Upload trainer_state.json with huggingface_hub
Browse files- trainer_state.json +460 -0
trainer_state.json
ADDED
|
@@ -0,0 +1,460 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"best_global_step": 450,
|
| 3 |
+
"best_metric": 0.570094108581543,
|
| 4 |
+
"best_model_checkpoint": "./vit-results/checkpoint-200",
|
| 5 |
+
"epoch": 10.0,
|
| 6 |
+
"eval_steps": 50,
|
| 7 |
+
"global_step": 480,
|
| 8 |
+
"is_hyper_param_search": false,
|
| 9 |
+
"is_local_process_zero": true,
|
| 10 |
+
"is_world_process_zero": true,
|
| 11 |
+
"log_history": [
|
| 12 |
+
{
|
| 13 |
+
"epoch": 0.20833333333333334,
|
| 14 |
+
"grad_norm": 1.4851477146148682,
|
| 15 |
+
"learning_rate": 1.9625e-05,
|
| 16 |
+
"loss": 1.3347,
|
| 17 |
+
"step": 10
|
| 18 |
+
},
|
| 19 |
+
{
|
| 20 |
+
"epoch": 0.4166666666666667,
|
| 21 |
+
"grad_norm": 2.0887389183044434,
|
| 22 |
+
"learning_rate": 1.9208333333333337e-05,
|
| 23 |
+
"loss": 1.2739,
|
| 24 |
+
"step": 20
|
| 25 |
+
},
|
| 26 |
+
{
|
| 27 |
+
"epoch": 0.625,
|
| 28 |
+
"grad_norm": 1.6611489057540894,
|
| 29 |
+
"learning_rate": 1.8791666666666668e-05,
|
| 30 |
+
"loss": 1.2122,
|
| 31 |
+
"step": 30
|
| 32 |
+
},
|
| 33 |
+
{
|
| 34 |
+
"epoch": 0.8333333333333334,
|
| 35 |
+
"grad_norm": 1.7925909757614136,
|
| 36 |
+
"learning_rate": 1.8375e-05,
|
| 37 |
+
"loss": 1.181,
|
| 38 |
+
"step": 40
|
| 39 |
+
},
|
| 40 |
+
{
|
| 41 |
+
"epoch": 1.0416666666666667,
|
| 42 |
+
"grad_norm": 1.7047886848449707,
|
| 43 |
+
"learning_rate": 1.7958333333333334e-05,
|
| 44 |
+
"loss": 1.1578,
|
| 45 |
+
"step": 50
|
| 46 |
+
},
|
| 47 |
+
{
|
| 48 |
+
"epoch": 1.0416666666666667,
|
| 49 |
+
"eval_accuracy": 0.4625,
|
| 50 |
+
"eval_loss": 1.135870099067688,
|
| 51 |
+
"eval_runtime": 1.3228,
|
| 52 |
+
"eval_samples_per_second": 60.479,
|
| 53 |
+
"eval_steps_per_second": 7.56,
|
| 54 |
+
"step": 50
|
| 55 |
+
},
|
| 56 |
+
{
|
| 57 |
+
"epoch": 1.25,
|
| 58 |
+
"grad_norm": 1.962847352027893,
|
| 59 |
+
"learning_rate": 1.754166666666667e-05,
|
| 60 |
+
"loss": 1.0607,
|
| 61 |
+
"step": 60
|
| 62 |
+
},
|
| 63 |
+
{
|
| 64 |
+
"epoch": 1.4583333333333333,
|
| 65 |
+
"grad_norm": 2.020244836807251,
|
| 66 |
+
"learning_rate": 1.7125e-05,
|
| 67 |
+
"loss": 1.0081,
|
| 68 |
+
"step": 70
|
| 69 |
+
},
|
| 70 |
+
{
|
| 71 |
+
"epoch": 1.6666666666666665,
|
| 72 |
+
"grad_norm": 2.294292449951172,
|
| 73 |
+
"learning_rate": 1.6708333333333334e-05,
|
| 74 |
+
"loss": 0.9995,
|
| 75 |
+
"step": 80
|
| 76 |
+
},
|
| 77 |
+
{
|
| 78 |
+
"epoch": 1.875,
|
| 79 |
+
"grad_norm": 2.0403995513916016,
|
| 80 |
+
"learning_rate": 1.629166666666667e-05,
|
| 81 |
+
"loss": 1.0403,
|
| 82 |
+
"step": 90
|
| 83 |
+
},
|
| 84 |
+
{
|
| 85 |
+
"epoch": 2.0833333333333335,
|
| 86 |
+
"grad_norm": 3.781327724456787,
|
| 87 |
+
"learning_rate": 1.5875e-05,
|
| 88 |
+
"loss": 0.9551,
|
| 89 |
+
"step": 100
|
| 90 |
+
},
|
| 91 |
+
{
|
| 92 |
+
"epoch": 2.0833333333333335,
|
| 93 |
+
"eval_accuracy": 0.725,
|
| 94 |
+
"eval_loss": 1.0034687519073486,
|
| 95 |
+
"eval_runtime": 1.2668,
|
| 96 |
+
"eval_samples_per_second": 63.15,
|
| 97 |
+
"eval_steps_per_second": 7.894,
|
| 98 |
+
"step": 100
|
| 99 |
+
},
|
| 100 |
+
{
|
| 101 |
+
"epoch": 2.2916666666666665,
|
| 102 |
+
"grad_norm": 2.135753631591797,
|
| 103 |
+
"learning_rate": 1.5458333333333334e-05,
|
| 104 |
+
"loss": 0.8584,
|
| 105 |
+
"step": 110
|
| 106 |
+
},
|
| 107 |
+
{
|
| 108 |
+
"epoch": 2.5,
|
| 109 |
+
"grad_norm": 1.9046008586883545,
|
| 110 |
+
"learning_rate": 1.5041666666666667e-05,
|
| 111 |
+
"loss": 0.8578,
|
| 112 |
+
"step": 120
|
| 113 |
+
},
|
| 114 |
+
{
|
| 115 |
+
"epoch": 2.7083333333333335,
|
| 116 |
+
"grad_norm": 1.7979331016540527,
|
| 117 |
+
"learning_rate": 1.4625e-05,
|
| 118 |
+
"loss": 0.7959,
|
| 119 |
+
"step": 130
|
| 120 |
+
},
|
| 121 |
+
{
|
| 122 |
+
"epoch": 2.9166666666666665,
|
| 123 |
+
"grad_norm": 2.755568742752075,
|
| 124 |
+
"learning_rate": 1.4208333333333336e-05,
|
| 125 |
+
"loss": 0.8676,
|
| 126 |
+
"step": 140
|
| 127 |
+
},
|
| 128 |
+
{
|
| 129 |
+
"epoch": 3.125,
|
| 130 |
+
"grad_norm": 1.752200961112976,
|
| 131 |
+
"learning_rate": 1.3791666666666667e-05,
|
| 132 |
+
"loss": 0.7547,
|
| 133 |
+
"step": 150
|
| 134 |
+
},
|
| 135 |
+
{
|
| 136 |
+
"epoch": 3.125,
|
| 137 |
+
"eval_accuracy": 0.7625,
|
| 138 |
+
"eval_loss": 0.8992247581481934,
|
| 139 |
+
"eval_runtime": 1.3186,
|
| 140 |
+
"eval_samples_per_second": 60.669,
|
| 141 |
+
"eval_steps_per_second": 7.584,
|
| 142 |
+
"step": 150
|
| 143 |
+
},
|
| 144 |
+
{
|
| 145 |
+
"epoch": 3.3333333333333335,
|
| 146 |
+
"grad_norm": 1.913486361503601,
|
| 147 |
+
"learning_rate": 1.3375e-05,
|
| 148 |
+
"loss": 0.7207,
|
| 149 |
+
"step": 160
|
| 150 |
+
},
|
| 151 |
+
{
|
| 152 |
+
"epoch": 3.5416666666666665,
|
| 153 |
+
"grad_norm": 2.5411376953125,
|
| 154 |
+
"learning_rate": 1.2958333333333334e-05,
|
| 155 |
+
"loss": 0.6804,
|
| 156 |
+
"step": 170
|
| 157 |
+
},
|
| 158 |
+
{
|
| 159 |
+
"epoch": 3.75,
|
| 160 |
+
"grad_norm": 1.997448444366455,
|
| 161 |
+
"learning_rate": 1.2541666666666667e-05,
|
| 162 |
+
"loss": 0.6733,
|
| 163 |
+
"step": 180
|
| 164 |
+
},
|
| 165 |
+
{
|
| 166 |
+
"epoch": 3.9583333333333335,
|
| 167 |
+
"grad_norm": 1.744899868965149,
|
| 168 |
+
"learning_rate": 1.2125e-05,
|
| 169 |
+
"loss": 0.6074,
|
| 170 |
+
"step": 190
|
| 171 |
+
},
|
| 172 |
+
{
|
| 173 |
+
"epoch": 4.166666666666667,
|
| 174 |
+
"grad_norm": 1.6227153539657593,
|
| 175 |
+
"learning_rate": 1.1708333333333334e-05,
|
| 176 |
+
"loss": 0.5998,
|
| 177 |
+
"step": 200
|
| 178 |
+
},
|
| 179 |
+
{
|
| 180 |
+
"epoch": 4.166666666666667,
|
| 181 |
+
"eval_accuracy": 0.8,
|
| 182 |
+
"eval_loss": 0.7827270030975342,
|
| 183 |
+
"eval_runtime": 1.2909,
|
| 184 |
+
"eval_samples_per_second": 61.972,
|
| 185 |
+
"eval_steps_per_second": 7.746,
|
| 186 |
+
"step": 200
|
| 187 |
+
},
|
| 188 |
+
{
|
| 189 |
+
"epoch": 4.375,
|
| 190 |
+
"grad_norm": 1.6534216403961182,
|
| 191 |
+
"learning_rate": 1.1291666666666667e-05,
|
| 192 |
+
"loss": 0.5243,
|
| 193 |
+
"step": 210
|
| 194 |
+
},
|
| 195 |
+
{
|
| 196 |
+
"epoch": 4.583333333333333,
|
| 197 |
+
"grad_norm": 1.8691354990005493,
|
| 198 |
+
"learning_rate": 1.0875e-05,
|
| 199 |
+
"loss": 0.5312,
|
| 200 |
+
"step": 220
|
| 201 |
+
},
|
| 202 |
+
{
|
| 203 |
+
"epoch": 4.791666666666667,
|
| 204 |
+
"grad_norm": 1.7466825246810913,
|
| 205 |
+
"learning_rate": 1.0458333333333335e-05,
|
| 206 |
+
"loss": 0.492,
|
| 207 |
+
"step": 230
|
| 208 |
+
},
|
| 209 |
+
{
|
| 210 |
+
"epoch": 5.0,
|
| 211 |
+
"grad_norm": 3.337895154953003,
|
| 212 |
+
"learning_rate": 1.0041666666666667e-05,
|
| 213 |
+
"loss": 0.4978,
|
| 214 |
+
"step": 240
|
| 215 |
+
},
|
| 216 |
+
{
|
| 217 |
+
"epoch": 5.208333333333333,
|
| 218 |
+
"grad_norm": 2.0019006729125977,
|
| 219 |
+
"learning_rate": 9.625e-06,
|
| 220 |
+
"loss": 0.4259,
|
| 221 |
+
"step": 250
|
| 222 |
+
},
|
| 223 |
+
{
|
| 224 |
+
"epoch": 5.208333333333333,
|
| 225 |
+
"eval_accuracy": 0.8125,
|
| 226 |
+
"eval_loss": 0.6670618653297424,
|
| 227 |
+
"eval_runtime": 1.2487,
|
| 228 |
+
"eval_samples_per_second": 64.069,
|
| 229 |
+
"eval_steps_per_second": 8.009,
|
| 230 |
+
"step": 250
|
| 231 |
+
},
|
| 232 |
+
{
|
| 233 |
+
"epoch": 5.416666666666667,
|
| 234 |
+
"grad_norm": 1.431734323501587,
|
| 235 |
+
"learning_rate": 9.208333333333333e-06,
|
| 236 |
+
"loss": 0.4032,
|
| 237 |
+
"step": 260
|
| 238 |
+
},
|
| 239 |
+
{
|
| 240 |
+
"epoch": 5.625,
|
| 241 |
+
"grad_norm": 2.39288592338562,
|
| 242 |
+
"learning_rate": 8.791666666666667e-06,
|
| 243 |
+
"loss": 0.4095,
|
| 244 |
+
"step": 270
|
| 245 |
+
},
|
| 246 |
+
{
|
| 247 |
+
"epoch": 5.833333333333333,
|
| 248 |
+
"grad_norm": 2.3530094623565674,
|
| 249 |
+
"learning_rate": 8.375e-06,
|
| 250 |
+
"loss": 0.3499,
|
| 251 |
+
"step": 280
|
| 252 |
+
},
|
| 253 |
+
{
|
| 254 |
+
"epoch": 6.041666666666667,
|
| 255 |
+
"grad_norm": 1.5345488786697388,
|
| 256 |
+
"learning_rate": 7.958333333333333e-06,
|
| 257 |
+
"loss": 0.333,
|
| 258 |
+
"step": 290
|
| 259 |
+
},
|
| 260 |
+
{
|
| 261 |
+
"epoch": 6.25,
|
| 262 |
+
"grad_norm": 2.1422934532165527,
|
| 263 |
+
"learning_rate": 7.541666666666667e-06,
|
| 264 |
+
"loss": 0.3336,
|
| 265 |
+
"step": 300
|
| 266 |
+
},
|
| 267 |
+
{
|
| 268 |
+
"epoch": 6.25,
|
| 269 |
+
"eval_accuracy": 0.725,
|
| 270 |
+
"eval_loss": 0.6925244927406311,
|
| 271 |
+
"eval_runtime": 1.2408,
|
| 272 |
+
"eval_samples_per_second": 64.476,
|
| 273 |
+
"eval_steps_per_second": 8.06,
|
| 274 |
+
"step": 300
|
| 275 |
+
},
|
| 276 |
+
{
|
| 277 |
+
"epoch": 6.458333333333333,
|
| 278 |
+
"grad_norm": 1.0821270942687988,
|
| 279 |
+
"learning_rate": 7.125e-06,
|
| 280 |
+
"loss": 0.2689,
|
| 281 |
+
"step": 310
|
| 282 |
+
},
|
| 283 |
+
{
|
| 284 |
+
"epoch": 6.666666666666667,
|
| 285 |
+
"grad_norm": 1.5213534832000732,
|
| 286 |
+
"learning_rate": 6.708333333333333e-06,
|
| 287 |
+
"loss": 0.2875,
|
| 288 |
+
"step": 320
|
| 289 |
+
},
|
| 290 |
+
{
|
| 291 |
+
"epoch": 6.875,
|
| 292 |
+
"grad_norm": 2.103844165802002,
|
| 293 |
+
"learning_rate": 6.291666666666667e-06,
|
| 294 |
+
"loss": 0.2881,
|
| 295 |
+
"step": 330
|
| 296 |
+
},
|
| 297 |
+
{
|
| 298 |
+
"epoch": 7.083333333333333,
|
| 299 |
+
"grad_norm": 1.164125680923462,
|
| 300 |
+
"learning_rate": 5.8750000000000005e-06,
|
| 301 |
+
"loss": 0.25,
|
| 302 |
+
"step": 340
|
| 303 |
+
},
|
| 304 |
+
{
|
| 305 |
+
"epoch": 7.291666666666667,
|
| 306 |
+
"grad_norm": 0.9860062599182129,
|
| 307 |
+
"learning_rate": 5.458333333333333e-06,
|
| 308 |
+
"loss": 0.2409,
|
| 309 |
+
"step": 350
|
| 310 |
+
},
|
| 311 |
+
{
|
| 312 |
+
"epoch": 7.291666666666667,
|
| 313 |
+
"eval_accuracy": 0.8125,
|
| 314 |
+
"eval_loss": 0.5735878348350525,
|
| 315 |
+
"eval_runtime": 1.234,
|
| 316 |
+
"eval_samples_per_second": 64.832,
|
| 317 |
+
"eval_steps_per_second": 8.104,
|
| 318 |
+
"step": 350
|
| 319 |
+
},
|
| 320 |
+
{
|
| 321 |
+
"epoch": 7.5,
|
| 322 |
+
"grad_norm": 0.9531723856925964,
|
| 323 |
+
"learning_rate": 5.041666666666667e-06,
|
| 324 |
+
"loss": 0.2265,
|
| 325 |
+
"step": 360
|
| 326 |
+
},
|
| 327 |
+
{
|
| 328 |
+
"epoch": 7.708333333333333,
|
| 329 |
+
"grad_norm": 1.6497358083724976,
|
| 330 |
+
"learning_rate": 4.625000000000001e-06,
|
| 331 |
+
"loss": 0.2423,
|
| 332 |
+
"step": 370
|
| 333 |
+
},
|
| 334 |
+
{
|
| 335 |
+
"epoch": 7.916666666666667,
|
| 336 |
+
"grad_norm": 1.4591480493545532,
|
| 337 |
+
"learning_rate": 4.208333333333333e-06,
|
| 338 |
+
"loss": 0.2121,
|
| 339 |
+
"step": 380
|
| 340 |
+
},
|
| 341 |
+
{
|
| 342 |
+
"epoch": 8.125,
|
| 343 |
+
"grad_norm": 0.8170286417007446,
|
| 344 |
+
"learning_rate": 3.7916666666666666e-06,
|
| 345 |
+
"loss": 0.2122,
|
| 346 |
+
"step": 390
|
| 347 |
+
},
|
| 348 |
+
{
|
| 349 |
+
"epoch": 8.333333333333334,
|
| 350 |
+
"grad_norm": 0.8556548953056335,
|
| 351 |
+
"learning_rate": 3.3750000000000003e-06,
|
| 352 |
+
"loss": 0.1982,
|
| 353 |
+
"step": 400
|
| 354 |
+
},
|
| 355 |
+
{
|
| 356 |
+
"epoch": 8.333333333333334,
|
| 357 |
+
"eval_accuracy": 0.8125,
|
| 358 |
+
"eval_loss": 0.5838413238525391,
|
| 359 |
+
"eval_runtime": 1.2679,
|
| 360 |
+
"eval_samples_per_second": 63.098,
|
| 361 |
+
"eval_steps_per_second": 7.887,
|
| 362 |
+
"step": 400
|
| 363 |
+
},
|
| 364 |
+
{
|
| 365 |
+
"epoch": 8.541666666666666,
|
| 366 |
+
"grad_norm": 0.9361312389373779,
|
| 367 |
+
"learning_rate": 2.9583333333333335e-06,
|
| 368 |
+
"loss": 0.1997,
|
| 369 |
+
"step": 410
|
| 370 |
+
},
|
| 371 |
+
{
|
| 372 |
+
"epoch": 8.75,
|
| 373 |
+
"grad_norm": 0.8666655421257019,
|
| 374 |
+
"learning_rate": 2.5416666666666668e-06,
|
| 375 |
+
"loss": 0.1902,
|
| 376 |
+
"step": 420
|
| 377 |
+
},
|
| 378 |
+
{
|
| 379 |
+
"epoch": 8.958333333333334,
|
| 380 |
+
"grad_norm": 0.8868537545204163,
|
| 381 |
+
"learning_rate": 2.125e-06,
|
| 382 |
+
"loss": 0.1861,
|
| 383 |
+
"step": 430
|
| 384 |
+
},
|
| 385 |
+
{
|
| 386 |
+
"epoch": 9.166666666666666,
|
| 387 |
+
"grad_norm": 1.152140498161316,
|
| 388 |
+
"learning_rate": 1.7083333333333334e-06,
|
| 389 |
+
"loss": 0.1866,
|
| 390 |
+
"step": 440
|
| 391 |
+
},
|
| 392 |
+
{
|
| 393 |
+
"epoch": 9.375,
|
| 394 |
+
"grad_norm": 0.7092148661613464,
|
| 395 |
+
"learning_rate": 1.2916666666666669e-06,
|
| 396 |
+
"loss": 0.1732,
|
| 397 |
+
"step": 450
|
| 398 |
+
},
|
| 399 |
+
{
|
| 400 |
+
"epoch": 9.375,
|
| 401 |
+
"eval_accuracy": 0.8125,
|
| 402 |
+
"eval_loss": 0.570094108581543,
|
| 403 |
+
"eval_runtime": 1.2438,
|
| 404 |
+
"eval_samples_per_second": 64.321,
|
| 405 |
+
"eval_steps_per_second": 8.04,
|
| 406 |
+
"step": 450
|
| 407 |
+
},
|
| 408 |
+
{
|
| 409 |
+
"epoch": 9.583333333333334,
|
| 410 |
+
"grad_norm": 0.7921653985977173,
|
| 411 |
+
"learning_rate": 8.75e-07,
|
| 412 |
+
"loss": 0.1803,
|
| 413 |
+
"step": 460
|
| 414 |
+
},
|
| 415 |
+
{
|
| 416 |
+
"epoch": 9.791666666666666,
|
| 417 |
+
"grad_norm": 0.735058605670929,
|
| 418 |
+
"learning_rate": 4.583333333333333e-07,
|
| 419 |
+
"loss": 0.1927,
|
| 420 |
+
"step": 470
|
| 421 |
+
},
|
| 422 |
+
{
|
| 423 |
+
"epoch": 10.0,
|
| 424 |
+
"grad_norm": 1.2600841522216797,
|
| 425 |
+
"learning_rate": 4.166666666666667e-08,
|
| 426 |
+
"loss": 0.174,
|
| 427 |
+
"step": 480
|
| 428 |
+
},
|
| 429 |
+
{
|
| 430 |
+
"epoch": 10.0,
|
| 431 |
+
"step": 480,
|
| 432 |
+
"total_flos": 5.866248766604083e+17,
|
| 433 |
+
"train_loss": 0.5593519407014053,
|
| 434 |
+
"train_runtime": 328.2956,
|
| 435 |
+
"train_samples_per_second": 23.058,
|
| 436 |
+
"train_steps_per_second": 1.462
|
| 437 |
+
}
|
| 438 |
+
],
|
| 439 |
+
"logging_steps": 10,
|
| 440 |
+
"max_steps": 480,
|
| 441 |
+
"num_input_tokens_seen": 0,
|
| 442 |
+
"num_train_epochs": 10,
|
| 443 |
+
"save_steps": 100,
|
| 444 |
+
"stateful_callbacks": {
|
| 445 |
+
"TrainerControl": {
|
| 446 |
+
"args": {
|
| 447 |
+
"should_epoch_stop": false,
|
| 448 |
+
"should_evaluate": false,
|
| 449 |
+
"should_log": false,
|
| 450 |
+
"should_save": true,
|
| 451 |
+
"should_training_stop": true
|
| 452 |
+
},
|
| 453 |
+
"attributes": {}
|
| 454 |
+
}
|
| 455 |
+
},
|
| 456 |
+
"total_flos": 5.866248766604083e+17,
|
| 457 |
+
"train_batch_size": 16,
|
| 458 |
+
"trial_name": null,
|
| 459 |
+
"trial_params": null
|
| 460 |
+
}
|