2800
|
| 413 |
+
},
|
| 414 |
+
{
|
| 415 |
+
"epoch": 1.9,
|
| 416 |
+
"grad_norm": 3.4215216636657715,
|
| 417 |
+
"learning_rate": 7.337777777777778e-06,
|
| 418 |
+
"loss": 0.16423120498657226,
|
| 419 |
+
"step": 2850
|
| 420 |
+
},
|
| 421 |
+
{
|
| 422 |
+
"epoch": 1.9333333333333333,
|
| 423 |
+
"grad_norm": 4.172184944152832,
|
| 424 |
+
"learning_rate": 7.115555555555557e-06,
|
| 425 |
+
"loss": 0.1997536849975586,
|
| 426 |
+
"step": 2900
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 1.9666666666666668,
|
| 430 |
+
"grad_norm": 5.516648769378662,
|
| 431 |
+
"learning_rate": 6.893333333333334e-06,
|
| 432 |
+
"loss": 0.16453321456909178,
|
| 433 |
+
"step": 2950
|
| 434 |
+
},
|
| 435 |
+
{
|
| 436 |
+
"epoch": 2.0,
|
| 437 |
+
"grad_norm": 7.063965797424316,
|
| 438 |
+
"learning_rate": 6.671111111111112e-06,
|
| 439 |
+
"loss": 0.18409488677978517,
|
| 440 |
+
"step": 3000
|
| 441 |
+
},
|
| 442 |
+
{
|
| 443 |
+
"epoch": 2.0,
|
| 444 |
+
"eval_accuracy": 0.902,
|
| 445 |
+
"eval_f1_macro": 0.9212950164722656,
|
| 446 |
+
"eval_loss": 0.25149524211883545,
|
| 447 |
+
"eval_runtime": 5.176,
|
| 448 |
+
"eval_samples_per_second": 1159.188,
|
| 449 |
+
"eval_steps_per_second": 36.321,
|
| 450 |
+
"step": 3000
|
| 451 |
+
}
|
| 452 |
+
],
|
| 453 |
+
"logging_steps": 50,
|
| 454 |
+
"max_steps": 4500,
|
| 455 |
+
"num_input_tokens_seen": 0,
|
| 456 |
+
"num_train_epochs": 3,
|
| 457 |
+
"save_steps": 500,
|
| 458 |
+
"stateful_callbacks": {
|
| 459 |
+
"TrainerControl": {
|
| 460 |
+
"args": {
|
| 461 |
+
"should_epoch_stop": false,
|
| 462 |
+
"should_evaluate": false,
|
| 463 |
+
"should_log": false,
|
| 464 |
+
"should_save": true,
|
| 465 |
+
"should_training_stop": false
|
| 466 |
+
},
|
| 467 |
+
"attributes": {}
|
| 468 |
+
}
|
| 469 |
+
},
|
| 470 |
+
"total_flos": 3179274264576000.0,
|
| 471 |
+
"train_batch_size": 32,
|
| 472 |
+
"trial_name": null,
|
| 473 |
+
"trial_params": null
|
| 474 |
+
}
|
checkpoint-3000/training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:9a702896c7df6b436584df03618bdfedcd94d34aa6532aab87db6043c15fa273
|
| 3 |
+
size 5201
|
checkpoint-4500/config.json
ADDED
|
@@ -0,0 +1,38 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"activation": "gelu",
|
| 3 |
+
"architectures": [
|
| 4 |
+
"DistilBertForSequenceClassification"
|
| 5 |
+
],
|
| 6 |
+
"attention_dropout": 0.1,
|
| 7 |
+
"bos_token_id": null,
|
| 8 |
+
"dim": 768,
|
| 9 |
+
"dropout": 0.1,
|
| 10 |
+
"dtype": "float32",
|
| 11 |
+
"eos_token_id": null,
|
| 12 |
+
"hidden_dim": 3072,
|
| 13 |
+
"id2label": {
|
| 14 |
+
"0": "LABEL_0",
|
| 15 |
+
"1": "LABEL_1",
|
| 16 |
+
"2": "LABEL_2"
|
| 17 |
+
},
|
| 18 |
+
"initializer_range": 0.02,
|
| 19 |
+
"label2id": {
|
| 20 |
+
"LABEL_0": 0,
|
| 21 |
+
"LABEL_1": 1,
|
| 22 |
+
"LABEL_2": 2
|
| 23 |
+
},
|
| 24 |
+
"max_position_embeddings": 512,
|
| 25 |
+
"model_type": "distilbert",
|
| 26 |
+
"n_heads": 12,
|
| 27 |
+
"n_layers": 6,
|
| 28 |
+
"pad_token_id": 0,
|
| 29 |
+
"problem_type": "single_label_classification",
|
| 30 |
+
"qa_dropout": 0.1,
|
| 31 |
+
"seq_classif_dropout": 0.2,
|
| 32 |
+
"sinusoidal_pos_embds": false,
|
| 33 |
+
"tie_weights_": true,
|
| 34 |
+
"tie_word_embeddings": true,
|
| 35 |
+
"transformers_version": "5.0.0",
|
| 36 |
+
"use_cache": false,
|
| 37 |
+
"vocab_size": 30522
|
| 38 |
+
}
|
checkpoint-4500/model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:60a47f425866a480166c5cbc14e49fbdf68a83cc0299386eb253d4eada10f481
|
| 3 |
+
size 267835644
|
checkpoint-4500/optimizer.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:dc1b79640be9a2605419e0c06138bdd8fe1d02f43eead06ed422bf0c9a01cc30
|
| 3 |
+
size 535735371
|
checkpoint-4500/rng_state.pth
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:eab07657c627a78d1a4eb9205a2b162048ac5cfc972b28c7fd21511d4f3aa071
|
| 3 |
+
size 14645
|
checkpoint-4500/scaler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:eeabe13d164dac8d378d855d727cd3376a2cd495027a3f2d372238b9d56b447a
|
| 3 |
+
size 1383
|
checkpoint-4500/scheduler.pt
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:77c1589b63adf8442130f0ececfddee3205e9729c391c1af5594f2f1268c70bf
|
| 3 |
+
size 1465
|
checkpoint-4500/trainer_state.json
ADDED
|
@@ -0,0 +1,694 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 4500,
|
| 3 |
+
"best_metric": 0.9023333333333333,
|
| 4 |
+
"best_model_checkpoint": "./bert_sentiment/checkpoint-4500",
|
| 5 |
+
"epoch": 3.0,
|
| 6 |
+
"eval_steps": 500,
|
| 7 |
+
"global_step": 4500,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.03333333333333333,
|
| 14 |
+
"grad_norm": 3.479710578918457,
|
| 15 |
+
"learning_rate": 1.9782222222222226e-05,
|
| 16 |
+
"loss": 0.7514212799072265,
|
| 17 |
+
"step": 50
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.06666666666666667,
|
| 21 |
+
"grad_norm": 4.670628070831299,
|
| 22 |
+
"learning_rate": 1.9560000000000002e-05,
|
| 23 |
+
"loss": 0.3902192687988281,
|
| 24 |
+
"step": 100
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.1,
|
| 28 |
+
"grad_norm": 5.7589311599731445,
|
| 29 |
+
"learning_rate": 1.933777777777778e-05,
|
| 30 |
+
"loss": 0.33949462890625,
|
| 31 |
+
"step": 150
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.13333333333333333,
|
| 35 |
+
"grad_norm": 4.067751884460449,
|
| 36 |
+
"learning_rate": 1.9115555555555555e-05,
|
| 37 |
+
"loss": 0.33474082946777345,
|
| 38 |
+
"step": 200
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 0.16666666666666666,
|
| 42 |
+
"grad_norm": 3.686368703842163,
|
| 43 |
+
"learning_rate": 1.8893333333333334e-05,
|
| 44 |
+
"loss": 0.3177255439758301,
|
| 45 |
+
"step": 250
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 0.2,
|
| 49 |
+
"grad_norm": 6.319432258605957,
|
| 50 |
+
"learning_rate": 1.8671111111111114e-05,
|
| 51 |
+
"loss": 0.2812022018432617,
|
| 52 |
+
"step": 300
|
| 53 |
+
},
|
| 54 |
+
{
|
| 55 |
+
"epoch": 0.23333333333333334,
|
| 56 |
+
"grad_norm": 3.8072714805603027,
|
| 57 |
+
"learning_rate": 1.844888888888889e-05,
|
| 58 |
+
"loss": 0.2559480094909668,
|
| 59 |
+
"step": 350
|
| 60 |
+
},
|
| 61 |
+
{
|
| 62 |
+
"epoch": 0.26666666666666666,
|
| 63 |
+
"grad_norm": 4.523482322692871,
|
| 64 |
+
"learning_rate": 1.822666666666667e-05,
|
| 65 |
+
"loss": 0.2626876449584961,
|
| 66 |
+
"step": 400
|
| 67 |
+
},
|
| 68 |
+
{
|
| 69 |
+
"epoch": 0.3,
|
| 70 |
+
"grad_norm": 2.817197799682617,
|
| 71 |
+
"learning_rate": 1.8004444444444446e-05,
|
| 72 |
+
"loss": 0.3256193923950195,
|
| 73 |
+
"step": 450
|
| 74 |
+
},
|
| 75 |
+
{
|
| 76 |
+
"epoch": 0.3333333333333333,
|
| 77 |
+
"grad_norm": 3.9101459980010986,
|
| 78 |
+
"learning_rate": 1.7782222222222222e-05,
|
| 79 |
+
"loss": 0.30728796005249026,
|
| 80 |
+
"step": 500
|
| 81 |
+
},
|
| 82 |
+
{
|
| 83 |
+
"epoch": 0.36666666666666664,
|
| 84 |
+
"grad_norm": 3.636112689971924,
|
| 85 |
+
"learning_rate": 1.756e-05,
|
| 86 |
+
"loss": 0.2814035415649414,
|
| 87 |
+
"step": 550
|
| 88 |
+
},
|
| 89 |
+
{
|
| 90 |
+
"epoch": 0.4,
|
| 91 |
+
"grad_norm": 4.270909786224365,
|
| 92 |
+
"learning_rate": 1.733777777777778e-05,
|
| 93 |
+
"loss": 0.2671175956726074,
|
| 94 |
+
"step": 600
|
| 95 |
+
},
|
| 96 |
+
{
|
| 97 |
+
"epoch": 0.43333333333333335,
|
| 98 |
+
"grad_norm": 3.5811963081359863,
|
| 99 |
+
"learning_rate": 1.7115555555555557e-05,
|
| 100 |
+
"loss": 0.25774858474731444,
|
| 101 |
+
"step": 650
|
| 102 |
+
},
|
| 103 |
+
{
|
| 104 |
+
"epoch": 0.4666666666666667,
|
| 105 |
+
"grad_norm": 11.455394744873047,
|
| 106 |
+
"learning_rate": 1.6893333333333336e-05,
|
| 107 |
+
"loss": 0.27479818344116214,
|
| 108 |
+
"step": 700
|
| 109 |
+
},
|
| 110 |
+
{
|
| 111 |
+
"epoch": 0.5,
|
| 112 |
+
"grad_norm": 6.1281538009643555,
|
| 113 |
+
"learning_rate": 1.6671111111111113e-05,
|
| 114 |
+
"loss": 0.24686885833740235,
|
| 115 |
+
"step": 750
|
| 116 |
+
},
|
| 117 |
+
{
|
| 118 |
+
"epoch": 0.5333333333333333,
|
| 119 |
+
"grad_norm": 7.202641010284424,
|
| 120 |
+
"learning_rate": 1.644888888888889e-05,
|
| 121 |
+
"loss": 0.26539958953857423,
|
| 122 |
+
"step": 800
|
| 123 |
+
},
|
| 124 |
+
{
|
| 125 |
+
"epoch": 0.5666666666666667,
|
| 126 |
+
"grad_norm": 3.4096128940582275,
|
| 127 |
+
"learning_rate": 1.6226666666666668e-05,
|
| 128 |
+
"loss": 0.2481496238708496,
|
| 129 |
+
"step": 850
|
| 130 |
+
},
|
| 131 |
+
{
|
| 132 |
+
"epoch": 0.6,
|
| 133 |
+
"grad_norm": 7.4319167137146,
|
| 134 |
+
"learning_rate": 1.6004444444444444e-05,
|
| 135 |
+
"loss": 0.25358463287353517,
|
| 136 |
+
"step": 900
|
| 137 |
+
},
|
| 138 |
+
{
|
| 139 |
+
"epoch": 0.6333333333333333,
|
| 140 |
+
"grad_norm": 3.6229159832000732,
|
| 141 |
+
"learning_rate": 1.5782222222222224e-05,
|
| 142 |
+
"loss": 0.2626451301574707,
|
| 143 |
+
"step": 950
|
| 144 |
+
},
|
| 145 |
+
{
|
| 146 |
+
"epoch": 0.6666666666666666,
|
| 147 |
+
"grad_norm": 2.367079734802246,
|
| 148 |
+
"learning_rate": 1.556e-05,
|
| 149 |
+
"loss": 0.26292551040649415,
|
| 150 |
+
"step": 1000
|
| 151 |
+
},
|
| 152 |
+
{
|
| 153 |
+
"epoch": 0.7,
|
| 154 |
+
"grad_norm": 4.4477362632751465,
|
| 155 |
+
"learning_rate": 1.533777777777778e-05,
|
| 156 |
+
"loss": 0.24553998947143554,
|
| 157 |
+
"step": 1050
|
| 158 |
+
},
|
| 159 |
+
{
|
| 160 |
+
"epoch": 0.7333333333333333,
|
| 161 |
+
"grad_norm": 2.3915748596191406,
|
| 162 |
+
"learning_rate": 1.5115555555555557e-05,
|
| 163 |
+
"loss": 0.25567365646362306,
|
| 164 |
+
"step": 1100
|
| 165 |
+
},
|
| 166 |
+
{
|
| 167 |
+
"epoch": 0.7666666666666667,
|
| 168 |
+
"grad_norm": 6.107210636138916,
|
| 169 |
+
"learning_rate": 1.4893333333333335e-05,
|
| 170 |
+
"loss": 0.28151472091674806,
|
| 171 |
+
"step": 1150
|
| 172 |
+
},
|
| 173 |
+
{
|
| 174 |
+
"epoch": 0.8,
|
| 175 |
+
"grad_norm": 3.2168939113616943,
|
| 176 |
+
"learning_rate": 1.4671111111111111e-05,
|
| 177 |
+
"loss": 0.24539962768554688,
|
| 178 |
+
"step": 1200
|
| 179 |
+
},
|
| 180 |
+
{
|
| 181 |
+
"epoch": 0.8333333333333334,
|
| 182 |
+
"grad_norm": 7.0336480140686035,
|
| 183 |
+
"learning_rate": 1.444888888888889e-05,
|
| 184 |
+
"loss": 0.23697126388549805,
|
| 185 |
+
"step": 1250
|
| 186 |
+
},
|
| 187 |
+
{
|
| 188 |
+
"epoch": 0.8666666666666667,
|
| 189 |
+
"grad_norm": 4.812771320343018,
|
| 190 |
+
"learning_rate": 1.4226666666666669e-05,
|
| 191 |
+
"loss": 0.25675743103027343,
|
| 192 |
+
"step": 1300
|
| 193 |
+
},
|
| 194 |
+
{
|
| 195 |
+
"epoch": 0.9,
|
| 196 |
+
"grad_norm": 4.850314617156982,
|
| 197 |
+
"learning_rate": 1.4004444444444445e-05,
|
| 198 |
+
"loss": 0.2451687240600586,
|
| 199 |
+
"step": 1350
|
| 200 |
+
},
|
| 201 |
+
{
|
| 202 |
+
"epoch": 0.9333333333333333,
|
| 203 |
+
"grad_norm": 5.732236385345459,
|
| 204 |
+
"learning_rate": 1.3782222222222223e-05,
|
| 205 |
+
"loss": 0.2709473419189453,
|
| 206 |
+
"step": 1400
|
| 207 |
+
},
|
| 208 |
+
{
|
| 209 |
+
"epoch": 0.9666666666666667,
|
| 210 |
+
"grad_norm": 3.129007577896118,
|
| 211 |
+
"learning_rate": 1.3560000000000002e-05,
|
| 212 |
+
"loss": 0.23223379135131836,
|
| 213 |
+
"step": 1450
|
| 214 |
+
},
|
| 215 |
+
{
|
| 216 |
+
"epoch": 1.0,
|
| 217 |
+
"grad_norm": 3.3871912956237793,
|
| 218 |
+
"learning_rate": 1.3337777777777778e-05,
|
| 219 |
+
"loss": 0.232031192779541,
|
| 220 |
+
"step": 1500
|
| 221 |
+
},
|
| 222 |
+
{
|
| 223 |
+
"epoch": 1.0,
|
| 224 |
+
"eval_accuracy": 0.9003333333333333,
|
| 225 |
+
"eval_f1_macro": 0.9200494194751014,
|
| 226 |
+
"eval_loss": 0.2325107902288437,
|
| 227 |
+
"eval_runtime": 5.2054,
|
| 228 |
+
"eval_samples_per_second": 1152.659,
|
| 229 |
+
"eval_steps_per_second": 36.117,
|
| 230 |
+
"step": 1500
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 1.0333333333333334,
|
| 234 |
+
"grad_norm": 2.816903591156006,
|
| 235 |
+
"learning_rate": 1.3115555555555556e-05,
|
| 236 |
+
"loss": 0.16037725448608398,
|
| 237 |
+
"step": 1550
|
| 238 |
+
},
|
| 239 |
+
{
|
| 240 |
+
"epoch": 1.0666666666666667,
|
| 241 |
+
"grad_norm": 4.2907867431640625,
|
| 242 |
+
"learning_rate": 1.2893333333333336e-05,
|
| 243 |
+
"loss": 0.18981908798217773,
|
| 244 |
+
"step": 1600
|
| 245 |
+
},
|
| 246 |
+
{
|
| 247 |
+
"epoch": 1.1,
|
| 248 |
+
"grad_norm": 1.8919950723648071,
|
| 249 |
+
"learning_rate": 1.2671111111111112e-05,
|
| 250 |
+
"loss": 0.20456928253173828,
|
| 251 |
+
"step": 1650
|
| 252 |
+
},
|
| 253 |
+
{
|
| 254 |
+
"epoch": 1.1333333333333333,
|
| 255 |
+
"grad_norm": 7.305306911468506,
|
| 256 |
+
"learning_rate": 1.244888888888889e-05,
|
| 257 |
+
"loss": 0.20954521179199218,
|
| 258 |
+
"step": 1700
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 1.1666666666666667,
|
| 262 |
+
"grad_norm": 5.671319484710693,
|
| 263 |
+
"learning_rate": 1.2226666666666666e-05,
|
| 264 |
+
"loss": 0.1750396156311035,
|
| 265 |
+
"step": 1750
|
| 266 |
+
},
|
| 267 |
+
{
|
| 268 |
+
"epoch": 1.2,
|
| 269 |
+
"grad_norm": 3.4403674602508545,
|
| 270 |
+
"learning_rate": 1.2004444444444445e-05,
|
| 271 |
+
"loss": 0.1580425262451172,
|
| 272 |
+
"step": 1800
|
| 273 |
+
},
|
| 274 |
+
{
|
| 275 |
+
"epoch": 1.2333333333333334,
|
| 276 |
+
"grad_norm": 3.180039644241333,
|
| 277 |
+
"learning_rate": 1.1782222222222223e-05,
|
| 278 |
+
"loss": 0.1945333671569824,
|
| 279 |
+
"step": 1850
|
| 280 |
+
},
|
| 281 |
+
{
|
| 282 |
+
"epoch": 1.2666666666666666,
|
| 283 |
+
"grad_norm": 4.131124019622803,
|
| 284 |
+
"learning_rate": 1.156e-05,
|
| 285 |
+
"loss": 0.1714198875427246,
|
| 286 |
+
"step": 1900
|
| 287 |
+
},
|
| 288 |
+
{
|
| 289 |
+
"epoch": 1.3,
|
| 290 |
+
"grad_norm": 4.44835901260376,
|
| 291 |
+
"learning_rate": 1.1337777777777779e-05,
|
| 292 |
+
"loss": 0.1797838592529297,
|
| 293 |
+
"step": 1950
|
| 294 |
+
},
|
| 295 |
+
{
|
| 296 |
+
"epoch": 1.3333333333333333,
|
| 297 |
+
"grad_norm": 8.10306453704834,
|
| 298 |
+
"learning_rate": 1.1115555555555557e-05,
|
| 299 |
+
"loss": 0.16566892623901366,
|
| 300 |
+
"step": 2000
|
| 301 |
+
},
|
| 302 |
+
{
|
| 303 |
+
"epoch": 1.3666666666666667,
|
| 304 |
+
"grad_norm": 2.1913328170776367,
|
| 305 |
+
"learning_rate": 1.0893333333333333e-05,
|
| 306 |
+
"loss": 0.19191305160522462,
|
| 307 |
+
"step": 2050
|
| 308 |
+
},
|
| 309 |
+
{
|
| 310 |
+
"epoch": 1.4,
|
| 311 |
+
"grad_norm": 5.5452961921691895,
|
| 312 |
+
"learning_rate": 1.0671111111111112e-05,
|
| 313 |
+
"loss": 0.16953279495239257,
|
| 314 |
+
"step": 2100
|
| 315 |
+
},
|
| 316 |
+
{
|
| 317 |
+
"epoch": 1.4333333333333333,
|
| 318 |
+
"grad_norm": 6.535331726074219,
|
| 319 |
+
"learning_rate": 1.044888888888889e-05,
|
| 320 |
+
"loss": 0.18914375305175782,
|
| 321 |
+
"step": 2150
|
| 322 |
+
},
|
| 323 |
+
{
|
| 324 |
+
"epoch": 1.4666666666666668,
|
| 325 |
+
"grad_norm": 3.548736572265625,
|
| 326 |
+
"learning_rate": 1.0226666666666666e-05,
|
| 327 |
+
"loss": 0.17549373626708983,
|
| 328 |
+
"step": 2200
|
| 329 |
+
},
|
| 330 |
+
{
|
| 331 |
+
"epoch": 1.5,
|
| 332 |
+
"grad_norm": 6.765810966491699,
|
| 333 |
+
"learning_rate": 1.0004444444444446e-05,
|
| 334 |
+
"loss": 0.21416725158691408,
|
| 335 |
+
"step": 2250
|
| 336 |
+
},
|
| 337 |
+
{
|
| 338 |
+
"epoch": 1.5333333333333332,
|
| 339 |
+
"grad_norm": 4.802906036376953,
|
| 340 |
+
"learning_rate": 9.782222222222222e-06,
|
| 341 |
+
"loss": 0.1929642677307129,
|
| 342 |
+
"step": 2300
|
| 343 |
+
},
|
| 344 |
+
{
|
| 345 |
+
"epoch": 1.5666666666666667,
|
| 346 |
+
"grad_norm": 2.109327554702759,
|
| 347 |
+
"learning_rate": 9.56e-06,
|
| 348 |
+
"loss": 0.14835596084594727,
|
| 349 |
+
"step": 2350
|
| 350 |
+
},
|
| 351 |
+
{
|
| 352 |
+
"epoch": 1.6,
|
| 353 |
+
"grad_norm": 4.239046096801758,
|
| 354 |
+
"learning_rate": 9.33777777777778e-06,
|
| 355 |
+
"loss": 0.16386781692504881,
|
| 356 |
+
"step": 2400
|
| 357 |
+
},
|
| 358 |
+
{
|
| 359 |
+
"epoch": 1.6333333333333333,
|
| 360 |
+
"grad_norm": 4.252853870391846,
|
| 361 |
+
"learning_rate": 9.115555555555556e-06,
|
| 362 |
+
"loss": 0.170528564453125,
|
| 363 |
+
"step": 2450
|
| 364 |
+
},
|
| 365 |
+
{
|
| 366 |
+
"epoch": 1.6666666666666665,
|
| 367 |
+
"grad_norm": 5.925084590911865,
|
| 368 |
+
"learning_rate": 8.893333333333333e-06,
|
| 369 |
+
"loss": 0.17361125946044922,
|
| 370 |
+
"step": 2500
|
| 371 |
+
},
|
| 372 |
+
{
|
| 373 |
+
"epoch": 1.7,
|
| 374 |
+
"grad_norm": 4.021454811096191,
|
| 375 |
+
"learning_rate": 8.671111111111113e-06,
|
| 376 |
+
"loss": 0.16607669830322266,
|
| 377 |
+
"step": 2550
|
| 378 |
+
},
|
| 379 |
+
{
|
| 380 |
+
"epoch": 1.7333333333333334,
|
| 381 |
+
"grad_norm": 2.922668933868408,
|
| 382 |
+
"learning_rate": 8.448888888888889e-06,
|
| 383 |
+
"loss": 0.17937726974487306,
|
| 384 |
+
"step": 2600
|
| 385 |
+
},
|
| 386 |
+
{
|
| 387 |
+
"epoch": 1.7666666666666666,
|
| 388 |
+
"grad_norm": 2.068452835083008,
|
| 389 |
+
"learning_rate": 8.226666666666667e-06,
|
| 390 |
+
"loss": 0.16617158889770509,
|
| 391 |
+
"step": 2650
|
| 392 |
+
},
|
| 393 |
+
{
|
| 394 |
+
"epoch": 1.8,
|
| 395 |
+
"grad_norm": 5.592191696166992,
|
| 396 |
+
"learning_rate": 8.004444444444445e-06,
|
| 397 |
+
"loss": 0.1614869499206543,
|
| 398 |
+
"step": 2700
|
| 399 |
+
},
|
| 400 |
+
{
|
| 401 |
+
"epoch": 1.8333333333333335,
|
| 402 |
+
"grad_norm": 5.648172378540039,
|
| 403 |
+
"learning_rate": 7.782222222222223e-06,
|
| 404 |
+
"loss": 0.16185134887695313,
|
| 405 |
+
"step": 2750
|
| 406 |
+
},
|
| 407 |
+
{
|
| 408 |
+
"epoch": 1.8666666666666667,
|
| 409 |
+
"grad_norm": 6.319865703582764,
|
| 410 |
+
"learning_rate": 7.5600000000000005e-06,
|
| 411 |
+
"loss": 0.1830705451965332,
|
| 412 |
+
"step": 2800
|
| 413 |
+
},
|
| 414 |
+
{
|
| 415 |
+
"epoch": 1.9,
|
| 416 |
+
"grad_norm": 3.4215216636657715,
|
| 417 |
+
"learning_rate": 7.337777777777778e-06,
|
| 418 |
+
"loss": 0.16423120498657226,
|
| 419 |
+
"step": 2850
|
| 420 |
+
},
|
| 421 |
+
{
|
| 422 |
+
"epoch": 1.9333333333333333,
|
| 423 |
+
"grad_norm": 4.172184944152832,
|
| 424 |
+
"learning_rate": 7.115555555555557e-06,
|
| 425 |
+
"loss": 0.1997536849975586,
|
| 426 |
+
"step": 2900
|
| 427 |
+
},
|
| 428 |
+
{
|
| 429 |
+
"epoch": 1.9666666666666668,
|
| 430 |
+
"grad_norm": 5.516648769378662,
|
| 431 |
+
"learning_rate": 6.893333333333334e-06,
|
| 432 |
+
"loss": 0.16453321456909178,
|
| 433 |
+
"step": 2950
|
| 434 |
+
},
|
| 435 |
+
{
|
| 436 |
+
"epoch": 2.0,
|
| 437 |
+
"grad_norm": 7.063965797424316,
|
| 438 |
+
"learning_rate": 6.671111111111112e-06,
|
| 439 |
+
"loss": 0.18409488677978517,
|
| 440 |
+
"step": 3000
|
| 441 |
+
},
|
| 442 |
+
{
|
| 443 |
+
"epoch": 2.0,
|
| 444 |
+
"eval_accuracy": 0.902,
|
| 445 |
+
"eval_f1_macro": 0.9212950164722656,
|
| 446 |
+
"eval_loss": 0.25149524211883545,
|
| 447 |
+
"eval_runtime": 5.176,
|
| 448 |
+
"eval_samples_per_second": 1159.188,
|
| 449 |
+
"eval_steps_per_second": 36.321,
|
| 450 |
+
"step": 3000
|
| 451 |
+
},
|
| 452 |
+
{
|
| 453 |
+
"epoch": 2.033333333333333,
|
| 454 |
+
"grad_norm": 5.458334445953369,
|
| 455 |
+
"learning_rate": 6.448888888888889e-06,
|
| 456 |
+
"loss": 0.1213344955444336,
|
| 457 |
+
"step": 3050
|
| 458 |
+
},
|
| 459 |
+
{
|
| 460 |
+
"epoch": 2.066666666666667,
|
| 461 |
+
"grad_norm": 5.53717041015625,
|
| 462 |
+
"learning_rate": 6.2266666666666675e-06,
|
| 463 |
+
"loss": 0.10115664482116699,
|
| 464 |
+
"step": 3100
|
| 465 |
+
},
|
| 466 |
+
{
|
| 467 |
+
"epoch": 2.1,
|
| 468 |
+
"grad_norm": 1.9106425046920776,
|
| 469 |
+
"learning_rate": 6.004444444444445e-06,
|
| 470 |
+
"loss": 0.1012198257446289,
|
| 471 |
+
"step": 3150
|
| 472 |
+
},
|
| 473 |
+
{
|
| 474 |
+
"epoch": 2.1333333333333333,
|
| 475 |
+
"grad_norm": 1.0217924118041992,
|
| 476 |
+
"learning_rate": 5.782222222222222e-06,
|
| 477 |
+
"loss": 0.13443340301513673,
|
| 478 |
+
"step": 3200
|
| 479 |
+
},
|
| 480 |
+
{
|
| 481 |
+
"epoch": 2.1666666666666665,
|
| 482 |
+
"grad_norm": 5.459985256195068,
|
| 483 |
+
"learning_rate": 5.560000000000001e-06,
|
| 484 |
+
"loss": 0.11576072692871094,
|
| 485 |
+
"step": 3250
|
| 486 |
+
},
|
| 487 |
+
{
|
| 488 |
+
"epoch": 2.2,
|
| 489 |
+
"grad_norm": 3.0478718280792236,
|
| 490 |
+
"learning_rate": 5.337777777777779e-06,
|
| 491 |
+
"loss": 0.1449252700805664,
|
| 492 |
+
"step": 3300
|
| 493 |
+
},
|
| 494 |
+
{
|
| 495 |
+
"epoch": 2.2333333333333334,
|
| 496 |
+
"grad_norm": 2.0453009605407715,
|
| 497 |
+
"learning_rate": 5.115555555555556e-06,
|
| 498 |
+
"loss": 0.09250757217407227,
|
| 499 |
+
"step": 3350
|
| 500 |
+
},
|
| 501 |
+
{
|
| 502 |
+
"epoch": 2.2666666666666666,
|
| 503 |
+
"grad_norm": 2.889470100402832,
|
| 504 |
+
"learning_rate": 4.893333333333334e-06,
|
| 505 |
+
"loss": 0.1199918270111084,
|
| 506 |
+
"step": 3400
|
| 507 |
+
},
|
| 508 |
+
{
|
| 509 |
+
"epoch": 2.3,
|
| 510 |
+
"grad_norm": 4.249105453491211,
|
| 511 |
+
"learning_rate": 4.6711111111111115e-06,
|
| 512 |
+
"loss": 0.12100894927978516,
|
| 513 |
+
"step": 3450
|
| 514 |
+
},
|
| 515 |
+
{
|
| 516 |
+
"epoch": 2.3333333333333335,
|
| 517 |
+
"grad_norm": 6.4583587646484375,
|
| 518 |
+
"learning_rate": 4.448888888888889e-06,
|
| 519 |
+
"loss": 0.14270318984985353,
|
| 520 |
+
"step": 3500
|
| 521 |
+
},
|
| 522 |
+
{
|
| 523 |
+
"epoch": 2.3666666666666667,
|
| 524 |
+
"grad_norm": 8.876114845275879,
|
| 525 |
+
"learning_rate": 4.226666666666667e-06,
|
| 526 |
+
"loss": 0.10313261032104493,
|
| 527 |
+
"step": 3550
|
| 528 |
+
},
|
| 529 |
+
{
|
| 530 |
+
"epoch": 2.4,
|
| 531 |
+
"grad_norm": 5.842459201812744,
|
| 532 |
+
"learning_rate": 4.004444444444445e-06,
|
| 533 |
+
"loss": 0.11059309959411621,
|
| 534 |
+
"step": 3600
|
| 535 |
+
},
|
| 536 |
+
{
|
| 537 |
+
"epoch": 2.4333333333333336,
|
| 538 |
+
"grad_norm": 9.189651489257812,
|
| 539 |
+
"learning_rate": 3.782222222222223e-06,
|
| 540 |
+
"loss": 0.11017511367797851,
|
| 541 |
+
"step": 3650
|
| 542 |
+
},
|
| 543 |
+
{
|
| 544 |
+
"epoch": 2.466666666666667,
|
| 545 |
+
"grad_norm": 5.675761699676514,
|
| 546 |
+
"learning_rate": 3.5600000000000002e-06,
|
| 547 |
+
"loss": 0.10061405181884765,
|
| 548 |
+
"step": 3700
|
| 549 |
+
},
|
| 550 |
+
{
|
| 551 |
+
"epoch": 2.5,
|
| 552 |
+
"grad_norm": 1.6018747091293335,
|
| 553 |
+
"learning_rate": 3.337777777777778e-06,
|
| 554 |
+
"loss": 0.12711249351501464,
|
| 555 |
+
"step": 3750
|
| 556 |
+
},
|
| 557 |
+
{
|
| 558 |
+
"epoch": 2.533333333333333,
|
| 559 |
+
"grad_norm": 4.34623384475708,
|
| 560 |
+
"learning_rate": 3.1155555555555555e-06,
|
| 561 |
+
"loss": 0.11036383628845214,
|
| 562 |
+
"step": 3800
|
| 563 |
+
},
|
| 564 |
+
{
|
| 565 |
+
"epoch": 2.5666666666666664,
|
| 566 |
+
"grad_norm": 2.461991786956787,
|
| 567 |
+
"learning_rate": 2.8933333333333337e-06,
|
| 568 |
+
"loss": 0.09716948509216308,
|
| 569 |
+
"step": 3850
|
| 570 |
+
},
|
| 571 |
+
{
|
| 572 |
+
"epoch": 2.6,
|
| 573 |
+
"grad_norm": 7.470648288726807,
|
| 574 |
+
"learning_rate": 2.6711111111111116e-06,
|
| 575 |
+
"loss": 0.12578180313110351,
|
| 576 |
+
"step": 3900
|
| 577 |
+
},
|
| 578 |
+
{
|
| 579 |
+
"epoch": 2.6333333333333333,
|
| 580 |
+
"grad_norm": 6.629723072052002,
|
| 581 |
+
"learning_rate": 2.448888888888889e-06,
|
| 582 |
+
"loss": 0.12779111862182618,
|
| 583 |
+
"step": 3950
|
| 584 |
+
},
|
| 585 |
+
{
|
| 586 |
+
"epoch": 2.6666666666666665,
|
| 587 |
+
"grad_norm": 2.044475793838501,
|
| 588 |
+
"learning_rate": 2.226666666666667e-06,
|
| 589 |
+
"loss": 0.12564258575439452,
|
| 590 |
+
"step": 4000
|
| 591 |
+
},
|
| 592 |
+
{
|
| 593 |
+
"epoch": 2.7,
|
| 594 |
+
"grad_norm": 5.571012020111084,
|
| 595 |
+
"learning_rate": 2.0044444444444446e-06,
|
| 596 |
+
"loss": 0.124725341796875,
|
| 597 |
+
"step": 4050
|
| 598 |
+
},
|
| 599 |
+
{
|
| 600 |
+
"epoch": 2.7333333333333334,
|
| 601 |
+
"grad_norm": 12.910223960876465,
|
| 602 |
+
"learning_rate": 1.7822222222222225e-06,
|
| 603 |
+
"loss": 0.11581019401550292,
|
| 604 |
+
"step": 4100
|
| 605 |
+
},
|
| 606 |
+
{
|
| 607 |
+
"epoch": 2.7666666666666666,
|
| 608 |
+
"grad_norm": 1.0527822971343994,
|
| 609 |
+
"learning_rate": 1.56e-06,
|
| 610 |
+
"loss": 0.12886397361755372,
|
| 611 |
+
"step": 4150
|
| 612 |
+
},
|
| 613 |
+
{
|
| 614 |
+
"epoch": 2.8,
|
| 615 |
+
"grad_norm": 1.256585717201233,
|
| 616 |
+
"learning_rate": 1.337777777777778e-06,
|
| 617 |
+
"loss": 0.09543267250061035,
|
| 618 |
+
"step": 4200
|
| 619 |
+
},
|
| 620 |
+
{
|
| 621 |
+
"epoch": 2.8333333333333335,
|
| 622 |
+
"grad_norm": 4.45090913772583,
|
| 623 |
+
"learning_rate": 1.1155555555555558e-06,
|
| 624 |
+
"loss": 0.12118330001831054,
|
| 625 |
+
"step": 4250
|
| 626 |
+
},
|
| 627 |
+
{
|
| 628 |
+
"epoch": 2.8666666666666667,
|
| 629 |
+
"grad_norm": 7.17897367477417,
|
| 630 |
+
"learning_rate": 8.933333333333334e-07,
|
| 631 |
+
"loss": 0.09005433082580566,
|
| 632 |
+
"step": 4300
|
| 633 |
+
},
|
| 634 |
+
{
|
| 635 |
+
"epoch": 2.9,
|
| 636 |
+
"grad_norm": 2.9722611904144287,
|
| 637 |
+
"learning_rate": 6.711111111111111e-07,
|
| 638 |
+
"loss": 0.10840323448181152,
|
| 639 |
+
"step": 4350
|
| 640 |
+
},
|
| 641 |
+
{
|
| 642 |
+
"epoch": 2.9333333333333336,
|
| 643 |
+
"grad_norm": 10.654031753540039,
|
| 644 |
+
"learning_rate": 4.488888888888889e-07,
|
| 645 |
+
"loss": 0.07872236251831055,
|
| 646 |
+
"step": 4400
|
| 647 |
+
},
|
| 648 |
+
{
|
| 649 |
+
"epoch": 2.966666666666667,
|
| 650 |
+
"grad_norm": 11.573697090148926,
|
| 651 |
+
"learning_rate": 2.266666666666667e-07,
|
| 652 |
+
"loss": 0.11194339752197266,
|
| 653 |
+
"step": 4450
|
| 654 |
+
},
|
| 655 |
+
{
|
| 656 |
+
"epoch": 3.0,
|
| 657 |
+
"grad_norm": 1.550208330154419,
|
| 658 |
+
"learning_rate": 4.444444444444445e-09,
|
| 659 |
+
"loss": 0.09457332611083985,
|
| 660 |
+
"step": 4500
|
| 661 |
+
},
|
| 662 |
+
{
|
| 663 |
+
"epoch": 3.0,
|
| 664 |
+
"eval_accuracy": 0.9023333333333333,
|
| 665 |
+
"eval_f1_macro": 0.9215839743099576,
|
| 666 |
+
"eval_loss": 0.3057951033115387,
|
| 667 |
+
"eval_runtime": 5.1627,
|
| 668 |
+
"eval_samples_per_second": 1162.187,
|
| 669 |
+
"eval_steps_per_second": 36.415,
|
| 670 |
+
"step": 4500
|
| 671 |
+
}
|
| 672 |
+
],
|
| 673 |
+
"logging_steps": 50,
|
| 674 |
+
"max_steps": 4500,
|
| 675 |
+
"num_input_tokens_seen": 0,
|
| 676 |
+
"num_train_epochs": 3,
|
| 677 |
+
"save_steps": 500,
|
| 678 |
+
"stateful_callbacks": {
|
| 679 |
+
"TrainerControl": {
|
| 680 |
+
"args": {
|
| 681 |
+
"should_epoch_stop": false,
|
| 682 |
+
"should_evaluate": false,
|
| 683 |
+
"should_log": false,
|
| 684 |
+
"should_save": true,
|
| 685 |
+
"should_training_stop": true
|
| 686 |
+
},
|
| 687 |
+
"attributes": {}
|
| 688 |
+
}
|
| 689 |
+
},
|
| 690 |
+
"total_flos": 4768911396864000.0,
|
| 691 |
+
"train_batch_size": 32,
|
| 692 |
+
"trial_name": null,
|
| 693 |
+
"trial_params": null
|
| 694 |
+
}
|
checkpoint-4500/training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:9a702896c7df6b436584df03618bdfedcd94d34aa6532aab87db6043c15fa273
|
| 3 |
+
size 5201
|
config.json
ADDED
|
@@ -0,0 +1,38 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"activation": "gelu",
|
| 3 |
+
"architectures": [
|
| 4 |
+
"DistilBertForSequenceClassification"
|
| 5 |
+
],
|
| 6 |
+
"attention_dropout": 0.1,
|
| 7 |
+
"bos_token_id": null,
|
| 8 |
+
"dim": 768,
|
| 9 |
+
"dropout": 0.1,
|
| 10 |
+
"dtype": "float32",
|
| 11 |
+
"eos_token_id": null,
|
| 12 |
+
"hidden_dim": 3072,
|
| 13 |
+
"id2label": {
|
| 14 |
+
"0": "LABEL_0",
|
| 15 |
+
"1": "LABEL_1",
|
| 16 |
+
"2": "LABEL_2"
|
| 17 |
+
},
|
| 18 |
+
"initializer_range": 0.02,
|
| 19 |
+
"label2id": {
|
| 20 |
+
"LABEL_0": 0,
|
| 21 |
+
"LABEL_1": 1,
|
| 22 |
+
"LABEL_2": 2
|
| 23 |
+
},
|
| 24 |
+
"max_position_embeddings": 512,
|
| 25 |
+
"model_type": "distilbert",
|
| 26 |
+
"n_heads": 12,
|
| 27 |
+
"n_layers": 6,
|
| 28 |
+
"pad_token_id": 0,
|
| 29 |
+
"problem_type": "single_label_classification",
|
| 30 |
+
"qa_dropout": 0.1,
|
| 31 |
+
"seq_classif_dropout": 0.2,
|
| 32 |
+
"sinusoidal_pos_embds": false,
|
| 33 |
+
"tie_weights_": true,
|
| 34 |
+
"tie_word_embeddings": true,
|
| 35 |
+
"transformers_version": "5.0.0",
|
| 36 |
+
"use_cache": false,
|
| 37 |
+
"vocab_size": 30522
|
| 38 |
+
}
|
model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:60a47f425866a480166c5cbc14e49fbdf68a83cc0299386eb253d4eada10f481
|
| 3 |
+
size 267835644
|
tokenizer.json
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
tokenizer_config.json
ADDED
|
@@ -0,0 +1,14 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"backend": "tokenizers",
|
| 3 |
+
"cls_token": "[CLS]",
|
| 4 |
+
"do_lower_case": true,
|
| 5 |
+
"is_local": false,
|
| 6 |
+
"mask_token": "[MASK]",
|
| 7 |
+
"model_max_length": 512,
|
| 8 |
+
"pad_token": "[PAD]",
|
| 9 |
+
"sep_token": "[SEP]",
|
| 10 |
+
"strip_accents": null,
|
| 11 |
+
"tokenize_chinese_chars": true,
|
| 12 |
+
"tokenizer_class": "DistilBertTokenizer",
|
| 13 |
+
"unk_token": "[UNK]"
|
| 14 |
+
}
|
training_args.bin
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:9a702896c7df6b436584df03618bdfedcd94d34aa6532aab87db6043c15fa273
|
| 3 |
+
size 5201
|